개시하다

지난 연말부터 올해 봄께까지 진행된 유데미 머신러닝 관련 강좌 학습에서 아주머신 리어닝 스튜디오를 활용했을 때의 회고다.

기능 등급

파이썬 초보자 Udemy에서'jupter notebook'의 정도를 처음 알았다

Linux 초보자의 명령 수준을 조금 알 수 있음

왜 Azure Machine Learning에서 하고 싶으세요?

자신의 PC는 너무 약해서 GPU도 사용할 수 없다.

2019년 12월 아이그니트에는 아주머신 레어닝 이야기가 나와 흥미를 끌었다.

Azure는 사용 가능한 환경을 제공합니다.

다른 서비스는 몰라요.

사용법

이하 로그인.
https://ml.azure.com/

먼저 컴퓨팅에서 실행되는 VM을 만듭니다.
생성된 시스템이 자동으로 시작됩니다.
절약을 위해 사용하지 않을 경우 VM을 중지하십시오.
GPU를 이용하고 싶을 때 이곳에서 컴퓨터 자원을 변경합니다.
당시에는 일반적인 AZURE 가상 머신을 만드는 화면에서 CPU/GPU 등을 선택해야 했지만 지금은 다음 화면을 선택하기가 더 쉽다.

Notebooks에서 새로 만들고 만든 계산 자원 중에서 선택하여 사용합니다.

그때 힘들었던 일.

학습 내용의 Tensorflow의 버전은 1.14이고 Azure의 환경은 2.0이다.
→"터미널 열기"에서 터미널 열기, 나쁜 지식 쓰기
Tensorflow가 설치되어 있음pip install tensorflow==1.14→ 또는 터미널에서 명령을 실행할 수도 있습니다.

서비스 자체의 조작이 불안정하다.
Compute의 Start 및 Stop은 항상 오류로 인해 실행되지 않습니다.
→ 다시 로그인하거나 날짜에 따라 실행합니다.

노트북에서 Jupter로 편집하려면 504Geteway Time-out을 사용할 수 없습니다.
→AzuleML에서 로그아웃하고 여러 계정의 로그인을 취소합니다.브라우저도 다시 시작합니다.
그리고 제작된 가상 기기를 다시 시작하면 재부팅 중인 상태가 되기 때문에 가상 기기도 다시 제작할 수 있다.

제작 가능한 VM의 크기는 Azure 측면의 설정으로 변경되어 제작하려는 크기가 없습니다.→ 어쩔 수 없이 다른 사이즈로 바꿀 수 있어요.

다양한 조건의 VM을 제작하면 VM을 만들 수 없습니다.
→ VM의 총 코어 수를 만들 수 있는 최대 오류영역당 20개가 있으므로 사용 빈도가 적은 VM은 삭제됩니다.

그때는 감동적이었어요. 좋았어요.

GPU가 사용하는 GPU의 위력을 실감한다.
6만 개의 테스트 데이터로 CNN을 파일럿할 때 CPU라면 120초, GPU면 8초가 소요된다.

클라우드 환경이기 때문에 당연한 것이지만 장소나 사용하는 PC에 신경 쓰지 않아도 실행할 수 있다.회사의 컴퓨터든 집안의 컴퓨터든 인터넷에 접속할 수 있는 ml.azure만 있으면 사용할 수 있다.당시는 매우 드문 환경이었다.

학습, 제작된 각종 파이톤의 프로그램도 Azure Machine Learning에 저장할 수 있어 매우 편리하다.

끝말

봄 이후 기계학습에 대해 coursera의 "Machine learning"강좌를 들어봤지만 아저스 머신 레닝에 대해서는 봄 이후 이용하지 못했다.또한AzuremL의 이용도
전진할 수 있었으면 좋겠어요.앞으로는 비즈니스 DB의 데이터를 활용한 ML을 구현하고자 한다.
(화제를 완전히 바꾸면 상술한 couesera의 강좌는 매우 의미가 있다.)
※ 기재 내용에 오류가 있거나 부적절한 문구가 있으면 지적해 주십시오.
감사합니다.