Šioje mokymo programoje yra daug vykdomų pavyzdžių ir laboratorinių darbų, kuriuos norėsite paleisti. Tam reikia galimybės vykdyti Python kodą Jupyter užrašuose, kurie pateikti kaip šios mokymo programos dalis. Turite keletą galimybių, kaip paleisti kodą:
Norint paleisti kodą vietoje savo kompiuteryje, reikia turėti įdiegtą Python. Viena iš rekomendacijų – įdiegti miniconda – tai pakankamai lengvas diegimas, kuris palaiko conda paketų tvarkyklę skirtingoms Python virtualioms aplinkoms.
Įdiegus miniconda, nuklonuokite saugyklą ir sukurkite virtualią aplinką, kuri bus naudojama šiame kurse:
git clone http://github.com/microsoft/ai-for-beginners
cd ai-for-beginners
conda env create --name ai4beg --file .devcontainer/environment.yml
conda activate ai4begŠią mokymo programą geriausia naudoti atidarant ją Visual Studio Code su Python Extension.
Pastaba: Kai tik nuklonuosite ir atidarysite katalogą VS Code, jis automatiškai pasiūlys įdiegti Python papildinius. Taip pat turėsite įdiegti miniconda, kaip aprašyta aukščiau.
Pastaba: Jei VS Code siūlo atidaryti saugyklą konteineryje, turėtumėte atsisakyti šio pasiūlymo, kad naudotumėte vietoje įdiegtą Python.
Taip pat galite naudoti Jupyter aplinką naršyklėje savo kompiuteryje. Tiek klasikinis Jupyter, tiek JupyterHub suteikia patogią vystymo aplinką su automatinio pildymo, kodo paryškinimo ir kitomis funkcijomis.
Norėdami paleisti Jupyter vietoje, eikite į kurso katalogą ir vykdykite:
jupyter notebookarba
jupyterhubTuomet galite naršyti bet kurį iš .ipynb failų, atidaryti juos ir pradėti darbą.
Vienas iš Python diegimo alternatyvų yra paleisti kodą konteineryje. Kadangi mūsų saugykla turi specialų .devcontainer katalogą, kuris nurodo, kaip sukurti konteinerį šiai saugyklai, VS Code siūlo galimybę iš naujo atidaryti kodą konteineryje. Tam reikės įdiegti Docker, ir tai bus sudėtingiau, todėl rekomenduojame šį būdą labiau patyrusiems vartotojams.
Jei nenorite diegti Python vietoje ir turite prieigą prie kokių nors debesies išteklių – geras pasirinkimas būtų vykdyti kodą debesyje. Tai galite padaryti keliais būdais:
- Naudojant GitHub Codespaces, tai yra virtuali aplinka, sukurta jums GitHub platformoje, pasiekiama per VS Code naršyklės sąsają. Jei turite prieigą prie Codespaces, tiesiog spauskite Code mygtuką saugykloje, pradėkite codespace ir pradėkite dirbti labai greitai.
- Naudojant Binder. Binder suteikia nemokamus skaičiavimo išteklius debesyje žmonėms, norintiems išbandyti kodą GitHub platformoje. Pagrindiniame puslapyje yra mygtukas atidaryti saugyklą Binder – tai greitai nukels jus į Binder svetainę, kuri sukuria konteinerį ir sklandžiai paleidžia Jupyter interneto sąsają.
Pastaba: Norint išvengti piktnaudžiavimo, Binder blokuoja prieigą prie kai kurių internetinių šaltinių. Tai gali neleisti veikti kai kuriems kodo fragmentams, kurie naudoja modelius ir (arba) duomenų rinkinius iš interneto. Gali prireikti rasti sprendimų. Taip pat Binder skirti skaičiavimo ištekliai yra gana pagrindiniai, todėl treniruotės bus lėtos, ypač vėlesnėse, sudėtingesnėse pamokose.
Kai kurios vėlesnės šios mokymo programos pamokos labai naudotųsi GPU palaikymu. Modelių mokymas, pavyzdžiui, kitu atveju gali būti labai lėtas. Yra keletas variantų, kuriuos galite pasirinkti, ypač jei turite prieigą prie debesies per Azure for Students arba per savo instituciją:
- Sukurkite Data Science Virtual Machine ir prisijunkite prie jos per Jupyter. Galite tiesiog nuklonuoti saugyklą tiesiai į šį kompiuterį ir pradėti mokytis. NC serijos VM turi GPU palaikymą.
Pastaba: Kai kurios prenumeratos, įskaitant Azure for Students, pagal nutylėjimą neteikia GPU palaikymo. Gali prireikti pateikti užklausą techninės pagalbos skyriui dėl papildomų GPU branduolių.
- Sukurkite Azure Machine Learning Workspace, o tada naudokite ten esančią Notebook funkciją. Šis video parodo, kaip nuklonuoti saugyklą į Azure ML užrašinį ir pradėti jį naudoti.
Taip pat galite naudoti Google Colab, kuris suteikia nemokamą GPU palaikymą, ir įkelti Jupyter užrašus ten, kad paleistumėte juos po vieną.
Atsakomybės apribojimas: Šis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą Co-op Translator. Nors siekiame tikslumo, prašome atkreipti dėmesį, kad automatiniai vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba laikomas autoritetingu šaltiniu. Svarbiai informacijai rekomenduojama naudoti profesionalų žmogiškąjį vertimą. Mes neatsakome už jokius nesusipratimus ar neteisingą interpretaciją, kilusią naudojantis šiuo vertimu.