WEBVTT

00:00:00.110 --> 00:00:02.910
>> 私たちはついに持っています
環境のセットアップ

00:00:02.910 --> 00:00:05.220
クラウドとローカルの両方で。

00:00:05.220 --> 00:00:08.895
私たちは機械学習を持っています
Azure 上のリソースアップ

00:00:08.895 --> 00:00:11.040
ビジュアルスタジオコードにすべてがすべて

00:00:11.040 --> 00:00:13.365
パッケージおよび
私たちが必要とする拡張、

00:00:13.365 --> 00:00:17.385
Python、ジュピッターノートブックのように
と Azure の機械学習。

00:00:17.385 --> 00:00:21.150
次のステップは、それを確認することです
私たちのローカル環境は、実際には

00:00:21.150 --> 00:00:24.900
私たちのユニークに接続
クラウド内の機械学習リソース。

00:00:24.900 --> 00:00:27.000
いつものように、私たちが持っていることを忘れないでください

00:00:27.000 --> 00:00:28.980
リンク先の追加リソース

00:00:28.980 --> 00:00:32.340
あなたの目の前の画面または
以下の説明を参照してください。

00:00:32.340 --> 00:00:34.950
まず、私はに向かいます
機械学習

00:00:34.950 --> 00:00:36.960
Azure 上のリソースとダウンロード

00:00:36.960 --> 00:00:39.530
取得する構成ファイル
自動的に生成され、

00:00:39.530 --> 00:00:42.325
同じフォルダに保存します。
私はジュッピーターノートブックを持っています。

00:00:42.325 --> 00:00:43.845
さて、VSコードを開くと、

00:00:43.845 --> 00:00:45.405
私はその構成ファイルを見ることができます。

00:00:45.405 --> 00:00:48.290
それは非常に単純なものです
ちょうど私のサブスクリプションIDを持っています。

00:00:48.290 --> 00:00:50.770
リソース グループ、ワークスペース名。

00:00:50.770 --> 00:00:53.480
Azureml コアから、私はする必要があります。

00:00:53.480 --> 00:00:56.135
ワークスペースをインポートする
実験クラス。

00:00:56.135 --> 00:00:58.190
さて、私は作成するつもりです
ローカル変数

00:00:58.190 --> 00:01:00.335
は、Azure 上のワークスペースをポイントします。

00:01:00.335 --> 00:01:03.240
私はこのために構成ファイルを使用します。

00:01:04.280 --> 00:01:07.025
次に、私は私の実験を与えるつもりです

00:01:07.025 --> 00:01:11.880
名前と次に私は行く
をクリックして新しい実験を作成します。

00:01:11.990 --> 00:01:14.000
あなたが得るかもしれないことに注意してください

00:01:14.000 --> 00:01:17.540
別の要求
Azure で認証します。

00:01:17.970 --> 00:01:21.470
もしそうなら、先に進んでそうしてください。

00:01:21.630 --> 00:01:25.925
次に、私は行くつもりです
CPU クラスタを作成します。

00:01:25.925 --> 00:01:28.460
この CPU クラスタを

00:01:28.460 --> 00:01:29.690
Azure の機械学習

00:01:29.690 --> 00:01:32.900
計算し、私は持っている必要があります
コンピューティング ターゲットへのアクセス。

00:01:32.900 --> 00:01:36.540
の両方をインポートしてみましょう
これらのクラスが最初に、

00:01:37.520 --> 00:01:43.120
CPU クラスタを提供する
名前。私はそれをシンプルに保ちます。

00:01:43.610 --> 00:01:48.065
私は作成するつもりです
CPU クラスタの設定を行います。

00:01:48.065 --> 00:01:50.330
特に、私は
VM サイズを指定します。

00:01:50.330 --> 00:01:53.430
私はちょうど選択するつもりです
この1の標準サイズ。

00:01:53.450 --> 00:01:58.360
それから私は作成するつもりです
私のコンピューティングターゲット。

00:01:58.640 --> 00:02:01.700
最後に、私は実際に
これを送るつもり

00:02:01.700 --> 00:02:04.010
Azure のワークスペース

00:02:04.010 --> 00:02:06.260
具体的に私は欲しい
このセルを続行します

00:02:06.260 --> 00:02:09.170
がなるまで実行する
は Azure で完了しました。

00:02:09.170 --> 00:02:12.930
私は待ち時間を使うつもりです
完了関数用。

00:02:14.840 --> 00:02:18.760
CPU クラスターを作成しましょう。

00:02:20.510 --> 00:02:24.590
いくつかのきちんとした事柄
これは、それが完了したら、

00:02:24.590 --> 00:02:26.525
私たちはそれを2つ見ることができます
異なる場所。

00:02:26.525 --> 00:02:30.010
1 つは Azure 拡張機能にあります。
ここはビジュアルスタジオコードにあります。

00:02:30.010 --> 00:02:33.370
あなたがそれをクリックして開くと
お客様の従量課金制サブスクリプション

00:02:33.370 --> 00:02:35.950
あなたはあなたを見つける必要があります
機械学習リソース

00:02:35.950 --> 00:02:39.110
そしてそこには、
作成した計算を行います。

00:02:39.110 --> 00:02:41.910
ここに私のCPUクラスタがあります。

00:02:42.050 --> 00:02:44.780
また、上にこれを見つけることができます

00:02:44.780 --> 00:02:48.530
Azure に行くことによって
機械学習リソース

00:02:48.530 --> 00:02:51.940
をクリックし、「コンピューティング」をクリックすると、次の操作が行えます。

00:02:51.940 --> 00:02:54.200
これを見つけることができる
トレーニングクラスターの下で。

00:02:54.200 --> 00:02:56.060
これは、具体的にはクラスタであるため

00:02:56.060 --> 00:02:58.880
Azure マシンに使用
トレーニングを学ぶ。

00:02:58.880 --> 00:03:02.100
私たちは今、データの準備ができていると思います。