WEBVTT 00:00:00.110 --> 00:00:02.910 >> 마침내 환경 설정 00:00:02.910 --> 00:00:05.220 클라우드와 로컬 모두에서. 00:00:05.220 --> 00:00:08.895 우리는 기계 학습을 가지고 있습니다. Azure에서 리소스업 및 00:00:08.895 --> 00:00:11.040 비주얼 스튜디오 코드는 이제 모든 00:00:11.040 --> 00:00:13.365 패키지및 우리가 필요로하는 확장, 00:00:13.365 --> 00:00:17.385 파이썬처럼, 주피터 노트북 Azure 기계 학습. 00:00:17.385 --> 00:00:21.150 다음 단계는 우리의 지역 환경은 실제로 00:00:21.150 --> 00:00:24.900 우리의 고유한 연결 클라우드의 머신 러닝 리소스입니다. 00:00:24.900 --> 00:00:27.000 언제나 처럼, 우리가 잊지 마세요 00:00:27.000 --> 00:00:28.980 연결된 추가 리소스 00:00:28.980 --> 00:00:32.340 앞의 화면 또는 아래 설명에서. 00:00:32.340 --> 00:00:34.950 첫째, 나는 로 향할 거야 기계 학습 00:00:34.950 --> 00:00:36.960 Azure 및 다운로드에 대한 리소스 00:00:36.960 --> 00:00:39.530 받는 구성 파일 자동으로 생성되고 00:00:39.530 --> 00:00:42.325 동일한 폴더에 저장 나는 내 주피터 노트북을 가지고있다. 00:00:42.325 --> 00:00:43.845 이제 VS 코드를 열 때, 00:00:43.845 --> 00:00:45.405 나는 그 구성 파일을 볼 수 있습니다. 00:00:45.405 --> 00:00:48.290 그것은 매우 간단한 하나입니다 그냥 내 구독 ID가, 00:00:48.290 --> 00:00:50.770 리소스 그룹 및 작업 영역 이름입니다. 00:00:50.770 --> 00:00:53.480 Azureml 코어에서, 나는 00:00:53.480 --> 00:00:56.135 작업 영역 가져오기 및 실험 클래스. 00:00:56.135 --> 00:00:58.190 이제 만들겠습니다. 로컬 변수 00:00:58.190 --> 00:01:00.335 Azure에서 작업 영역을 가리킵니다. 00:01:00.335 --> 00:01:03.240 이에 대해 정리 파일을 사용합니다. 00:01:04.280 --> 00:01:07.025 다음으로, 실험을 해보겠습니다. 00:01:07.025 --> 00:01:11.880 이름과 다음 에 가서 새 실험을 만들 수 있습니다. 00:01:11.990 --> 00:01:14.000 얻을 수 있습니다 주의 00:01:14.000 --> 00:01:17.540 다른 요청은 Azure로 인증합니다. 00:01:17.970 --> 00:01:21.470 그렇게 한다면, 가서 그렇게 하십시오. 00:01:21.630 --> 00:01:25.925 다음으로, 나는 내 CPU 클러스터를 만듭니다. 00:01:25.925 --> 00:01:28.460 이 CPU 클러스터가 00:01:28.460 --> 00:01:29.690 Azure 기계 학습 00:01:29.690 --> 00:01:32.900 계산해야 하고 계산 대상에 대한 액세스입니다. 00:01:32.900 --> 00:01:36.540 두 가지를 모두 가져오자 먼저 해당 클래스, 00:01:37.520 --> 00:01:43.120 CPU 클러스터를 제공하려고 합니다. 이름입니다. 나는 그것을 간단하게 유지합니다. 00:01:43.610 --> 00:01:48.065 나는 내 CPU 클러스터에 대한 구성. 00:01:48.065 --> 00:01:50.330 특히, 나는 VM 크기를 지정합니다. 00:01:50.330 --> 00:01:53.430 난 그냥 선택할거야 이 하나에 대한 표준 크기. 00:01:53.450 --> 00:01:58.360 그럼 내가 만들거야 내 계산 대상. 00:01:58.640 --> 00:02:01.700 마지막으로, 나는 실제로 이 것을 보내려고 합니다. 00:02:01.700 --> 00:02:04.010 Azure및 Azure의 내 작업 영역 및 00:02:04.010 --> 00:02:06.260 특히 내가 원하는 이 셀은 계속 00:02:06.260 --> 00:02:09.170 실행 될 때까지 Azure에서 완료되었습니다. 00:02:09.170 --> 00:02:12.930 나는 대기를 사용할거야 완료 기능을 위해. 00:02:14.840 --> 00:02:18.760 CPU 클러스터를 만들어 보겠습니다. 00:02:20.510 --> 00:02:24.590 몇 가지 깔끔한 것 들에 대 한 이 작업이 완료되면 00:02:24.590 --> 00:02:26.525 우리는 두 에서 볼 수 있습니다 다른 장소. 00:02:26.525 --> 00:02:30.010 하나는 Azure 확장에 있습니다. 바로 여기 비주얼 스튜디오 코드에서. 00:02:30.010 --> 00:02:33.370 클릭하고 열면 종량제 구독, 00:02:33.370 --> 00:02:35.950 당신은 당신의 를 찾아야한다 머신 러닝 리소스 00:02:35.950 --> 00:02:39.110 그리고 거기에서 당신은 방금 만든 계산입니다. 00:02:39.110 --> 00:02:41.910 다음은 내 CPU 클러스터입니다. 00:02:42.050 --> 00:02:44.780 이 것을 확인할 수도 있습니다. 00:02:44.780 --> 00:02:48.530 Azure로 이동하여 머신 러닝 리소스 00:02:48.530 --> 00:02:51.940 '컴퓨트'를 클릭하면 00:02:51.940 --> 00:02:54.200 이 것을 찾을 수 있어야 합니다. 교육 클러스터에서. 00:02:54.200 --> 00:02:56.060 이는 클러스터이므로 구체적으로 00:02:56.060 --> 00:02:58.880 Azure 컴퓨터에 사용 학습 교육. 00:02:58.880 --> 00:03:02.100 나는 우리가 지금 데이터에 대한 준비가 되어 있다고 생각합니다.