分类:  Azure机器学习    ◆ 标签:  #Azure   #人工智能   #机器学习   #设计器   ◆ 发布于: 2023-06-12 17:57:56

开始部署之前我们需要了解的是Azure Machine Learning上可以部署的两个选择： 部署到Azure Kubernet Service(AKS) 部署到Azure Container Instance(ACI) 这两个服务都是使用web的形式进行接口的暴露。 实时推理pipeline 我们需要先将之前用于训练的pipeline转为实时推理pipeline, 登录到studio中之后，选择左侧菜单设计器, 找到上一章创建的pipeline, 进入之后，因为完成了训练，可以看到右上角有一个菜单,如下图:

分类:  Azure机器学习    ◆ 标签:  #Azure   #人工智能   #机器学习   #设计器   #JupyterBook   ◆ 发布于: 2023-06-12 17:25:33

我们在前一天学习了使用Azure Machine Learning Studio的Auto ML任务创建Azure Auto ML模型训练，在这个过程中，我们无需任何代码经验，只需要简单的界面点击就可以训练出需要的模型，虽然Azure AutoML非常容易使用，但是我们也需要注意到Azure Auto ML的限制，也就是Azure Auto ML仅仅使用三种模型的训练：分类模型, 回归模型, 基于时序预测模型, 如果你的应用场景超出了这三种模型仅仅依靠Auto ML是无法满足实际的需求的, 除了直接使用Azure Auto ML任务你还可以使用Azure Machine Learning Studio推出的设计器来创建自己的AML pipeline来完成机器学习的其他模型的训练，同样使用这个

分类:  Azure机器学习    ◆ 标签:  #Azure   #人工智能   #机器学习   #AutoML   #Azure Machine Learning Studio   #设计器   ◆ 发布于: 2023-06-11 22:15:20

真正的大杀器来了！ - Azure Machine Learning Studio!! 我们前面学习过了通过Python AutoML SDK配合Jupyter的来训练回归模型，如果大家没有什么印象，可以通过文章结尾的文章列表重温一下： 在这些实例中我们使用了Python代码进行数据预处理，然后使用SDK进行AutoML的模型训练，我们写了很多代码，今天我们来给大家演示如果通过Azure提供的工具无需写任何一行代码仅仅只需要几个小小的配置就能完整一个分类AutoML模型的训练。 那么我们就开始吧。