Lab 5B: Środowiska obliczeniowe (gdzie wykonuje się kod)

Eksperymenty możesz uruchamiać na lokalnych zasobach obliczeniowych, ale gdy potrzebujesz większej skali, zwykle lepiej sięgnąć po zasoby obliczeniowe w chmurze.

Zanim zaczniesz

Zanim zaczniesz to ćwiczenie, upewnij się, że masz ukończone Lab 1A i Lab 1B - powstaje w nich obszar roboczy Azure Machine Learning oraz inne zasoby wykorzystywane w tym ćwiczeniu.

Krok 1: Praca ze środowiskami obliczeniowymi

W tym kroku uruchomisz zadanie trenujące (training job) w środowisku obliczeniowym w chmurze, korzystając z Azure Machine Learning SDK v2.

W Azure Machine Learning studio przejdź do strony Compute swojego obszaru roboczego, a na karcie Compute instances upewnij się, że Twoja instancja obliczeniowa jest uruchomiona. Jeśli nie, uruchom ją.
Gdy instancja obliczeniowa jest uruchomiona, kliknij link JupyterLab, aby otworzyć interfejs JupyterLab w nowej karcie przeglądarki.
W JupyterLab otwórz folder MachineLearningCourse/materialy/azure-ml/pl (repozytorium sklonowane w Lab 1B - jeśli go jeszcze nie ma, sklonuj je teraz), a w nim notatnik 05B - Working with Compute Targets.ipynb. Upewnij się, że notatnik korzysta z kernela Python 3.10 - SDK v2, a potem czytaj komentarze, 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 instancję obliczeniową przyciskiem Stop, aby uniknąć niepotrzebnych kosztów.