WEBVTT

00:00:00.110 --> 00:00:02.910
>> Finalmente tenemos
nuestra configuración de entorno

00:00:02.910 --> 00:00:05.220
tanto en la nube como localmente.

00:00:05.220 --> 00:00:08.895
Tenemos nuestro aprendizaje automático
recursos en Azure y

00:00:08.895 --> 00:00:11.040
Visual Studio Code ahora tiene todo

00:00:11.040 --> 00:00:13.365
de los paquetes y
extensiones que necesitamos,

00:00:13.365 --> 00:00:17.385
como Python, Jupyter Notebooks
y Azure Machine Learning.

00:00:17.385 --> 00:00:21.150
El siguiente paso es asegurarse de que
nuestro entorno local es en realidad

00:00:21.150 --> 00:00:24.900
conectado a nuestro único
recurso de aprendizaje automático en la nube.

00:00:24.900 --> 00:00:27.000
Como siempre, no olvides que tenemos

00:00:27.000 --> 00:00:28.980
recursos adicionales vinculados a

00:00:28.980 --> 00:00:32.340
la pantalla frente a usted o
en la descripción de abajo.

00:00:32.340 --> 00:00:34.950
Primero, me dirigiré a
el aprendizaje automático

00:00:34.950 --> 00:00:36.960
recursos en Azure y descargar

00:00:36.960 --> 00:00:39.530
el archivo de configuración que obtiene
generados automáticamente y

00:00:39.530 --> 00:00:42.325
guardarlo en la misma carpeta que
Tengo mi cuaderno de Jupyter.

00:00:42.325 --> 00:00:43.845
Ahora, cuando abro código VS,

00:00:43.845 --> 00:00:45.405
Puedo ver ese archivo de configuración.

00:00:45.405 --> 00:00:48.290
Es muy simple que
sólo tiene mi id de suscripción,

00:00:48.290 --> 00:00:50.770
grupo de recursos y el nombre del área de trabajo.

00:00:50.770 --> 00:00:53.480
Desde Azureml-core, necesito

00:00:53.480 --> 00:00:56.135
importar el espacio de trabajo
y clases de experimentos.

00:00:56.135 --> 00:00:58.190
Ahora, voy a crear
una variable local que

00:00:58.190 --> 00:01:00.335
apuntar a mi área de trabajo en Azure.

00:01:00.335 --> 00:01:03.240
Usaré el archivo de configuración para esto.

00:01:04.280 --> 00:01:07.025
A continuación, voy a dar mi experimento

00:01:07.025 --> 00:01:11.880
un nombre y el siguiente voy
para crear un nuevo experimento.

00:01:11.990 --> 00:01:14.000
Observe que podría

00:01:14.000 --> 00:01:17.540
otra solicitud para
autenticarse con Azure.

00:01:17.970 --> 00:01:21.470
Si lo haces, hazlo.

00:01:21.630 --> 00:01:25.925
A continuación, voy a
crear mi clúster de CPU.

00:01:25.925 --> 00:01:28.460
Quiero que este clúster de CPU sea

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

00:01:29.690 --> 00:01:32.900
computación y necesito tener
acceso al destino de proceso.

00:01:32.900 --> 00:01:36.540
Vamos a importar ambos de
esas clases primero,

00:01:37.520 --> 00:01:43.120
Voy a dar mi clúster de CPU
un nombre. Lo mantendré simple.

00:01:43.610 --> 00:01:48.065
Voy a crear un
configuración de mis clústeres de CPU.

00:01:48.065 --> 00:01:50.330
En particular, quiero
especifique el tamaño de la máquina virtual.

00:01:50.330 --> 00:01:53.430
Voy a elegir un
tamaño estándar para este.

00:01:53.450 --> 00:01:58.360
Entonces voy a crear
mi objetivo de computación.

00:01:58.640 --> 00:02:01.700
Finalmente, en realidad estoy
va a enviar esto a

00:02:01.700 --> 00:02:04.010
mi área de trabajo en Azure y

00:02:04.010 --> 00:02:06.260
específicamente quiero
esta célula para continuar

00:02:06.260 --> 00:02:09.170
ejecución hasta que sea
se ha completado en Azure.

00:02:09.170 --> 00:02:12.930
Voy a usar la espera
para la función de finalización.

00:02:14.840 --> 00:02:18.760
Vamos a crear nuestro clúster de CPU.

00:02:20.510 --> 00:02:24.590
Un par de cosas ordenadas sobre
esto es una vez que se ha completado,

00:02:24.590 --> 00:02:26.525
podemos verlo en dos
diferentes lugares.

00:02:26.525 --> 00:02:30.010
Uno está en la extensión de Azure
aquí en Visual Studio Code.

00:02:30.010 --> 00:02:33.370
Si hace clic en él y se abre
su suscripción de pago por uso,

00:02:33.370 --> 00:02:35.950
usted debe encontrar su
recurso de aprendizaje automático

00:02:35.950 --> 00:02:39.110
y allí usted debe encontrar el
computar que acabamos de crear.

00:02:39.110 --> 00:02:41.910
Aquí está mi clúster de CPU.

00:02:42.050 --> 00:02:44.780
También puede encontrar esto en

00:02:44.780 --> 00:02:48.530
Azure yendo a la
recurso de aprendizaje automático

00:02:48.530 --> 00:02:51.940
y haciendo clic en ''Calcular''

00:02:51.940 --> 00:02:54.200
ser capaz de encontrar este
bajo grupos de capacitación.

00:02:54.200 --> 00:02:56.060
Dado que se trata de un clúster específicamente

00:02:56.060 --> 00:02:58.880
utilizado para Azure Machine
Aprendizaje de aprendizaje.

00:02:58.880 --> 00:03:02.100
Creo que estamos listos para los datos ahora.