Skip to content
This repository has been archived by the owner on Oct 10, 2020. It is now read-only.

Latest commit

 

History

History
240 lines (168 loc) · 9.24 KB

Setup.md

File metadata and controls

240 lines (168 loc) · 9.24 KB
Raw

Setup

ハンズオンに必要な環境のセットアップ方法を記載します。

Table of Content

Power BI Deskop

Power BI Desktop は無料で利用できる可視化ツールです。

下記リンクより、Microsoft ストアから Windows アプリとしてインストールでできます。
http://aka.ms/pbidesktopstore

※ Widnowsストア経由でインストールされた Power BI Desktop は、自動更新機能によって常に最新バージョンをご利用になれます。


Azure Machine Learning service

Azure Machine Learning service は機械学習のモデル学習、デプロイ、運用管理をサポートするクラウドベースの機械学習の統合プラットフォームです。

1. ワークスペース

  • Azure Portal へアクセスします。
  • 画面左上のリソースの作成 を選択します。

  • 検索バーにて、machine learning service workspace と入力します。

  • Machine Learning service workspace を選択し、作成 をクリックします。

  • 各種情報を入力します。

Item Value
ワークスペース名 任意の3~33文字のアルファベット・数値とハイフンで Okay
サブスクリプション 利用するAzure Subscriptionを選択
リソースグループ Azure ML 用に新規に作成することをオススメ
場所 任意のRegion
  • 確認および作成 をクリックし、レビュー画面にて 作成 を選択します。
  • 無事デプロイが完了したら、リソースに移動 します。

  • Azure Machine Learning service ワークスペースの画面が表示されたら完了です。

  • また、プレビュー中（2019年10月6日時点）のワークスペース画面にも、下記リンクからアクセスできることを確認してください。

    New Workspace Experience
    https://ml.azure.com/workspaceportal


2. Compute Target

機械学習のトレーニングを回すための計算環境 (Machine Learning Compute) を設定します。 Workspace の画面の左パネルの Compute から、計算環境を作成していきます。

Add して、新規で計算環境を構築します。


cpucluster という名称で、Compute Type は Machine Learning Compute を選択します。Machine Learning は機械学習用に Pre-Built された PaaS で提供される計算環境です。

※ VMも選択可能だが、スケールしないため通常は Machine Learning Compute を利用


VMの種類やノードの設定を行います。下記画面を参考に選択してください。設定が完了したら、Create を押して環境作成を開始します。


Item Value
Virtual machine size 4コア以上のマシンを推奨
Virtual machine priority Dedicated
Manimum number of nodes 0 (Jobが無い時の稼働ノード数)
Maximum number of nodes 2 (最大稼働ノード数)
Idle seconds before scale down 300 (処理完了からスケールダウンを始めるまでの時間)

※ Azure Subscription に紐づく Quota の範囲でご利用ください。


計算環境の作成が無事終わったことを確認します。



3. Python SDK 環境

Python 環境としては、Notebook VM の利用を推奨しています。ただローカルPCの Python 環境からも Azure Machine Learning service にアクセスすることができます。A, B のいずれかの手順を実行してください。

A. Notebook VM

Notebook VM は、 Azure Machine Learning service が提供するマネージドな Jupyter Notebook / Jupyter Lab 環境です。

自分の Notebook VM を作成する際は、左パネルの Notebook VM にアクセスし、Newをクリックします。

任意の名称とVMのスペックを選択して、作成を開始します。

Item Value
Notebook VM Name Regionで一意となる名称が必要
VM Type 任意のスペックから選択可能 (CPU,GPU)(4コア以上推奨)

5分程待ちます。Status が Running になっていることを確認し、Jupyter をクリックして、Jupyter Notebook にアクセスできることが確認できれば完了です。



B. ローカル PC の Python 環境

  1. Miniconda もしくは Anaconda をインストールします。

  2. Anaconda Prompt を開いて、myenv という名前の仮想環境を作成します。

# New Conda
conda create -n myenv Python=3.6
# Activate 
conda activate myenv
  1. Azure Machine Learning service Python SDK をインストールします。
# Package Install
pip install --upgrade azureml-sdk[notebooks,automl,explain,contrib] azureml-dataprep
  1. Jupyter Notebook をインストールし、カーネルを有効化します。
# Install Jupyer Notebook
conda install notebook ipykernel
# Jupyter Kernel Attach
python -m ipykernel install --user --name myenv --display-name myenv
# Start Jupyter Notebook
jupyter notebook

次の Python プログラムで正常に Azure Machine Learning service Python SDK がインポートできたか確認できれば完了です。

import azureml.core
azureml.core.VERSION

4. コードのインポート

ハンズオンで利用するコードをインポートします。利用する Python 環境に応じて、A, B のいずれかの手順を実行してください。

A. Notebook VM

Notebook VM には Git がインストール済みのため、その Git コマンドからインポートします。

Jupyter Notebook の Terminal を開きます。自分の個人フォルダーに移動し、本リポジトリをクローンします。

dir
cd <個人フォルダ>
git clone https://github.com/konabuta/DataExplore-Workshop

B. ローカル PC の Python 環境

下記のいずれかの手順でローカルPCにコードをインポートします。

A. Git or GitHub Desktop がインストールされている場合は、Gitコマンドで本リポジトリをクローン

# git コマンドの例
git clone https://github.com/konabuta/DataExplore-Workshop

B. 本リポジトリの Zip ファイル をダウンロードし、ローカルPCの作業フォルダで解凍する　


Option

Microsoft Interpret ML

注意：ローカルPCの利用を推奨します。クラウド環境でも正常に動くように現在改善中です。

Microsoft Interpret ML のライブラリを利用する際には、Azure Machine Learning service とはパッケージの競合を防ぐため、Azure ML service Python SDK とは別の仮想環境を利用することを推奨します。

  1. Jupyter Notebook Terminal or Anaconda Prompt を開いて、interpretという名前の仮想環境を作成します。
# New Conda
conda create -n interpret Python=3.6
# Activate 
conda activate interpret
  1. Microsoft Interpret ML をインストールします。
# Package Install
pip install interpret
  1. Jupyter Notebook をインストールし、カーネルを有効化します。
# Install Jupyer Notebook
conda install notebook ipykernel
# Jupyter Kernel Attach
python -m ipykernel install --user --name interpret --display-name interpret
# Jupyter が既に起動している　or Notebook VM の場合は不要
# Start Jupyter Notebook
jupyter notebook