WEBVTT

00:00:00.110 --> 00:00:02.910
"> Konečně jsme
naše nastavení prostředí

00:00:02.910 --> 00:00:05.220
v cloudu i místně.

00:00:05.220 --> 00:00:08.895
Máme naše strojové učení
zdrojů v Azure a

00:00:08.895 --> 00:00:11.040
Kód sady Visual Studio má nyní všechny

00:00:11.040 --> 00:00:13.365
balíků a
rozšíření, která potřebujeme,

00:00:13.365 --> 00:00:17.385
jako Python, Jupyter Notebooky
a Azure Machine Learning.

00:00:17.385 --> 00:00:21.150
Dalším krokem je zajistit, aby
naše místní prostředí je ve skutečnosti

00:00:21.150 --> 00:00:24.900
připojeni k našemu jedinečnému
prostředek strojového učení v cloudu.

00:00:24.900 --> 00:00:27.000
Jako vždy, nezapomeňte, že jsme

00:00:27.000 --> 00:00:28.980
dodatečné zdroje spojené

00:00:28.980 --> 00:00:32.340
obrazovku před vámi nebo
v popisu níže.

00:00:32.340 --> 00:00:34.950
Za prvé, půjdu do
strojové učení

00:00:34.950 --> 00:00:36.960
prostředky v Azure a stáhnout

00:00:36.960 --> 00:00:39.530
konfigurátorový soubor, který získá
automaticky generovány a

00:00:39.530 --> 00:00:42.325
uložit do stejné složky, která
Mám tam svůj jupyter notebook.

00:00:42.325 --> 00:00:43.845
Teď, když otevřu VS kód,

00:00:43.845 --> 00:00:45.405
Vidím ten konfigurátor.

00:00:45.405 --> 00:00:48.290
Je to velmi jednoduchý, který
jen má své předplatné id,

00:00:48.290 --> 00:00:50.770
skupiny prostředků a názvu pracovního prostoru.

00:00:50.770 --> 00:00:53.480
Z Azureml-core potřebuji

00:00:53.480 --> 00:00:56.135
import pracovního prostoru
a experimenty.

00:00:56.135 --> 00:00:58.190
Teď budu tvořit
lokální proměnnou, která bude

00:00:58.190 --> 00:01:00.335
přejděte na můj pracovní prostor v Azure.

00:01:00.335 --> 00:01:03.240
Budu používat konfigurátor soubor pro toto.

00:01:04.280 --> 00:01:07.025
Dále dám svůj experiment

00:01:07.025 --> 00:01:11.880
jméno a další jdu
vytvořit nový experiment.

00:01:11.990 --> 00:01:14.000
Všimněte si, že můžete získat

00:01:14.000 --> 00:01:17.540
další žádost o
ověření pomocí Azure.

00:01:17.970 --> 00:01:21.470
Pokud tak učiníte, jděte do toho a tak učinit.

00:01:21.630 --> 00:01:25.925
Dále budu
vytvořit svůj cpu cluster.

00:01:25.925 --> 00:01:28.460
Chci, aby tento cpu cluster byl

00:01:28.460 --> 00:01:29.690
strojové učení Azure

00:01:29.690 --> 00:01:32.900
výpočetní a musím mít
přístup k výpočetnímu cíli.

00:01:32.900 --> 00:01:36.540
Pojďme importovat oba
tyto třídy jako první,

00:01:37.520 --> 00:01:43.120
Dám svůj CPU cluster
jméno. Budu to jednoduché.

00:01:43.610 --> 00:01:48.065
Chystám se vytvořit
konfigurace pro clustery CPU.

00:01:48.065 --> 00:01:50.330
Zejména chci
určit velikost virtuálního počítače.

00:01:50.330 --> 00:01:53.430
Jen si vyberu
standardní velikosti pro tento.

00:01:53.450 --> 00:01:58.360
Pak budu vytvářet
můj výpočetní cíl.

00:01:58.640 --> 00:02:01.700
Konečně, já jsem vlastně
Chystám se poslat to až do

00:02:01.700 --> 00:02:04.010
můj pracovní prostor v Azure a

00:02:04.010 --> 00:02:06.260
konkrétně chci
tato buňka bude pokračovat

00:02:06.260 --> 00:02:09.170
provádění, dokud není
dokončena v Azure.

00:02:09.170 --> 00:02:12.930
Použiju to čekání.
pro dokončení funkce.

00:02:14.840 --> 00:02:18.760
Pojďme vytvořit náš cpu cluster.

00:02:20.510 --> 00:02:24.590
Pár úhledných věcí o
To je, jakmile je to dokončeno,

00:02:24.590 --> 00:02:26.525
můžeme vidět ve dvou
na různých místech.

00:02:26.525 --> 00:02:30.010
Jeden je v rozšíření Azure
tady v kódu sady Visual Studio.

00:02:30.010 --> 00:02:33.370
Pokud kliknete na něj a otevřete
vaše předplatné s průběžnými platbami,

00:02:33.370 --> 00:02:35.950
byste měli najít
materiál strojového učení

00:02:35.950 --> 00:02:39.110
a tam byste měli najít
výpočtu, který jsme právě vytvořili.

00:02:39.110 --> 00:02:41.910
Tady je můj CPU cluster.

00:02:42.050 --> 00:02:44.780
Najdete to také na

00:02:44.780 --> 00:02:48.530
Azure tak, že půjdete na
zdroj strojového učení

00:02:48.530 --> 00:02:51.940
a kliknutím na ''Compute''

00:02:51.940 --> 00:02:54.200
být schopen najít tento
v rámci výcvikových klastrů.

00:02:54.200 --> 00:02:56.060
Vzhledem k tomu, že se jedná o klastry specificky

00:02:56.060 --> 00:02:58.880
používá se pro azure machine
Učení školení.

00:02:58.880 --> 00:03:02.100
Myslím, že jsme připraveni na data.