iT邦幫忙

2021 iThome 鐵人賽

DAY 12
0
AI & Data

一起學習 Azure Machine Learning 系列 第 12

[DAY12] 在 Azure Machine Learning 裡 Label data(上)

DAY12 在 Azure Machine Learning 裡 Label data(上)

Azure Machine Learning 提供了 label data 的功能,可以讓你很輕鬆的標記你的 data,以進行監督式學習。

這一次我們來做一個分別皮卡丘和謎擬Q的小題目吧!我們知道在寶可夢的世界裡,這兩隻寶可夢是長得很像的,把他們分類出來或許是個有趣的題目哦!

先來準備好皮卡丘和謎擬Q的圖片

  1. 先找大量的皮卡丘和謎擬Q的圖片。記得這些圖片都是別人的版權,我們只是純學術研究用哦!
    Label Data in Azure Machine Learning

  2. 我們進到 DAY03 開的 Storage Account 裡,我們再開一個 Container,專門放這些圖片。點擊畫面中左上角的 +Container。
    Label Data in Azure Machine Learning

  3. 右邊會跳出個選單,名稱我們就取 pokemon,按 Create。
    Label Data in Azure Machine Learning

  4. 建立後進到 pokemon 這個 container 裡,點擊左上角的 Upload。
    Label Data in Azure Machine Learning

  5. 這時候右邊會跳出上傳的選單,我們選擇收集的皮卡丘和謎擬Q的圖片做上傳。
    Label Data in Azure Machine Learning

建立影像資料的 Datastore

  1. 上傳完成後,我們回到 AML 的介面,選左邊選單的 Datastores,然後點左上角的 New datastore。
    Label Data in Azure Machine Learning

  2. 這時候畫面右邊會跳出一個視窗,欄位說明如下:

  • Datastore name:就是這個 Datastore 的名稱,我們這裡輸入 pokemon。
  • Datastore type:我們這邊選擇 Azure blob storage。
  • Account selection method:這邊選 From Azure Subscription,不要選手動輸入的,打字很累。
  • Subscription ID:就選貴公司的 Azure 訂閱,或是自己的 Free trial。
  • Storage account:選我們昨天建好的那個 account。
  • Blob Container:選我們昨天建好的那個 container。
  • Save credential:這裡可以勾 YES 給他存起來比較方便。
  • Authentication type:選 Account Key,如果有期限需求的話可以用 SAS。
  • Account Key:這裡要去 Azure Storage account 裡面找,後面有圖片說明。
  • Use workspace managed identity:這裡也可以勾 YES,不過還是看你的權限控管。
    Label Data in Azure Machine Learning
  1. 要取得步驟7中需要的 account key,我們要先回到昨天建立的 storage account。在左邊的 blade 選單中找到 Access keys,然後點選上方的 Show Keys,就可以複製 Key 到建立 Datastore 的視窗中。
    Build Dataset in Azure Machine Learning

  2. 接著我們就可以看到 pokemon 這個 Datastore 出現在畫面中了。
    Label Data in Azure Machine Learning

今天我們建立的 Datastore,和鐵達尼號時候的 Datastore 很不一樣。鐵達尼號時,我們是上傳一個 CSV 檔,是表格性質的檔案。而今天我們上傳的是大量圖檔,很多個檔案。

明天我們就來用今天建好的影像 Datastore,來做 data labeling 吧!
(天啊才寫一點點,就居然就破兩千字了...)


上一篇
[DAY11] 部署 Automated ML
下一篇
[DAY13] 在 Azure Machine Learning 裡 Label data(中)
系列文
一起學習 Azure Machine Learning 30

尚未有邦友留言

立即登入留言