WEBVTT

00:00:00.110 --> 00:00:02.910
>> Endlich haben wir
unsere Umgebung sanat

00:00:02.910 --> 00:00:05.220
sowohl in der Cloud als auch lokal.

00:00:05.220 --> 00:00:08.895
Wir haben unsere maschinelle
Ressource in Azure und

00:00:08.895 --> 00:00:11.040
Visual Studio Code hat jetzt alle

00:00:11.040 --> 00:00:13.365
der Pakete und
Erweiterungen, die wir brauchen,

00:00:13.365 --> 00:00:17.385
wie Python, Jupyter Notebooks
und Azure Machine Learning.

00:00:17.385 --> 00:00:21.150
Der nächste Schritt besteht darin, sicherzustellen, dass
unsere lokale Umgebung ist tatsächlich

00:00:21.150 --> 00:00:24.900
verbunden mit unserem einzigartigen
Machine-Learning-Ressource in der Cloud.

00:00:24.900 --> 00:00:27.000
Wie immer vergessen Sie nicht, dass wir

00:00:27.000 --> 00:00:28.980
zusätzliche Ressourcen, die mit

00:00:28.980 --> 00:00:32.340
den Bildschirm vor Ihnen oder
in der Beschreibung unten.

00:00:32.340 --> 00:00:34.950
Zuerst gehe ich in
das maschinelle Lernen

00:00:34.950 --> 00:00:36.960
Ressource in Azure und Download

00:00:36.960 --> 00:00:39.530
die Konfigurationsdatei, die
automatisch generiert und

00:00:39.530 --> 00:00:42.325
speichern Sie es in demselben Ordner, der
Ich habe mein Jupyter Notebook in.

00:00:42.325 --> 00:00:43.845
Wenn ich nun VS-Code öffne,

00:00:43.845 --> 00:00:45.405
Ich kann diese Konfigurationsdatei sehen.

00:00:45.405 --> 00:00:48.290
Es ist eine sehr einfache, die
hat nur meine Abonnement-ID,

00:00:48.290 --> 00:00:50.770
Ressourcengruppe und Arbeitsbereichsname.

00:00:50.770 --> 00:00:53.480
Von Azureml-core muss ich

00:00:53.480 --> 00:00:56.135
Importieren des Arbeitsbereichs
und Experimentierklassen.

00:00:56.135 --> 00:00:58.190
Jetzt werde ich
eine lokale Variable, die

00:00:58.190 --> 00:01:00.335
zeigen Sie auf meinen Arbeitsbereich in Azure.

00:01:00.335 --> 00:01:03.240
Ich verwende dafür die Konfigurationsdatei.

00:01:04.280 --> 00:01:07.025
Als nächstes werde ich mein Experiment geben

00:01:07.025 --> 00:01:11.880
ein Name und als nächstes gehe ich
, um ein neues Experiment zu erstellen.

00:01:11.990 --> 00:01:14.000
Beachten Sie, dass Sie

00:01:14.000 --> 00:01:17.540
eine weitere Anfrage an
authentifizieren mit Azure.

00:01:17.970 --> 00:01:21.470
Wenn Sie dies tun, gehen Sie vor und tun Sie dies.

00:01:21.630 --> 00:01:25.925
Als nächstes werde ich
meinen CPU-Cluster erstellen.

00:01:25.925 --> 00:01:28.460
Ich möchte, dass dieser CPU-Cluster

00:01:28.460 --> 00:01:29.690
Ein Azure Machine Learning

00:01:29.690 --> 00:01:32.900
berechnen und ich muss
Zugriff auf das Rechenziel.

00:01:32.900 --> 00:01:36.540
Lassen Sie uns beide
diese Klassen zuerst,

00:01:37.520 --> 00:01:43.120
Ich werde meinen CPU-Cluster geben
einen Namen. Ich werde es einfach halten.

00:01:43.610 --> 00:01:48.065
Ich werde eine
Konfiguration für meine CPU-Cluster.

00:01:48.065 --> 00:01:50.330
Bemerkenswert ist, dass ich
geben Sie die VM-Größe an.

00:01:50.330 --> 00:01:53.430
Ich wähle nur eine
Standardgröße für diese.

00:01:53.450 --> 00:01:58.360
Dann werde ich erstellen
mein Rechenziel.

00:01:58.640 --> 00:02:01.700
Endlich bin ich tatsächlich
gehen, um dies bis zu senden

00:02:01.700 --> 00:02:04.010
mein Arbeitsbereich in Azure und

00:02:04.010 --> 00:02:06.260
speziell möchte ich
Diese Zelle, um fortzufahren

00:02:06.260 --> 00:02:09.170
ausführen, bis es
wurde in Azure abgeschlossen.

00:02:09.170 --> 00:02:12.930
Ich werde das Warten verwenden
für Die Vervollständigungsfunktion.

00:02:14.840 --> 00:02:18.760
Lassen Sie uns unseren CPU-Cluster erstellen.

00:02:20.510 --> 00:02:24.590
Ein paar nette Dinge über
dies ist, sobald es abgeschlossen ist,

00:02:24.590 --> 00:02:26.525
wir können es in zwei
verschiedenen Orten.

00:02:26.525 --> 00:02:30.010
Eine befindet sich in der Azure-Erweiterung
hier in Visual Studio Code.

00:02:30.010 --> 00:02:33.370
Wenn Sie darauf klicken und öffnen
Ihr Nutzungsabonnement,

00:02:33.370 --> 00:02:35.950
Sie sollten Ihre
Machine Learning-Ressource

00:02:35.950 --> 00:02:39.110
und dort sollten Sie die
berechnen, die wir gerade erstellt haben.

00:02:39.110 --> 00:02:41.910
Hier ist mein CPU-Cluster.

00:02:42.050 --> 00:02:44.780
Sie finden dies auch auf

00:02:44.780 --> 00:02:48.530
Azure, indem Sie zum
Machine-Learning-Ressource

00:02:48.530 --> 00:02:51.940
und klicken Sie auf ''Compute''

00:02:51.940 --> 00:02:54.200
in der Lage sein, diese
in Schulungsclustern.

00:02:54.200 --> 00:02:56.060
Da es sich um einen Cluster speziell

00:02:56.060 --> 00:02:58.880
Wird für Azure Machine verwendet
Lerntraining.

00:02:58.880 --> 00:03:02.100
Ich denke, wir sind jetzt bereit für die Daten.