Azure 机器学习 - 使用 Visual Studio Code训练图像分类 TensorFlow 模型

了解如何使用 TensorFlow 和 Azure 机器学习 Visual Studio Code 扩展训练图像分类模型来识别手写数字。

关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云认证的资深架构师，项目管理专业人士，上亿营收AI产品研发负责人。

file

一、环境准备

Azure 订阅。如果没有订阅，注册之后即可试用 Azure 机器学习免费版或付费版。如果使用的是免费订阅，则仅支持 CPU 群集。
安装 Visual Studio Code，一种轻量型跨平台代码编辑器。
Azure 机器学习工作室 Visual Studio Code 扩展。有关安装说明，请参阅 Azure 机器学习 Visual Studio Code 扩展指南
CLI (v2)。有关安装说明，请参阅安装、设置和使用 CLI (v2)

克隆社区主导的存储库

    git clone https://github.com/Azure/azureml-examples.git

二、了解代码

本教程的代码使用 TensorFlow 来训练可以对手写数字 0-9 进行分类的图像分类机器学习模型。它通过创建一个神经网络来实现此目的。该神经网络将“28 像素 x 28 像素”图像的像素值作为输入，输出一个包含 10 个概率的列表，一个概率对应于要分类的一个数字。下面是数据的外观示例。

file

三、创建工作区

若要在 Azure 机器学习中生成应用程序，第一件必须做的事是创建工作区。工作区包含用于训练模型的资源以及已训练的模型本身。有关详细信息，请参阅什么是工作区。

在 Visual Studio Code 中，从社区主导的存储库打开 azureml-examples/cli/jobs/single-step/tensorflow/mnist 目录。
在 Visual Studio Code 活动栏上选择 Azure 图标，打开“Azure 机器学习”视图。
在“Azure 机器学习”视图中，右键单击你的订阅节点，然后选择“创建工作区”。
此时会显示规范文件。用以下选项配置规范文件。

    $schema: https://azuremlschemas.azureedge.net/latest/workspace.schema.json
    name: TeamWorkspace
    location: WestUS2
    display_name: team-ml-workspace
    description: A workspace for training machine learning models
    tags:
      purpose: training
      team: ml-team

规格文件将在 WestUS2 区域中创建名为 TeamWorkspace 的工作区。规格文件中定义的其余选项为工作区提供友好的命名、说明和标记。

右键单击规范文件，然后选择“AzureML: 执行 YAML”。创建资源时将使用 YAML 规范文件中定义的配置选项，并使用 CLI (v2) 提交一个作业。此时，系统会向 Azure 发出请求，以便在你的帐户中创建新的工作区和相关资源。几分钟后，新工作区会显示在订阅节点中。
将 TeamWorkspace 设置为默认工作区。这样会默认将你创建的资源和作业放入该工作区。在 Visual Studio Code 状态栏上选择“设置 Azure 机器学习工作区”按钮，然后按照提示将 TeamWorkspace 设置为默认工作区。

有关工作区的详细信息，请参阅如何在 VS Code 中管理资源。

四、创建用于训练的 GPU 群集

计算目标是在其中运行训练作业的计算资源或环境。有关详细信息，请参阅 Azure 机器学习计算目标文档。

在“Azure 机器学习”视图中，展开你的工作区节点。
右键单击工作区的“计算”节点内的“计算群集”节点，然后选择“创建计算”

file

此时会显示规范文件。用以下选项配置规范文件。

   $schema: https://azuremlschemas.azureedge.net/latest/compute.schema.json
   name: gpu-cluster
   type: amlcompute
   size: Standard_NC12
   
   min_instances: 0
   max_instances: 3
   idle_time_before_scale_down: 120

规格文件将创建名为 `gpu-cluster` 的 GPU 群集，其中最多包含 3 个 Standard\_NC12 VM 节点，在处于非活动状态 120 秒后，该群集将自动纵向缩减为 0 个节点。

有关 VM 大小的详细信息，请参阅 [Azure 中的 Linux 虚拟机大小](https://learn.microsoft.com/zh-cn/azure/virtual-machines/sizes?view=azureml-api-2)。

右键单击规范文件，然后选择“AzureML: 执行 YAML”。

几分钟后，新计算目标会出现在工作区的“计算”>“计算群集”节点中。

五、定型模型

在训练过程中训练 TensorFlow 模型的方式是这样的：针对要分类的每个相应的数字，处理在该模型中嵌入的训练数据和学习模式。

与工作区和计算目标一样，训练作业是使用资源模板定义的。对于本示例，规格文件在 job.yml 文件中定义，如下所示：

$schema: https://azuremlschemas.azureedge.net/latest/commandJob.schema.json
code: src
command: >
python train.py
environment: azureml:AzureML-tensorflow-2.4-ubuntu18.04-py37-cuda11-gpu:48
compute: azureml:gpu-cluster
experiment_name: tensorflow-mnist-example
description: Train a basic neural network with TensorFlow on the MNIST dataset.

此规格文件将名为 tensorflow-mnist-example 的、用于运行 train.py Python 脚本中的代码的训练作业提交到最近创建的 gpu-cluster 计算机目标。使用的环境是 Azure 机器学习提供的特选环境之一，其中包含 TensorFlow 以及运行训练脚本所需的其他软件依赖项。有关特选环境的详细信息，请参阅 Azure 机器学习特选环境。

若要提交训练作业，请执行以下操作：