AzureMachine Learning Studio를 사용한 학습 검토
2750 단어 AzureMachineLearningPython
개시하다
지난 연말부터 올해 봄께까지 진행된 유데미 머신러닝 관련 강좌 학습에서 아주머신 리어닝 스튜디오를 활용했을 때의 회고다.
기능 등급
왜 Azure Machine Learning에서 하고 싶으세요?
사용법
https://ml.azure.com/
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.
그때 힘들었던 일.
→"터미널 열기"에서 터미널 열기, 나쁜 지식 쓰기
Tensorflow가 설치되어 있음
pip install tensorflow==1.14
→ 또는 터미널에서 명령을 실행할 수도 있습니다.Compute의 Start 및 Stop은 항상 오류로 인해 실행되지 않습니다.
→ 다시 로그인하거나 날짜에 따라 실행합니다.
→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.
→ VM의 총 코어 수를 만들 수 있는 최대 오류영역당 20개가 있으므로 사용 빈도가 적은 VM은 삭제됩니다.
그때는 감동적이었어요. 좋았어요.
6만 개의 테스트 데이터로 CNN을 파일럿할 때 CPU라면 120초, GPU면 8초가 소요된다.
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.
Reference
이 문제에 관하여(AzureMachine Learning Studio를 사용한 학습 검토), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/sorayaredai/items/9937750c5a941aa8ba33
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
Reference
이 문제에 관하여(AzureMachine Learning Studio를 사용한 학습 검토), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/sorayaredai/items/9937750c5a941aa8ba33텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)