iT邦幫忙

#azure相關文章
共有 43 則文章
鐵人賽 AI & Data DAY 30

技術 Azure AutoML02及結語

AutoML得到的結果,說明如下。見圖<AZ-exp4MNIST.png> 當看到 [Status]欄為Completed時,表示可見到結果了。接...

鐵人賽 AI & Data DAY 29

技術 Azure AutoML01

在使用 Azure AutoML之前,我們得先了解資料的區別。在Azure dataset裡面,主要有兩大類,files and tabular。若要使用 Az...

鐵人賽 AI & Data DAY 28

技術 Azure MLS-Notebooks中開發

<<致歉>> 開了兩個免費的Azure帳號,由於沒有緊盯著預算,不小心玩性大發,把兩個帳號的額度全部耗盡,所以想說明的資料都被鎖住了。但...

鐵人賽 AI & Data DAY 27

技術 計算資源及資料的設定03

在上一個章節,我們已經建立了一個Datatstore及Container,也上傳資料到Container中。 建立Container後,這個Container究...

鐵人賽 AI & Data DAY 26

技術 計算資源及資料的設定02

建立了計算資源後,接下來要建立及處理有關資料的部分。 在Microsoft Azure Machine Learning Studio的左邊選單中,Assets...

鐵人賽 AI & Data DAY 25

技術 計算資源及資料的設定01

前面談到,執行[Machine Learning]的工作,除了計算資源外,最重要的便是資料了。我們先介紹如何在Microsoft Azure上,建立Comput...

鐵人賽 AI & Data DAY 24

技術 MS Azure ML02

接著,請回到[Microsoft Azure]的Home,在[Recent resources]處<AZ-RRes.png>,點選type為[Mac...

鐵人賽 AI & Data DAY 23

技術 MS Azure ML01

Microsoft Azure Machine Learning 終於開始囉。 <<前提>> 假設讀者已經有了Azure的帳號。(可申請...

鐵人賽 AI & Data DAY 22

技術 NNI搬到Colab的優劣

如同上一章節所述,整個過程幾乎和在本機安裝、驗證及執行類似。但是,在本機和Colab執行各有其優缺點。本機的優點恰好是Colab的缺點,而Colab的優點恰好是...

鐵人賽 AI & Data DAY 21

技術 NNI如何搬到Colab02

若看到以下畫面,恭喜你,又成功了! /bin/bash: -c: line 0: syntax error near unexpected token `new...

鐵人賽 AI & Data DAY 20

技術 NNI如何搬到Colab01

NNI搬到Colab上,環境類似本機。雖然,NNI很容易搬到Colab平台上,但由於Colab並不公開其 public IP and port。所以我們無法連上...

鐵人賽 AI & Data DAY 19

技術 NNI如何搬到雲端上玩?

截至目前為止,NNI也安裝了,model也會了。可是,就是沒有錢買一張繪圖卡,到cuda device去飆速訓練。 沒關係,雲端上有兩位大神,可以免費讓您遨遊,...

鐵人賽 AI & Data DAY 18

技術 模型的內容08 test()

這個章節,我們將談到 test()的部分。 進入主題之前,我們要注意的是,test_loader是固定的1000筆資料直接使用(沒epoch),所以不downl...

鐵人賽 AI & Data DAY 17

技術 模型的內容07 train()

這章節,我們將說明 train()的細部。 程式部分如下: def train(args, model, device, train_loader, optim...

鐵人賽 AI & Data DAY 16

技術 模型的內容06 def main()

我們開始說明 for loop的部分。 在訓練模型時,我們需要大量的data,這些data來自於train_loader。但是,我們並非一次全部倒入所有資料,進...

鐵人賽 AI & Data DAY 15

技術 模型的內容05 def main()

接著我們說明optimizer設定 。 首先,我們先得知道 training and validation 大概在做些甚麼事情。簡單的說,就是影像讀進來後,經過...

鐵人賽 AI & Data DAY 14

技術 模型的內容04 def main()

上一章節研究完class net(…),這一章節我們繼續研究 def main(args)這部分。 def main(args): # define d...

鐵人賽 AI & Data DAY 13

技術 模型的內容03 Class Net

進入主程式前,我們先看class 大塊 Class Net:神經網路的定義處。 class Net(nn.Module): def __init__(s...

鐵人賽 AI & Data DAY 12

技術 模型的內容02 __main__

請用 VS CODE (或其他習慣的IDE)開啟 nni\examples\trials\mnist-pytorch 的資料夾。 開啟 mnist.py檔案。...

鐵人賽 AI & Data DAY 11

技術 模型的內容01

到此為止,若一切順利,表示NNI安裝正確,功能一切正常。但整個流程究竟在做甚麼事情呢? 首先,我們在 Config_detail.yml 檔案,修改的 sear...

鐵人賽 AI & Data DAY 10

技術 NNI安裝後的驗證04

這回,我們將焦點放在WebUI的trials detail中的Intermediate Result。 請在WebUI上方的trials detail 按下,然...

鐵人賽 AI & Data DAY 9

技術 NNI安裝後的驗證03

這回,我們將焦點放在WebUI的trials detail中的Hyper-parameter。 請在WebUI上方的trials detail 按下,然後點擊...

鐵人賽 AI & Data DAY 24
從 AI 落地談 MLOps 系列 第 24

技術 Day 24 : 負責任的 AI - Responsible AI (RAI)

當您用心呵護的機械學習終於實現,期待能滿足與提升使用者福祉,您應該有足夠的信心與能力對產品負責, AI 產品亦然。 延續系列文對您的機械學習產品生命週期的思考...

鐵人賽 AI & Data DAY 8

技術 NNI安裝後的驗證02

前回提及,在瀏覽器網址,輸入 127.0.0.1:8085,進入WebUI管理介面。此時,您將會看到如下圖的: 請先看左上方,Experiment 區塊。其中...

鐵人賽 AI & Data DAY 23
從 AI 落地談 MLOps 系列 第 23

技術 Day 23 : 模型分析 TensorFlow Model Analysis (TFMA)

模型分析 TFMA 介紹 過往我們關注模型的訓練結果,會追蹤該模型在每次 epochs 之後的 AUC 、 ACC、 loss 等指標變化,並且以視覺化繪圖...

鐵人賽 AI & Data DAY 7

技術 NNI安裝後的驗證01

上回我們安裝完成後,如何確認安裝的正確性呢?當然是下載實驗樣本來炸炸看。 首先,請先建一個子目錄。 其次,複製一份含原始碼的範例(最新版為 v2.4): git...

鐵人賽 AI & Data DAY 6

技術 Day 06-Visual Studio 2019下載教學+初步建立chatbot專案

之前介紹了幾天關於架設Bot的伺服器,那接下來我們用程式寫Bot並放上雲端伺服器呢? 目前我選擇了先以Azure作為之後部署聊天機器人專案的雲端平台 那我們要如...

鐵人賽 AI & Data DAY 6

技術 NNI安裝在本機(Windows版)

說了好幾天的概念,再不動手真的會睡著。讓我們先來本機炸一炸,加深我們的學習動機。 安裝前,先注意兩大重要事項,否則會讓人搞不清發生何事,即使找Microsoft...

鐵人賽 AI & Data DAY 5

技術 NNI執行的流程

一個Experiment的運行邏輯是: • Tuner 接收搜索空間,生成configuration。 • 將這些生成的configuration提交到很多訓練...

鐵人賽 AI & Data DAY 4

技術 Day 04-Azure介紹

在上一篇我們看到,即便我們能不寫程式就設定一些自動回覆,仍然相當麻煩,如果需要的功能更多,更無法應付 因此我們還是需要寫程式,並且上傳到一個雲端伺服器,與Lin...