教學課程：將您的第一個機器學習模型 (SDK v1，3 部分之中的第 2 部分) 定型

發行項
09/04/2024

適用於： Python SDK azureml v1 (部分機器翻譯)

本教學課程說明如何在 Azure Machine Learning 中訓練機器學習模型。本教學課程是兩部分教學課程系列的第 2 部分。

在系列的第 1 個部分：執行 "Hello world!" 時，您已了解如何使用控制指令碼在雲端中執行作業。

在本教學課程中，您會透過提交可訓練機器學習模型的指令碼來進行下一步。此範例將協助您了解 Azure Machine Learning 如何在本機偵錯和遠端回合之間，輕鬆地達成一致的行為。

在本教學課程中，您已：

建立定型指令碼。
使用 Conda 來定義 Azure Machine Learning 環境。
建立控制指令碼。
了解 Azure Machine Learning 類別 (Environment、Run、Metrics)。
提交並執行您的訓練指令碼。
在雲端中檢視程式碼輸出。
將計量記錄到 Azure Machine Learning。
在雲端中檢視您的計量。

必要條件

完成系列的第 1 個部分。

建立訓練指令碼

首先，您會在 model.py 檔案中定義神經網路架構。您的所有訓練程式碼都會進入 src 子目錄，包括 model.py。

定型程式碼取自 PyTorch 的此簡介範例。 Azure Machine Learning 的概念適用於任何機器學習服務程式碼，而不只是 PyTorch。

在 src 子資料夾中建立 model.py 檔案。將此程式碼複製到檔案：

import torch.nn as nn
import torch.nn.functional as F


class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = x.view(-1, 16 * 5 * 5)
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = self.fc3(x)
        return x

在工具列上，選取 [儲存] 以儲存檔案。如果想要，請關閉索引標籤。

接下來，也在 src 子資料夾中定義定型指令碼。此指令碼會使用 PyTorch torchvision.dataset API 來下載 CIFAR10 資料集、設定 model.py 中定義的網路，以及使用標準 SGD 和交叉熵損失，針對兩個 epoch 來進行定型。

在 src 子資料夾中建立 train.py 指令碼：

import torch
import torch.optim as optim
import torchvision
import torchvision.transforms as transforms

from model import Net

# download CIFAR 10 data
trainset = torchvision.datasets.CIFAR10(
    root="../data",
    train=True,
    download=True,
    transform=torchvision.transforms.ToTensor(),
)
trainloader = torch.utils.data.DataLoader(
    trainset, batch_size=4, shuffle=True, num_workers=2
)


if __name__ == "__main__":

    # define convolutional network
    net = Net()

    # set up pytorch loss /  optimizer
    criterion = torch.nn.CrossEntropyLoss()
    optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)

    # train the network
    for epoch in range(2):

        running_loss = 0.0
        for i, data in enumerate(trainloader, 0):
            # unpack the data
            inputs, labels = data

            # zero the parameter gradients
            optimizer.zero_grad()

            # forward + backward + optimize
            outputs = net(inputs)
            loss = criterion(outputs, labels)
            loss.backward()
            optimizer.step()

            # print statistics
            running_loss += loss.item()
            if i % 2000 == 1999:
                loss = running_loss / 2000
                print(f"epoch={epoch + 1}, batch={i + 1:5}: loss {loss:.2f}")
                running_loss = 0.0

    print("Finished Training")

您現在有下列資料夾結構：

在本機進行測試

選取 [儲存並在終端機中執行指令碼]，直接在計算執行個體上執行 train.py 指令碼。

指令碼完成後，請選取檔案資料夾上方的 [重新整理]。您會看到名為 get-started/data 的新資料夾。展開此資料夾，以檢視下載的資料。

此資料夾的螢幕擷取畫面顯示在本機執行檔案建立的新資料夾。

建立 Python 環境

Azure Machine Learning 提供環境概念來代表可重現且已建立版本的 Python 環境，用於執行實驗。從本機 Conda 或 pip 環境中建立環境很容易。

首先，您將建立具有套件相依性的檔案。

在 get-started 資料夾中建立名為 pytorch-env.yml 的新檔案：

name: pytorch-env
channels:
    - defaults
    - pytorch
dependencies:
    - python=3.7
    - pytorch
    - torchvision

在工具列上，選取 [儲存] 以儲存檔案。如果想要，請關閉索引標籤。

建立控制項指令碼

下列控制指令碼與您用來提交 "Hello world!" 的控制之間的差異在於，您可以新增幾行額外的程式碼來設定環境。

在 get-started 資料夾中建立名為 run-pytorch.py 的新 Python 檔案：

# run-pytorch.py
from azureml.core import Workspace
from azureml.core import Experiment
from azureml.core import Environment
from azureml.core import ScriptRunConfig

if __name__ == "__main__":
    ws = Workspace.from_config()
    experiment = Experiment(workspace=ws, name='day1-experiment-train')
    config = ScriptRunConfig(source_directory='./src',
                             script='train.py',
                             compute_target='cpu-cluster')

    # set up pytorch environment
    env = Environment.from_conda_specification(
        name='pytorch-env',
        file_path='pytorch-env.yml'
    )
    config.run_config.environment = env

    run = experiment.submit(config)

    aml_url = run.get_portal_url()
    print(aml_url)

提示

如果您在建立計算叢集時使用不同的名稱，請務必同時調整程式碼 compute_target='cpu-cluster' 中的名稱。

了解程式碼變更

env = ...

參考您在上面建立的相依性檔案。

config.run_config.environment = env

將環境新增至 ScriptRunConfig。

提交回合至 Azure Machine Learning

選取 [儲存並在終端機中執行指令碼] 以執行 run-pytorch.py 指令碼。
您會在開啟的終端機視窗中看到連結。選取連結以檢視作業。

注意

您可能會看到開頭為 Failure while loading azureml_run_type_providers... 的警告。您可以忽略這些警告。使用這些警告底部的連結來檢視您的輸出。

檢視輸出

在開啟的頁面上，您會看到作業狀態。第一次執行此指令碼時，Azure Machine Learning 會從您的 PyTorch 環境中建立新的 Docker 映像。整個作業可能需要約 10 分鐘才能完成。此映像將在未來作業中重複使用，因此執行速度會變得更快。
您可以在 Azure Machine Learning 工作室中檢視 Docker 組建記錄檔。若要檢視組建記錄：
1. 選取 [輸出 + 記錄] 索引標籤。
2. 選取 [azureml-logs] 資料夾。
3. 選取 20_image_build_log.txt。
當作業狀態為 [已完成] 時，請選取 [輸出 + 記錄]。
選取 user_logs 然後 std_log.txt 以檢視作業的輸出。

Downloading https://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz to ../data/cifar-10-python.tar.gz
Extracting ../data/cifar-10-python.tar.gz to ../data
epoch=1, batch= 2000: loss 2.19
epoch=1, batch= 4000: loss 1.82
epoch=1, batch= 6000: loss 1.66
...
epoch=2, batch= 8000: loss 1.51
epoch=2, batch=10000: loss 1.49
epoch=2, batch=12000: loss 1.46
Finished Training

如果您看到錯誤 Your total snapshot size exceeds the limit，表示 data 目錄位於 ScriptRunConfig 所使用的 source_directory 值中。

選取資料夾結尾的 ...，然後選取 [移動] 以將 data 移至 get-started 資料夾。

記錄訓練計量

現在，您已在 Azure Machine Learning 中進行模型訓練，接著您可以開始追蹤一些效能計量。

目前的訓練指令碼會將計量列印到終端機。 Azure Machine Learning 提供一種機制來記錄具有更多功能的計量。加入幾行程式碼，您就能將 Studio 中的計量視覺化，並將多項作業間的計量進行比較。

修改 train.py 以包含記錄

修改您的 train.py 指令碼，使其再多包含兩行程式碼：

import torch
import torch.optim as optim
import torchvision
import torchvision.transforms as transforms
from model import Net
from azureml.core import Run


# ADDITIONAL CODE: get run from the current context
run = Run.get_context()

# download CIFAR 10 data
trainset = torchvision.datasets.CIFAR10(
    root='./data',
    train=True,
    download=True,
    transform=torchvision.transforms.ToTensor()
)
trainloader = torch.utils.data.DataLoader(
    trainset,
    batch_size=4,
    shuffle=True,
    num_workers=2
)


if __name__ == "__main__":
    # define convolutional network
    net = Net()
    # set up pytorch loss /  optimizer
    criterion = torch.nn.CrossEntropyLoss()
    optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9)
    # train the network
    for epoch in range(2):
        running_loss = 0.0
        for i, data in enumerate(trainloader, 0):
            # unpack the data
            inputs, labels = data
            # zero the parameter gradients
            optimizer.zero_grad()
            # forward + backward + optimize
            outputs = net(inputs)
            loss = criterion(outputs, labels)
            loss.backward()
            optimizer.step()
            # print statistics
            running_loss += loss.item()
            if i % 2000 == 1999:
                loss = running_loss / 2000
                # ADDITIONAL CODE: log loss metric to AML
                run.log('loss', loss)
                print(f'epoch={epoch + 1}, batch={i + 1:5}: loss {loss:.2f}')
                running_loss = 0.0
    print('Finished Training')

儲存此檔案，然後視需要關閉該索引標籤。

了解額外的兩行程式碼

在 train.py 中，您可以使用 Run.get_context() 方法，在定型指令碼本身內存取執行物件，並用其來記錄計量：

# ADDITIONAL CODE: get run from the current context
run = Run.get_context()

...
# ADDITIONAL CODE: log loss metric to AML
run.log('loss', loss)

Azure Machine Learning 中的計量有以下特點：

透過實驗和回合進行整理，讓您可以輕鬆地追蹤和比較計量。
搭配 UI，讓您可以在 Studio 中將訓練效能視覺化。
專為擴充而設計，因此您可以在執行數百個實驗後，依然保有這些優點。

更新 Conda 環境檔案

train.py 指令碼只會在 azureml.core 上採用新的相依性。更新 pytorch-env.yml 以反映這種變更：

name: pytorch-env
channels:
    - defaults
    - pytorch
dependencies:
    - python=3.7
    - pytorch
    - torchvision
    - pip
    - pip:
        - azureml-sdk

提交執行之前，請務必儲存此檔案。

提交回合至 Azure Machine Learning

選取 run-pytorch.py 指令碼的索引標籤，然後選取 [儲存並在終端機中執行指令碼]，以重新執行 run-pytorch.py 指令碼。請確定您已先將變更儲存至 pytorch-env.yml。

這次當您造訪 Studio 時，請移至 [計量] 索引標籤，您現在可以在此查看模型訓練損失的即時更新！可能需要 1 到 2 分鐘的時間，定型才會開始。

[計量] 索引標籤上的訓練損失圖形。

清除資源

如果您打算繼續進行另一個教學課程，或開始自己的訓練作業，請跳至相關資源。

停止計算執行個體

如果現在不打算使用，請停止計算執行個體：

在工作室的左側，選取 [計算]。
在頂端索引標籤中，選取 [計算執行個體]
選取清單中的計算執行個體。
在頂端工具列中，選取 [停止]。

刪除所有資源

重要

您所建立的資源可用來作為其他 Azure Machine Learning 教學課程和操作說明文章的先決條件。

如果不打算使用您建立的任何資源，請刪除以免產生任何費用：

在 Azure 入口網站的搜尋方塊中，輸入 [資源群組]，然後從結果中選取它。
從清單中，選取您所建立的資源群組。
在 [概觀] 頁面上，選取 [刪除資源群組]。
輸入資源群組名稱。接著選取刪除。

您也可以保留資源群組，但刪除單一工作區。顯示工作區屬性，然後選取 [刪除]。

在此課程中，您已從基本的 "Hello world!" 指令碼升級為需要特定 Python 環境才能執行的更實際定型指令碼。您已了解如何使用策展 Azure Machine Learning 環境。最後，您已了解如何透過幾行程式碼，將計量記錄到 Azure Machine Learning。

還有其他方法可以建立 Azure Machine Learning 環境，包括從 pip requirements.txt，或從現有的本機 Conda 環境。

共用方式為

教學課程：將您的第一個機器學習模型 (SDK v1，3 部分之中的第 2 部分) 定型

必要條件

建立訓練指令碼

在本機進行測試

建立 Python 環境

建立控制項指令碼

了解程式碼變更

提交回合至 Azure Machine Learning

檢視輸出

記錄訓練計量

修改 train.py 以包含記錄

了解額外的兩行程式碼

更新 Conda 環境檔案

提交回合至 Azure Machine Learning

清除資源

停止計算執行個體

刪除所有資源

意見反應

其他資源