Azure - 机器学习：创建机器学习所需资源，配置工作区

本文中你可以创建使用 Azure 机器学习所需的资源，包含工作区和计算实例。

关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云认证的资深架构师，项目管理专业人士，上亿营收AI产品研发负责人。

一、Azure机器学习工作区与计算实例简要介绍

工作区

若要使用 Azure 机器学习，你首先需要一个工作区。 工作区是用于查看和管理所创建的全部项目和资源的中心位置。

计算实例

计算实例是预配置的云计算资源，可用于训练、自动执行、管理和跟踪机器学习模型。 开始使用 Azure 机器学习 SDK 和 CLI 的最快方法便是利用计算示例。 本教程的其余部分将使用它来运行 Jupyter 笔记本和 Python 脚本。

---

二、创建工作区

工作区是机器学习活动的顶级资源，为使用 Azure 机器学习时创建的所有项目提供一个集中的查看和管理位置。

1. 登录到 Azure 机器学习工作室

访问：https://ml.azure.com/

2. 选择“创建工作区”

3. 提供以下信息来配置新工作区：

工作区名称 输入用于标识工作区的唯一名称。 名称在整个资源组中必须唯一。 使用易于记忆且区别于其他人所创建工作区的名称。 工作区名称不区分大小写。

订阅 选择要使用的 Azure 订阅。

资源组 使用订阅中的现有资源组，或者输入一个名称以创建新的资源组。 资源组保存 Azure 解决方案的相关资源。 需要“参与者”或“所有者”角色才能使用现有资源组。 有关访问权限的详细信息，请参阅管理对 Azure 机器学习工作区的访问权限。

区域 选择离你的用户和数据资源最近的 Azure 区域来创建工作区。

4. 选择“创建”以创建工作区

这将创建一个工作区以及所有必需的资源。

---

三、创建计算实例

如果还没有计算实例，现在请创建一个：

1. 在左侧导航中，选择“笔记本”。

2. 在页面中间，选择“创建计算”。
   
   仅当工作区中还没有计算实例时，才会显示此选项。
   
   

3.提供名称。 保留第一页上的所有默认值。

4. 保留页面其余部分的默认值。

5. 选择“创建”。

---

四、工作室实战

4.1 工作室快速导览

工作室是 Azure 机器学习的 Web 门户。 此门户将无代码和代码优先体验结合起来，打造包容的数据科学平台。

查看左侧导航栏上的工作室部分：

工作室的“创作”部分包含多种创建机器学习模型入门的方法。 方法：

1. 通过“笔记本”部分，可以创建 Jupyter 笔记本、复制示例笔记本以及运行笔记本和 Python 脚本。
2. 通过“自动化 ML”步骤，可以创建机器学习模型，而无需编写代码。
3. 通过“设计器”，可以通过拖放方式使用预生成的组件来生成模型。
4. 工作室的“资产”部分可帮助你跟踪在运行作业时创建的资产。 如果你有新的工作区，则这些部分中还没有任何内容。

通过工作室的“管理”部分，可以创建和管理链接到工作区的计算和外部服务。 还可以在该部分创建和管理“数据标签”项目。

4.2 从示例笔记本中学习

使用工作室中提供的示例笔记本可帮助你了解如何训练和部署模型。 许多其他文章和教程中对此都有引用。

1. 在左侧导航中，选择“笔记本”。
2. 在顶部，选择“示例”。

• 将 SDK v2 文件夹中的笔记本用于显示 SDK 当前版本 v2 的示例。
• 这些笔记本为只读，而且定期更新。
• 打开笔记本时，选择顶部的“克隆此笔记本”按钮，将笔记本的副本和所有关联文件都添加到你自己的文件中。 “文件”部分中即会创建一个包含该笔记本的新文件夹。

4.3 创建新的 Notebook

从“示例”克隆笔记本时，文件中会添加一个副本，你可以开始运行或修改该副本。 许多教程都将镜像这些示例笔记本。

但也可以创建新的空笔记本，然后将教程中的代码复制/粘贴到笔记本中。 为此，请执行以下操作：

1. 仍然在“笔记本”部分中，选择“文件”以返回到你的文件，

2. 选择 + 以添加文件。

3. 选择“创建新文件”。

4.4 停止计算实例

如果不打算现在使用它，请停止计算实例：

1. 在工作室的左侧，选择“计算”。
2. 在顶部选项卡中，选择“计算实例”
3. 在列表中选择该计算实例。
4. 在顶部工具栏中，选择“停止”。

4.5 删除所有资源

如果你不打算使用已创建的任何资源，请删除它们，以免产生任何费用：

1. 在 Azure 门户中，选择最左侧的“资源组” 。

2. 从列表中选择你创建的资源组。

3. 选择“删除资源组”。

4. 输入资源组名称。 然后选择“删除”。

4.6 工作区管理

关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云认证的资深架构师，项目管理专业人士，上亿营收AI产品研发负责人。

如有帮助，请多关注

TeahLead KrisChang，10+年的互联网和人工智能从业经验，10年+技术和业务团队管理经验，同济软件工程本科，复旦工程管理硕士，阿里云认证云服务资深架构师，上亿营收AI产品业务负责人。