AzureMachine Learning Studio를 사용한 학습 검토

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.

    좋은 웹페이지 즐겨찾기