WEBVTT

00:00:00.110 --> 00:00:02.910
• 我们终于有了
我们的环境设置

00:00:02.910 --> 00:00:05.220
在云中和本地。

00:00:05.220 --> 00:00:08.895
我们有我们的机器学习
资源在 Azure 和

00:00:08.895 --> 00:00:11.040
可视化工作室代码现在拥有所有

00:00:11.040 --> 00:00:13.365
包和
我们需要的扩展，

00:00:13.365 --> 00:00:17.385
像 Python， 朱皮特笔记本
和 Azure 机器学习。

00:00:17.385 --> 00:00:21.150
下一步是确保
我们当地的环境实际上是

00:00:21.150 --> 00:00:24.900
连接到我们的独特
云中的机器学习资源。

00:00:24.900 --> 00:00:27.000
一如既往，不要忘记，我们有

00:00:27.000 --> 00:00:28.980
链接的其他资源

00:00:28.980 --> 00:00:32.340
你面前的屏幕或
在下面的描述。

00:00:32.340 --> 00:00:34.950
首先，我会进入
机器学习

00:00:34.950 --> 00:00:36.960
Azure 上的资源并下载

00:00:36.960 --> 00:00:39.530
配置文件，获取
自动生成和

00:00:39.530 --> 00:00:42.325
将其保存到同一文件夹，
我有我的朱皮特笔记本。

00:00:42.325 --> 00:00:43.845
现在，当我打开VS代码时，

00:00:43.845 --> 00:00:45.405
我可以看到该配置文件。

00:00:45.405 --> 00:00:48.290
这是一个非常简单的
只是有我的订阅 ID，

00:00:48.290 --> 00:00:50.770
资源组和工作区名称。

00:00:50.770 --> 00:00:53.480
从 Azureml 核心， 我需要

00:00:53.480 --> 00:00:56.135
导入工作区
和实验课。

00:00:56.135 --> 00:00:58.190
现在，我要创建
一个局部变量，将

00:00:58.190 --> 00:01:00.335
指向 Azure 上的工作区。

00:01:00.335 --> 00:01:03.240
我将为此使用配置文件。

00:01:04.280 --> 00:01:07.025
接下来，我要给我的实验

00:01:07.025 --> 00:01:11.880
一个名字， 接下来我要去
创建一个新的实验。

00:01:11.990 --> 00:01:14.000
请注意，您可能会得到

00:01:14.000 --> 00:01:17.540
另一个请求
使用 Azure 进行身份验证。

00:01:17.970 --> 00:01:21.470
如果你这样做，继续这样做。

00:01:21.630 --> 00:01:25.925
接下来，我要
创建我的 CPU 群集。

00:01:25.925 --> 00:01:28.460
我希望此 CPU 群集是

00:01:28.460 --> 00:01:29.690
Azure 机器学习

00:01:29.690 --> 00:01:32.900
计算， 我需要有
访问计算目标。

00:01:32.900 --> 00:01:36.540
让我们导入两个
那些类第一，

00:01:37.520 --> 00:01:43.120
我要给我的 CPU 群集
一个名字。我会保持简单。

00:01:43.610 --> 00:01:48.065
我要创建一个
我的 CPU 群集的配置。

00:01:48.065 --> 00:01:50.330
值得注意的是，我想
指定 VM 大小。

00:01:50.330 --> 00:01:53.430
我只是要选择一个
这个标准尺寸。

00:01:53.450 --> 00:01:58.360
然后我要创造
我的计算目标。

00:01:58.640 --> 00:02:01.700
最后，我其实
要发送这个到

00:02:01.700 --> 00:02:04.010
Azure 中的工作区和

00:02:04.010 --> 00:02:06.260
特别是我想要
此单元格继续

00:02:06.260 --> 00:02:09.170
执行，直到它
在 Azure 中完成。

00:02:09.170 --> 00:02:12.930
我要用等待
完成功能。

00:02:14.840 --> 00:02:18.760
让我们创建 CPU 群集。

00:02:20.510 --> 00:02:24.590
几个整洁的事情
这是一旦它完成，

00:02:24.590 --> 00:02:26.525
我们可以看到它在两个
不同的地方。

00:02:26.525 --> 00:02:30.010
一个位于 Azure 扩展中
就在这里的可视化工作室代码。

00:02:30.010 --> 00:02:33.370
如果你点击它， 打开
您的"以时付费"订阅，

00:02:33.370 --> 00:02:35.950
你应该找到你的
机器学习资源

00:02:35.950 --> 00:02:39.110
在那里，你应该找到
计算我们刚刚创建的。

00:02:39.110 --> 00:02:41.910
这是我的 CPU 群集。

00:02:42.050 --> 00:02:44.780
您也可以在

00:02:44.780 --> 00:02:48.530
Azure 通过去
机器学习资源

00:02:48.530 --> 00:02:51.940
并单击"计算"，您将

00:02:51.940 --> 00:02:54.200
能够找到这个
在培训集群下。

00:02:54.200 --> 00:02:56.060
由于这是一个集群特别

00:02:56.060 --> 00:02:58.880
用于 Azure 计算机
学习培训。

00:02:58.880 --> 00:03:02.100
我想我们现在已经准备好了数据。