Hướng dẫn how to train machine learning model in python - cách đào tạo mô hình học máy trong python
Bỏ qua nội dung chính Trình duyệt này không còn được hỗ trợ. Show
Nâng cấp lên Microsoft Edge để tận dụng các tính năng mới nhất, cập nhật bảo mật và hỗ trợ kỹ thuật. Hướng dẫn: Đào tạo mô hình học máy đầu tiên của bạn (SDK V1, Phần 2 trên 3)
Trong bài viết nàyÁp dụng cho: Python SDK Azureml V1 Python SDK azureml v1
Hướng dẫn này chỉ cho bạn cách đào tạo mô hình học máy trong học tập máy Azure. Hướng dẫn này là phần 2 của loạt hướng dẫn gồm ba phần. Trong Phần 1: Chạy "Xin chào Thế giới!" của loạt bài, bạn đã học cách sử dụng tập lệnh điều khiển để chạy một công việc trên đám mây. Trong hướng dẫn này, bạn thực hiện bước tiếp theo bằng cách gửi một kịch bản đào tạo mô hình học máy. Ví dụ này sẽ giúp bạn hiểu cách học máy Azure làm giảm hành vi nhất quán giữa gỡ lỗi cục bộ và chạy từ xa. Trong hướng dẫn này, bạn:
Điều kiện tiên quyết
Tạo kịch bản đào tạoĐầu tiên bạn xác định kiến trúc mạng thần kinh trong tệp model.py. Tất cả mã đào tạo của bạn sẽ đi vào thư mục con 1, bao gồm cả model.py.Mã đào tạo được lấy từ ví dụ giới thiệu này từ Pytorch. Lưu ý rằng các khái niệm học máy Azure áp dụng cho bất kỳ mã học máy nào, không chỉ Pytorch.
Kiểm tra cục bộChọn Lưu và chạy tập lệnh trong Terminal để chạy tập lệnh Train.py trực tiếp trên thể hiện tính toán.Save and run script in terminal to run the train.py script directly on the compute instance. Sau khi hoàn thành tập lệnh, chọn Làm mới trên các thư mục tệp. Bạn sẽ thấy thư mục dữ liệu mới được gọi là get-start/data mở rộng thư mục này để xem dữ liệu đã tải xuống.Refresh above the file folders. You'll see the new data folder called get-started/data Expand this folder to view the downloaded data.
Tạo môi trường PythonAzure Machine Learning cung cấp khái niệm về một môi trường để thể hiện môi trường Python có thể tái tạo, được phiên bản để chạy thử nghiệm. Thật dễ dàng để tạo ra một môi trường từ môi trường căn hộ hoặc pip địa phương. Đầu tiên bạn sẽ tạo một tệp với các phụ thuộc gói.
Tạo tập lệnh điều khiểnSự khác biệt giữa tập lệnh điều khiển sau và chữ cái mà bạn đã sử dụng để gửi "Xin chào thế giới!" là bạn thêm một vài dòng bổ sung để đặt môi trường. Tạo một tệp python mới trong thư mục get-start có tên là 4:get-started folder called 4:
Mẹo Nếu bạn đã sử dụng một tên khác khi bạn tạo cụm tính toán của mình, hãy đảm bảo điều chỉnh tên trong mã 5.Hiểu các thay đổi mãTài liệu tham khảo tệp phụ thuộc bạn đã tạo ở trên. 6Gửi việc chạy đến Azure Machine Learning
Xem đầu ra
Nếu bạn thấy lỗi 7, thư mục dữ liệu được đặt trong giá trị 8 được sử dụng trong 9.data folder is located in the 8 value used in 9.Chọn ... ở cuối thư mục, sau đó chọn Di chuyển để di chuyển dữ liệu đến thư mục Get-Started.... at the end of the folder, then select Move to move data to the get-started folder. Số liệu đào tạo đăng nhậpBây giờ bạn đã được đào tạo mô hình về học máy Azure, bắt đầu theo dõi một số số liệu hiệu suất. Kịch bản đào tạo hiện tại in các số liệu cho thiết bị đầu cuối. Azure Machine Learning cung cấp một cơ chế để ghi nhật ký các số liệu có nhiều chức năng hơn. Bằng cách thêm một vài dòng mã, bạn có khả năng trực quan hóa các số liệu trong phòng thu và so sánh các số liệu giữa nhiều công việc. Sửa đổi Train.py để bao gồm ghi nhật ký
Hiểu thêm hai dòng mãTrong Train.py, bạn truy cập vào đối tượng chạy từ trong tập lệnh đào tạo bằng cách sử dụng phương thức 0 và sử dụng nó để ghi nhật ký số liệu:
Các số liệu trong Azure Machine Learning là:
Cập nhật tệp môi trường CondaKịch bản 1 chỉ phụ thuộc mới vào 2. Cập nhật 3 để phản ánh sự thay đổi này:
Hãy chắc chắn rằng bạn lưu tệp này trước khi bạn gửi lần chạy. Gửi việc chạy đến Azure Machine LearningChọn Lưu và Chạy tập lệnh trong Terminal để chạy tập lệnh Run-Pytorch.py.Save and run script in terminal to re-run the run-pytorch.py script. Make sure you've saved your changes to 3 first.Bạn sẽ thấy một liên kết trong cửa sổ thiết bị đầu cuối mở ra. Chọn liên kết để xem công việc.Metrics tab where you can now see live updates on the model training loss! It may take a 1 to 2 minutes before the training begins.
Ghi chúBạn có thể thấy một số cảnh báo bắt đầu với thất bại trong khi tải azureml_run_type_providers .... bạn có thể bỏ qua những cảnh báo này. Sử dụng liên kết ở dưới cùng của các cảnh báo này để xem đầu ra của bạn. Xem đầu ra Trong trang mở ra, bạn sẽ thấy trạng thái công việc. Lần đầu tiên bạn chạy tập lệnh này, Azure Machine Learning sẽ xây dựng hình ảnh Docker mới từ môi trường Pytorch của bạn. Toàn bộ công việc có thể mất khoảng 10 phút để hoàn thành. Hình ảnh này sẽ được tái sử dụng trong các công việc trong tương lai để làm cho chúng chạy nhanh hơn nhiều. Ghi chú Bạn có thể thấy một số cảnh báo bắt đầu với thất bại trong khi tải azureml_run_type_providers .... bạn có thể bỏ qua những cảnh báo này. Sử dụng liên kết ở dưới cùng của các cảnh báo này để xem đầu ra của bạn. Xem đầu raTrong trang mở ra, bạn sẽ thấy trạng thái công việc. Lần đầu tiên bạn chạy tập lệnh này, Azure Machine Learning sẽ xây dựng hình ảnh Docker mới từ môi trường Pytorch của bạn. Toàn bộ công việc có thể mất khoảng 10 phút để hoàn thành. Hình ảnh này sẽ được tái sử dụng trong các công việc trong tương lai để làm cho chúng chạy nhanh hơn nhiều. |