在第一天有講過，如果本地端電腦沒有 GPU 的話，也可以考慮雲端環境。而實務上，因為雲端的高度彈性，往往會選用雲端環境來做開發測試。至於為什麼該使用雲端，這個又是可以寫好幾篇的文章內容，就不在本系列的討論範圍了。

我們這系列會在 Azure Machine Learning 上操作。你可以在 Azure Machine Learning 上完成整個 AI 的專案，從資料的管理與清洗、到訓練模型、部署模型、管理模型、重新訓練與再部署、維運管理、團隊協作等等，整套 MLOps 的流程。是一套非常強大的工具。

需注意 Azure Machine Learning 本身是免費的，但是裡面會用到的 resource 包含storage、compute instance 等等都是收費，價格就要看你開的 resource 本身的收費，每小時 0.0X 美金的都有，價格的部份可以參考這個頁面。當然市面上還有很多雲端運算好用的服務大部份都是收費的，這部分就請讀者自行衡量了。我一直是傾向好用的工具就付點錢沒關係。

在 Azure 裡建立 Azure Machine Learning

1. 我們先在Azure 的 search bar 裡輸入 Azure Machine Learning，進到 Azure Machine Learning 的 resource 頁面，點擊左上角的 Create。如下圖
   

2. 接著如下圖依序輸入你的資訊，包含 Subscription 資訊、 resouce group、workspace name、region 等等。剩下的欄位如 storage 會自動幫你帶出來，如果你有指定的 storage ，可以自行選擇。輸入完畢後可以直接按左下角的 Review+Create，然再點一下 Create 就會開始創建了。
   

3. 等待一下就會創建完成了，進到 Resource 後，我們點擊畫面中間的 Launch Studio，就會進去 Azure Machine Learning 的頁面了。如下圖。
   

4. 進到畫面中，先不要急著點 Notebooks Start now，我們先點左下角的 Compute，建立我們背後的 instance。如下圖。
   

5. 我們可以看到上方很多不同的TAB，我們單純要使用 Notebook 的話選一個就可以了，然後再按 NEW。
   

6. 接著先幫這台VM取個名字，然後選 GPU 的，可以直接選系統推荐的機器，只要0.9鎂/小時。Advanced 的部份就依你的需求勾選，建議 SSH 勾起來會有機會用到。然後就按 Create。 如下圖。
   

7. 建立好了之後可以看到下圖的顯示在 Running 了，這時候可以你就可以點 Jupyter 的選項進去。（如果你想要用 VS CODE 或是其他的也可以）
   

8. 接著只要按照昨天的做法，安裝 Transformer 和跑一段程式碼，就可以看到和昨天一樣的結果了。如下圖。
   

9. 記得當你不用的時候，要關掉這個 instance ，才不會浪費錢錢哦！

Marketplace

Azure 裡面的 Marketplace ，還有一個 Hugging Face 現成的服務，這個是建立一個 endpoint，可以直接呼叫 Hugging Face 的 model，如下圖，大家有空可以來玩玩看。不過我們這系列是在講自然語言處理的開發，就不去著墨現成的模型這塊。

環境都架好了，明天開始要就進入 Hugging Face 本體囉！！