WEBVTT

00:00:00.110 --> 00:00:02.910
• 我們終於有了
我們的環境設定

00:00:02.910 --> 00:00:05.220
在雲中和本地。

00:00:05.220 --> 00:00:08.895
我們有我們的機器學習
資源在 Azure 和

00:00:08.895 --> 00:00:11.040
視覺化工作室代碼現在擁有所有

00:00:11.040 --> 00:00:13.365
包和
我們需要的擴展,

00:00:13.365 --> 00:00:17.385
像 Python, 朱彼特筆記
和 Azure 機器學習。

00:00:17.385 --> 00:00:21.150
下一步是確保
我們當地的環境實際上是

00:00:21.150 --> 00:00:24.900
連線到我們的獨特
雲中的機器學習資源。

00:00:24.900 --> 00:00:27.000
一如既往,不要忘記,我們有

00:00:27.000 --> 00:00:28.980
連結的其他資源

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

00:00:32.340 --> 00:00:34.950
首先,我會進入
機器學習

00:00:34.950 --> 00:00:36.960
Azure 上的資源並下載

00:00:36.960 --> 00:00:39.530
設定檔案,抓取
自動產生與

00:00:39.530 --> 00:00:42.325
將其保存到同一資料夾,
我有我的朱彼特筆記本。

00:00:42.325 --> 00:00:43.845
現在,當我打開VS代碼時,

00:00:43.845 --> 00:00:45.405
我可以看到該配置檔。

00:00:45.405 --> 00:00:48.290
這是非常簡單的
只是有我的訂閱 ID,

00:00:48.290 --> 00:00:50.770
資源組和工作區名稱。

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

00:00:53.480 --> 00:00:56.135
匯入工作區
和實驗課。

00:00:56.135 --> 00:00:58.190
現在,我要創建
一個局部變數,將

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

00:01:00.335 --> 00:01:03.240
我將為此使用配置檔。

00:01:04.280 --> 00:01:07.025
接下來,我要給我的實驗

00:01:07.025 --> 00:01:11.880
一個名字, 接下來我要去
創建一個新的實驗。

00:01:11.990 --> 00:01:14.000
請注意,您可能會得到

00:01:14.000 --> 00:01:17.540
另一個要求
使用 Azure 進行身份驗證。

00:01:17.970 --> 00:01:21.470
如果你這樣做,繼續這樣做。

00:01:21.630 --> 00:01:25.925
接下來,我要
創建我的 CPU 群集。

00:01:25.925 --> 00:01:28.460
我希望此 CPU 群組是

00:01:28.460 --> 00:01:29.690
Azure 機器學習

00:01:29.690 --> 00:01:32.900
計算, 我需要有
訪問計算目標。

00:01:32.900 --> 00:01:36.540
讓我們匯入兩個
那些類第一,

00:01:37.520 --> 00:01:43.120
我要給我的 CPU 叢集
一個名字。我會保持簡單。

00:01:43.610 --> 00:01:48.065
我要建立一個
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
我只是要選擇一個
這個標準尺寸。

00:01:53.450 --> 00:01:58.360
然後我要創造
我的計算目標。

00:01:58.640 --> 00:02:01.700
最後,我其實
要傳送此到

00:02:01.700 --> 00:02:04.010
Azure 中的工作區和

00:02:04.010 --> 00:02:06.260
特別是我想要
此儲存格繼續

00:02:06.260 --> 00:02:09.170
執行,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
讓我們創建 CPU 群集。

00:02:20.510 --> 00:02:24.590
幾個整潔的事情
這是一旦它完成,

00:02:24.590 --> 00:02:26.525
我們可以看到它在兩個
不同的地方。

00:02:26.525 --> 00:02:30.010
一個位於 Azure 擴充中
就在這裡的可視化工作室代碼。

00:02:30.010 --> 00:02:33.370
如果你點擊它, 開啟
您的「以時付費」訂閱,

00:02:33.370 --> 00:02:35.950
你應該找到你的
機器學習資源

00:02:35.950 --> 00:02:39.110
在那裡,你應該找到
計算我們剛剛創建的。

00:02:39.110 --> 00:02:41.910
這是我的 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 通過去
機器學習資源

00:02:48.530 --> 00:02:51.940
並按下「計算」,您將

00:02:51.940 --> 00:02:54.200
能夠找到這個
在培訓集群下。

00:02:54.200 --> 00:02:56.060
由於這是一個集群特別

00:02:56.060 --> 00:02:58.880
Azure 電腦
學習培訓。

00:02:58.880 --> 00:03:02.100
我想我們現在已經準備好了數據。