Downloaded 31 times
![ハイパーパラメーターの管理（１）
17
if len(sys.argv) > 1:
learning_rate = float(sys.argv[1])
else:
learning_rate = 0.2
print("learning_rate is {}".format(learning_rate))
run_logger.log("learning_rate", learning_rate)
if len(sys.argv) > 2:
minibatch_size = int(sys.argv[2])
else:
minibatch_size = 64
print("minibatch_size is {}".format(minibatch_size))
run_logger.log("minibatch_size", minibatch_size)](https://image.slidesharecdn.com/amlworkbench-180123070942/75/Azure-Machine-Leaning-Workbench-17-2048.jpg)
Uploaded byYoshitaka Seo
Azure Machine Leaning Workbench の使い方
第11回 Cogbot勉強会 (2018年1月23日開催) セッション資料 Azure Machine Learning Workbench の機能、使い方を紹介します
More Related Content
![[Japan Tech summit 2017] MAI 003](https://cdn.slidesharecdn.com/ss_thumbnails/techsummit2017pdfmai003-171116035458-thumbnail.jpg?width=640&height=640&fit=bounds)
Azure Machine Leaning Workbench の使い方
- 1. 第11回 Cogbot 勉強会 2018年1月23日 瀬尾佳隆(@seosoft) Microsoft MVP for Windows Dev Azure Machine Learning Workbench の使い方
- 2. 自己紹介 瀬尾佳隆 (せおよしたか) • MVPfor Windows Development • http://yseosoft.wordpress.com/ • 乃木坂46 / 欅坂46 と、仏像 / 屏風絵が好き 2
- 3. 今日の内容 深層学習の開発手順 Workbench Preview の機能 Workbenchの使い方 • 既存モデルの活用 • ログ出力 • ハイパーパラメーターの管理 • ジョブ比較 3
- 4. おことわり 本セッションは “ツールの使い方” を 紹介するものです 深層学習の中身には“入り込みません” 4
- 5. 今日の内容 深層学習の開発手順 Workbench Preview の機能 Workbenchの使い方 • 既存モデルの活用 • ログ出力 • ハイパーパラメーターの管理 • ジョブ比較 5
- 6.
- 7. Workbench Preview の機能 7 データ 前処理 コーディング デバッグ 学習（トレーニング） ジョブ比較 既存モデルの活用、ログ管理、 ハイパーパラメーター管理 学習結果を視覚的に比較 モデル管理デプロイ デプロイ対象のモデルを正しく選択 Excel, Power BI ライクな整形VS Code で 今日は省略
- 8. 寄り道) コーディング、デバッグ 8 Visual StudioCode for AI 拡張機能を インストールしておく
- 9. 学習（トレーニング） ハイパーパラメーターを変えながら トレーニングを繰り返す • これを “ジョブ”と言う Workbench がジョブを自動で管理 • 既存モデルの活用 • ログ出力 • ハイパーパラメーターの管理 9
- 10.
- 11.
- 12.
- 13. ログ出力（１） 13 # ロガーの作成 from azureml.loggingimport get_azureml_logger run_logger = get_azureml_logger() # ロガーへの出力 run_logger.log("Average Test Error", average_error) # printと適宜共存 print("Average test error: {0:.2f}%".format(average_error))
- 14.
- 15.
- 16.
- 17. ハイパーパラメーターの管理（１） 17 if len(sys.argv) >1: learning_rate = float(sys.argv[1]) else: learning_rate = 0.2 print("learning_rate is {}".format(learning_rate)) run_logger.log("learning_rate", learning_rate) if len(sys.argv) > 2: minibatch_size = int(sys.argv[2]) else: minibatch_size = 64 print("minibatch_size is {}".format(minibatch_size)) run_logger.log("minibatch_size", minibatch_size)
- 18.
- 19. 寄り道）readme.md の編集（１） Markdown で編集 19 #cntk_fashion_mnist_args.py の引数の意味とデフォルト値 learning_rate (デフォルト: 0.2) minibatch_size (デフォルト: 64) num_sweeps_to_train_with (デフォルト: 10)
- 20.
- 21.
- 22.
- 23.