WEBVTT

00:00:00.110 --> 00:00:02.910
>> W końcu
naszej konfiguracji środowiska

00:00:02.910 --> 00:00:05.220
zarówno w chmurze, jak i lokalnie.

00:00:05.220 --> 00:00:08.895
Mamy nasze uczenie maszynowe
zasobów na platformie Azure i

00:00:08.895 --> 00:00:11.040
Visual Studio Code ma teraz wszystkie

00:00:11.040 --> 00:00:13.365
opakowań i
rozszerzenia, których potrzebujemy,

00:00:13.365 --> 00:00:17.385
jak Python, Notebooki Jupyter
i usługi Azure Machine Learning.

00:00:17.385 --> 00:00:21.150
Następnym krokiem jest upewnienie się, że
nasze lokalne środowisko jest w rzeczywistości

00:00:21.150 --> 00:00:24.900
podłączony do naszego unikalnego
uczenia maszynowego w chmurze.

00:00:24.900 --> 00:00:27.000
Jak zawsze, nie zapominaj, że

00:00:27.000 --> 00:00:28.980
dodatkowych zasobów związanych z

00:00:28.980 --> 00:00:32.340
na ekranie przed tobą lub
w opisie poniżej.

00:00:32.340 --> 00:00:34.950
Po pierwsze, pójdę do
uczenie maszynowe

00:00:34.950 --> 00:00:36.960
zasobów na platformie Azure i pobierania

00:00:36.960 --> 00:00:39.530
plik konfiguracyjny, który zostanie
generowane automatycznie i

00:00:39.530 --> 00:00:42.325
zapisać go w tym samym folderze, który
Mam mój Notebook Jupyter w.

00:00:42.325 --> 00:00:43.845
Teraz, gdy otwieram kod VS,

00:00:43.845 --> 00:00:45.405
Widzę, że plik konfiguracyjny.

00:00:45.405 --> 00:00:48.290
Jest to bardzo proste, że
po prostu ma mój identyfikator subskrypcji,

00:00:48.290 --> 00:00:50.770
grupy zasobów i nazwy obszaru roboczego.

00:00:50.770 --> 00:00:53.480
Z azureml-core, muszę

00:00:53.480 --> 00:00:56.135
importowanie obszaru roboczego
i klas eksperymentalnych.

00:00:56.135 --> 00:00:58.190
Teraz zamierzam stworzyć
zmienną lokalną, która

00:00:58.190 --> 00:01:00.335
wskaż mój obszar roboczy na platformie Azure.

00:01:00.335 --> 00:01:03.240
Użyję do tego pliku konfiguracyjnego.

00:01:04.280 --> 00:01:07.025
Następnie zamierzam dać mój eksperyment

00:01:07.025 --> 00:01:11.880
imię i dalej idę
, aby utworzyć nowy eksperyment.

00:01:11.990 --> 00:01:14.000
Zauważ, że możesz

00:01:14.000 --> 00:01:17.540
kolejny wniosek do
uwierzytelnić się na platformie Azure.

00:01:17.970 --> 00:01:21.470
Jeśli to zrobisz, śmiało i zrób to.

00:01:21.630 --> 00:01:25.925
Następnie zamierzam
utworzyć mój klaster procesora.

00:01:25.925 --> 00:01:28.460
Chcę, aby ten klaster procesora był

00:01:28.460 --> 00:01:29.690
uczenie maszynowe platformy Azure

00:01:29.690 --> 00:01:32.900
obliczyć i muszę mieć
dostępu do celu obliczeniowego.

00:01:32.900 --> 00:01:36.540
Zaimportujmy oba
klasy te po pierwsze,

00:01:37.520 --> 00:01:43.120
Mam zamiar dać mój klaster procesora
nazwę. Zachowam to proste.

00:01:43.610 --> 00:01:48.065
Zamierzam stworzyć
konfiguracji dla moich klastrów procesora.

00:01:48.065 --> 00:01:50.330
Przede wszystkim chcę
określić rozmiar maszyny Wirtualnej.

00:01:50.330 --> 00:01:53.430
Wybieram
standardowego rozmiaru dla tego.

00:01:53.450 --> 00:01:58.360
Następnie zamierzam stworzyć
mój cel obliczeniowy.

00:01:58.640 --> 00:02:01.700
Wreszcie, jestem rzeczywiście
wyśle to do

00:02:01.700 --> 00:02:04.010
mój obszar roboczy na platformie Azure i

00:02:04.010 --> 00:02:06.260
konkretnie chcę
ta komórka, aby kontynuować

00:02:06.260 --> 00:02:09.170
wykonywanie, dopóki nie
została ukończona na platformie Azure.

00:02:09.170 --> 00:02:12.930
Zamierzam skorzystać z oczekiwania
funkcji uzupełniania.

00:02:14.840 --> 00:02:18.760
Stwórzmy nasz klaster procesora.

00:02:20.510 --> 00:02:24.590
Kilka schludnych rzeczy na temat
jest to po jego zakończeniu,

00:02:24.590 --> 00:02:26.525
możemy go zobaczyć w dwóch
w różnych miejscach.

00:02:26.525 --> 00:02:30.010
Jeden z nich znajduje się w rozszerzeniu platformy Azure
tutaj w programie Visual Studio Code.

00:02:30.010 --> 00:02:33.370
Jeśli klikniesz na niego i otworzysz
subskrypcji płatności zgodnie z rzeczywistym i wyjazdem,

00:02:33.370 --> 00:02:35.950
powinieneś znaleźć
zasób uczenia maszynowego

00:02:35.950 --> 00:02:39.110
a tam powinieneś znaleźć
obliczeń, które właśnie stworzyliśmy.

00:02:39.110 --> 00:02:41.910
Oto mój klaster procesora.

00:02:42.050 --> 00:02:44.780
Można to również znaleźć na

00:02:44.780 --> 00:02:48.530
Platforma Azure, przechodząc do
zasób uczenia maszynowego

00:02:48.530 --> 00:02:51.940
i klikając ''Compute''

00:02:51.940 --> 00:02:54.200
być w stanie znaleźć to
w ramach klastrów szkoleniowych.

00:02:54.200 --> 00:02:56.060
Ponieważ jest to klastry

00:02:56.060 --> 00:02:58.880
używane dla platformy Azure Machine
Nauka szkolenia.

00:02:58.880 --> 00:03:02.100
Myślę, że jesteśmy teraz gotowi na dane.