Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Machine Learning Serviceを使ってみよう


Published on

Cogbot勉強会 #19 (2019年1月22日 ) LT資料
Azure Machine Learning 入門として、特にコンピューティング先について説明

Published in: Software
  • If you’re looking for a great essay service then you should check out ⇒ ⇐. A friend of mine asked them to write a whole dissertation for him and he said it turned out great! Afterwards I also ordered an essay from them and I was very happy with the work I got too.
    Are you sure you want to  Yes  No
    Your message goes here
  • ⇒ ⇐ This service will write as best as they can. So you do not need to waste the time on rewritings.
    Are you sure you want to  Yes  No
    Your message goes here
  • If we are speaking about saving time and money this site ⇒ ⇐ is going to be the best option!! I personally used lots of times and remain highly satisfied.
    Are you sure you want to  Yes  No
    Your message goes here
  • Be the first to like this

Machine Learning Serviceを使ってみよう

  1. 1. Cogbot 勉強会!#19 2019年1月22日 瀬尾佳隆 (@seosoft) Microsoft MVP for AI Machine Learning Service を 使ってみよう
  2. 2. 自己紹介 ◼瀬尾 佳隆 (せお よしたか) • MVP for AI • • 坂道 と仏像 / 屏風絵が好き、京都も好き ◼「AI をビジネスにどう利用するか」 を考えるのが今の仕事 2
  3. 3. 今日の内容 ◼ML サービスで出来ること ◼モデル作成時・訓練時の主な環境 ◼どの環境を使うとよいか ◼ローカル環境の作り方 ◼ML コンピューティング作成の Tips 3
  4. 4. ML サービスで出来ること 4
  5. 5. ML サービスで出来ること 5 データ前処理 モデル作成 訓練 モデル管理 イメージ作成 デプロイ = ML 案件でやるべきこと
  6. 6. ML サービスで出来ること 6 データ前処理 モデル作成 訓練 モデル管理 イメージ作成 デプロイ = ML 案件でやるべきこと
  7. 7. モデル作成・訓練時の主な環境 主なコンピューティング 特徴 モデル作成時 ローカルマシン VS Code が便利 手元の GPU マシンが使える場合はコレ Azure Notebooks Free Compute 無償で環境構築の手間がない (が、遅い・・・) Ubuntu DSVM 高速で環境構築の手間がない 訓練時 ML Compute (旧 Batch AI) “使った分だけ” お支払い Low Priority VM ならば低コスト Ubuntu DSVM 高速で環境構築の手間がない ローカルマシン イニシャルコストだけでよい 7 詳しくは
  8. 8. どの環境を使うとよいか (私見) GPU ありマシンが使える場合 ローカルマシン 深層学習ではない場合 Azure Notebooks “サクッ” と試したい場合 (環境構築が面倒) Azure Notebooks 業務利用などで「万単位」の課金が 許容される場合 Ubuntu DSVM どれにも当てはまらない場合 ローカルマシン (GPU なし) 8 モデル作成時
  9. 9. どの環境を使うとよいか (私見) 業務利用などで訓練を絶対に中断されたく ない場合 ML Compute 高速かつ低コストで訓練したい場合 Low Priority ML Compute 訓練専用の GPU ありマシンがある場合 ローカルマシン 低速でもいいのでできるだけ低コスト ローカルマシン (GPU なし) 9 訓練時
  10. 10. ローカル環境の作り方 1. Anaconda or Miniconda インストール 2. Conda 仮想環境を作成 • conda create -n <環境名> Python=3.6 cython numpy • conda activate <環境名> 3. SDK インストール • pip install --upgrade azureml-sdk[notebooks,automl] azureml- dataprep 4. Python Extension Pack (VS Code 用) インストール • manne.python-extension-pack 10
  11. 11. ローカル環境 (サービスポータル) 11
  12. 12. ローカル環境 (モデル作成時) 12
  13. 13. ML コンピューティング作成の Tips Low Priority NC6 を使用したい場合 13 compute_name = os.environ.get("AML_COMPUTE_CLUSTER_NAME", "gpucluster") compute_min_nodes = os.environ.get("AML_COMPUTE_CLUSTER_MIN_NODES", 0) compute_max_nodes = os.environ.get("AML_COMPUTE_CLUSTER_MAX_NODES", 4) vm_size = os.environ.get("AML_COMPUTE_CLUSTER_SKU", "STANDARD_NC6") if compute_name in ws.compute_targets: compute_target = ws.compute_targets[compute_name] if compute_target and type(compute_target) is AmlCompute: print('found compute target. just use it. ' + compute_name) else: print('creating a new compute target...') provisioning_config = AmlCompute.provisioning_configuration(vm_size = vm_size, min_nodes = compute_min_nodes, max_nodes = compute_max_nodes, vm_priority = 'lowpriority', idle_seconds_before_scaledown = '30') min_nodes は 絶対に 0 GPU ありなら “STANDARD_NC6” コストを抑えるには “lowpriority” アイドルタイムは 30秒でよさそう (個人的な感想)
  14. 14. ML コンピューティング作成の Tips 14
  15. 15. ML コンピューティング作成の Tips 15
  16. 16. まとめ ~ 今日の内容 ◼ML サービスで出来ること ◼モデル作成時・訓練時の主な環境 ◼どの環境を使うとよいか ◼ローカル環境の作り方 ◼ML コンピューティング作成の Tips 16
  17. 17. 参考情報 ◼ML サービス の Get Started • ◼Machine Learning サービスの公式ドキュメント • ◼モデルトレーニング用のコンピューティングターゲットを設定する • up-training-targets ◼Azure Machine Learning のための開発環境を構成する • configure-environment#create-workspace-configuration-file ◼Azure #Notebooks 最新情報 • 17