Udostępnij przez

Konfigurowanie laboratorium do nauki analizy danych za pomocą języka Python i notebooków Jupyter

Ważne

Usługa Azure Lab Services zostanie wycofana 28 czerwca 2027 r. Aby uzyskać więcej informacji, zobacz przewodnik po wycofaniu.

W tym artykule opisano sposób konfigurowania szablonowej maszyny wirtualnej w usłudze Azure Lab Services, która zawiera narzędzia do nauczania studentów korzystania z Jupyter Notebooks. Dowiesz się również, jak użytkownicy laboratorium mogą łączyć się z notebookami na swoich maszynach wirtualnych.

Jupyter Notebooks to projekt typu open source, który umożliwia łatwe łączenie tekstu sformatowanego i wykonywalnego kodu źródłowego języka Python na jednej kanwie znanej jako notes. Uruchom notes, aby utworzyć liniowy rekord danych wejściowych i wyjściowych. Te dane wyjściowe mogą zawierać tekst, tabele informacji, wykresy punktowe i nie tylko.

Uwaga

Ten artykuł odnosi się do funkcji dostępnych w planach laboratoryjnych, które zastąpiły konta laboratoryjne.

Wymagania wstępne

  • Aby skonfigurować to laboratorium, musisz mieć dostęp do subskrypcji platformy Azure. Porozmawiaj z administratorem organizacji, aby sprawdzić, czy możesz uzyskać dostęp do istniejącej subskrypcji platformy Azure. Jeśli nie masz subskrypcji platformy Azure, przed rozpoczęciem utwórz bezpłatne konto.

Konfigurowanie ustawień planu laboratorium

Po utworzeniu subskrypcji platformy Azure możesz utworzyć plan laboratorium w usłudze Azure Lab Services. Aby uzyskać więcej informacji na temat tworzenia nowego planu laboratorium, zobacz Szybki start: konfigurowanie zasobów w celu tworzenia laboratoriów. Możesz również użyć istniejącego planu laboratorium.

To laboratorium używa jednego z obrazów maszyny wirtualnej Data Science jako podstawowego obrazu bazowego. Te obrazy są dostępne w witrynie Azure Marketplace. Ta opcja umożliwia twórcom laboratorium wybranie obrazu jako obrazu podstawowego dla laboratorium. Należy włączyć te obrazy w planie laboratorium.

Wykonaj następujące kroki, aby włączyć dostępne obrazy z Azure Marketplace dla twórców laboratorium.

  • Wybierz jeden z następujących obrazów witryny Azure Marketplace w zależności od wymagań systemu operacyjnego:

    • Nauka o danych Virtual Machine — Windows Server 2019/Windows Server 2022
    • Data Science Virtual Machine — Ubuntu 20.04

  • Alternatywnie utwórz niestandardowy obraz maszyny wirtualnej:

    Obrazy maszyn wirtualnych Data Science w witrynie Azure Marketplace są już skonfigurowane z użyciem notebooków Jupyter. Te obrazy obejmują również inne narzędzia do tworzenia i modelowania na potrzeby nauki o danych. Jeśli nie potrzebujesz tych dodatkowych narzędzi i chcesz mieć lekką konfigurację tylko z notatnikami Jupyter, utwórz niestandardowy obraz maszyny wirtualnej. Aby zapoznać się z przykładem, zobacz Instalowanie aplikacji JupyterHub na platformie Azure.

    Po utworzeniu obrazu niestandardowego, prześlij go do galerii komputerowej, aby używać go z usługami Azure Lab Services. Dowiedz się więcej o korzystaniu z galerii obliczeniowej w usłudze Azure Lab Services.

Tworzenie laboratorium

Konfiguracja wzorca maszyny

Po utworzeniu laboratorium utwórz wirtualną maszynę opartą na wybranym rozmiarze i obrazie maszyny wirtualnej. Skonfiguruj maszynę wirtualną szablonu ze wszystkimi elementami, które mają być udostępniane uczniom tej klasy. Aby uzyskać więcej informacji, zobacz Tworzenie szablonu i zarządzanie nim w usłudze Azure Lab Services.

Obrazy maszyn wirtualnych do nauki o danych są wyposażone w wiele frameworków i narzędzi wymaganych dla tego typu kursów. Na przykład obrazy obejmują:

  • Notatniki Jupyter: aplikacja internetowa, która umożliwia naukowcom danych przetwarzanie surowych danych, uruchamianie obliczeń i wyświetlanie wyników w tym samym środowisku. Działa lokalnie na szablonowej maszynie wirtualnej.
  • Visual Studio Code: zintegrowane środowisko projektowe (IDE), które zapewnia zaawansowane interaktywne środowisko podczas pisania i testowania notesu. Aby uzyskać więcej informacji, zobacz Praca z notesami Jupyter Notebook w programie Visual Studio Code.

Obraz Maszyny Wirtualnej - Ubuntu do Nauki o Danych jest udostępniany z serwerem X2Go, aby umożliwić użytkownikom laboratorium korzystanie z graficznego interfejsu pulpitu.

Włączanie narzędzi do korzystania z procesorów GPU

Jeśli używasz rozmiaru Alternatywny Mały GPU (Obliczenia), zalecamy sprawdzenie, czy struktury i biblioteki naukowe są prawidłowo skonfigurowane do używania procesorów GPU. Może być konieczne zainstalowanie innej wersji sterowników NVIDIA i zestawu narzędzi CUDA. Aby skonfigurować procesory GPU, należy zapoznać się z dokumentacją platformy lub biblioteki.

Aby na przykład sprawdzić, czy TensorFlow używa GPU, połącz się z maszyną wirtualną szablonu i uruchom następujący kod Python-TensorFlow w Jupyter Notebook:

import tensorflow as tf
from tensorflow.python.client import device_lib

print(device_lib.list_local_devices())

Jeśli dane wyjściowe z tego kodu wyglądają następująco, tensorFlow nie korzysta z procesora GPU:

[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 15833696144144374634
]

Kontynuując ten przykład, zobacz Obsługa procesora GPU TensorFlow, aby uzyskać wskazówki. Porady dotyczące TensorFlow obejmują:

Po wykonaniu kroków platformy TensorFlow w celu skonfigurowania procesora GPU podczas ponownego uruchamiania kodu testowego powinny zostać wyświetlone wyniki podobne do poniższych danych wyjściowych.

[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 15833696144144374634
, name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 11154792128
locality {
  bus_id: 1
  links {
  }
}
incarnation: 2659412736190423786
physical_device_desc: "device: 0, name: NVIDIA Tesla K80, pci bus id: 0001:00:00.0, compute capability: 3.7"
]

Udostępnianie notesów dla klasy

Następnym zadaniem jest udostępnienie użytkownikom laboratorium notesów, których mają używać. Notebooki można zapisywać lokalnie na szablonowej maszynie wirtualnej, aby każdy użytkownik laboratorium miał własną kopię.

Jeśli chcesz użyć przykładowych notesów z usługi Azure Machine Learning, zobacz konfigurowanie środowiska za pomocą notesów Jupyter Notebook.

Opublikuj maszynę szablonu

Aby udostępnić maszynę wirtualną laboratorium użytkownikom laboratorium, opublikuj szablon. Maszyna wirtualna laboratorium ma wszystkie skonfigurowane wcześniej narzędzia lokalne i notesy.

Połącz się z notatnikami Jupyter

W poniższych sekcjach przedstawiono różne sposoby łączenia użytkowników laboratorium z notesami Jupyter na maszynie wirtualnej w laboratorium.

Korzystanie z notesów Jupyter na maszynie wirtualnej w laboratorium

Użytkownicy laboratorium mogą łączyć się ze swojej maszyny lokalnej z maszyną wirtualną laboratorium, a następnie korzystać z notesów Jupyter Notebook wewnątrz maszyny wirtualnej laboratorium.

Jeśli używasz maszyny wirtualnej laboratorium opartej na systemie Windows, użytkownicy laboratorium mogą łączyć się ze swoimi maszynami wirtualnymi laboratorium za pośrednictwem pulpitu zdalnego (RDP). Aby uzyskać więcej informacji, zobacz jak nawiązać połączenie z maszyną wirtualną laboratorium z systemem Windows.

Jeśli używasz maszyny wirtualnej laboratorium opartej na systemie Linux, użytkownicy laboratorium mogą łączyć się ze swoimi maszynami wirtualnymi laboratorium za pośrednictwem protokołu SSH lub przy użyciu rozwiązania X2Go. Aby uzyskać więcej informacji, zobacz jak się połączyć z wirtualną maszyną laboratoriów Linux.

Tunel SSH do serwera Jupyter na maszynie wirtualnej

W przypadku laboratoriów opartych na systemie Linux można również połączyć się bezpośrednio z komputera lokalnego z serwerem Jupyter na maszynie wirtualnej laboratorium. Protokół SSH umożliwia przekazywanie portów między komputerem lokalnym a serwerem zdalnym. Jest to maszyna wirtualna laboratorium użytkownika. Aplikacja działająca na określonym porcie na serwerze jest tunelowana do portu mapowania na komputerze lokalnym.

Wykonaj następujące kroki, aby skonfigurować tunel SSH między maszyną lokalną użytkownika a serwerem Jupyter na maszynie wirtualnej laboratorium:

  1. Przejdź do witryny internetowej usługi Azure Lab Services.

  2. Sprawdź, czy maszyna wirtualna laboratorium z systemem Linux jest uruchomiona.

  3. Wybierz ikonę Połącz>Połącz za pomocą protokołu SSH, aby uzyskać polecenie połączenia SSH.

    Polecenie połączenia SSH wygląda podobnie do następującego przykładu:

    ssh -p 12345 student@ml-lab-00000000-0000-0000-0000-000000000000.eastus2.cloudapp.azure.com

    Dowiedz się więcej na temat nawiązywania połączenia z maszyną wirtualną z systemem Linux.

  4. Na komputerze lokalnym uruchom terminal lub wiersz polecenia i skopiuj do niego parametry połączenia SSH. Następnie dodaj -L 8888:localhost:8888 do ciągu polecenia, który tworzy tunel między portami.

    Ostatnie polecenie powinno wyglądać podobnie do poniższego przykładu.

    ssh –L 8888:localhost:8888 -p 12345 student@ml-lab-00000000-0000-0000-0000-000000000000.eastus.cloudapp.azure.com

  5. Naciśnij Enter, aby uruchomić polecenie .

  6. Po wyświetleniu monitu podaj hasło maszyny wirtualnej laboratorium, aby nawiązać połączenie z maszyną wirtualną laboratorium.

  7. Po nawiązaniu połączenia z maszyną wirtualną uruchom serwer Jupyter przy użyciu następującego polecenia:

    jupyter notebook

    Polecenie zwraca adres URL serwera Jupyter w terminalu. Adres URL powinien wyglądać następująco:

    http://localhost:8888/?token=8c09ecfc93e6a8cbedf9c66dffdae19670a64acc1d37

  8. Aby nawiązać połączenie z notesem Jupyter Notebook i pracować nad nim, wklej ten adres URL w przeglądarce na komputerze lokalnym.

    Uwaga

    Program Visual Studio Code umożliwia również doskonałe doświadczenie edycji w notesie Jupyter Notebook. Możesz postępować zgodnie z instrukcjami dotyczącymi nawiązywania połączenia z zdalnym serwerem Jupyter i użyć tego samego adresu URL z poprzedniego kroku, aby nawiązać połączenie z programu VS Code zamiast z przeglądarki.

Powiązana zawartość

W tym artykule pokazano, jak utworzyć laboratorium dla kursu Jupyter Notebooks i jak użytkownik może połączyć się z notesami na wirtualnej maszynie laboratoryjnej. Możesz użyć podobnej konfiguracji dla innych klas uczenia maszynowego.

Obraz szablonu można teraz udostępnić w laboratorium. Aby uzyskać więcej informacji, zobacz Publikowanie szablonu maszyny wirtualnej.

Podczas konfigurowania laboratorium zapoznaj się z następującymi artykułami:

  • Last updated on