Notatnik do tego ćwiczenia

Lab 3B: Trenowanie i rejestrowanie modeli

W uczeniu maszynowym chodzi ostatecznie o wytrenowanie modelu, który będzie dostarczał aplikacjom predykcji. Czas więc zobaczyć, jak uruchamiać skrypty trenujące jako zadania (jobs) Azure Machine Learning i jak zarejestrować powstały w ten sposób model.

Zanim zaczniesz

Upewnij się, że masz ukończone ćwiczenia Lab 1A i Lab 1B - powstaje w nich obszar roboczy Azure Machine Learning oraz pozostałe zasoby używane tutaj.

Krok 1: Używanie Azure Machine Learning SDK do trenowania i rejestrowania modeli

W tym kroku uruchomisz z poziomu notatnika skrypty trenujące jako zadania (jobs) Azure Machine Learning. Wywołanie mlflow.sklearn.autolog() samo zaloguje parametry, metryki i wytrenowany model, a na koniec zarejestrujesz ten model pod nazwą diabetes_model.

1. W Azure Machine Learning studio przejdź do strony Compute swojego obszaru roboczego; a na karcie Compute Instances upewnij się, że Twoja instancja obliczeniowa (mymachine) jest uruchomiona. Jeśli nie, uruchom ją.
2. Gdy instancja obliczeniowa jest uruchomiona, kliknij link JupyterLab, aby otworzyć go w nowej karcie przeglądarki.
3. W przeglądarce plików JupyterLab otwórz folder MachineLearningCourse/materialy/azure-ml/pl sklonowany w Lab 1B (~/cloudfiles/code/Users/<twoja-nazwa-uzytkownika>/MachineLearningCourse/materialy/azure-ml/pl), a następnie otwórz notatnik 03B - Training Models.ipynb. Upewnij się, że używa on kernela Python 3.10 - SDK v2, a następnie przeczytaj notatki w notatniku, uruchamiając kolejno każdą komórkę kodu.

Uwaga: Jeśli zamierzasz przejść od razu do kolejnego ćwiczenia, pozostaw instancję obliczeniową uruchomioną. Jeśli robisz przerwę, warto zamknąć wszystkie karty JupyterLab i zatrzymać (Stop) instancję obliczeniową, aby uniknąć niepotrzebnych kosztów.