インストール

Azure ML Python SDK のインストール:

pip install azureml-sdk

ワークスペースの作成

Azure MLのWorkspace作成のため、Azureサブスクリプション、リソースグループをご用意頂き、Workspaceの名前を予め決めておいて下さい。 もしAzureサブスクリプションをお持ちでない場合は当サイトから無料でご利用頂けます。

from azureml.core import Workspace

ws = Workspace.create(name='<my_workspace_name>', # 任意のワークスペース名

subscription_id='<azure-subscription-id>', # サブスクリプションID

resource_group='<myresourcegroup>', # 任意のリソースグループ名

create_resource_group=True,

location='<NAME_OF_REGION>') # リソースを作成するリージョン e.g. 'japaneast'

# ワークスペースの情報を設定ファイルに書き出し: azureml/config.json

ws.write_config(path='.azureml')

info

次回からは以下のように簡単にワークスペースにアクセスすることができます。

from azureml.core import Workspace

ws = Workspace.from_config()

コンピューティングターゲットの作成

以下の例はワークスペースにコンピューティングターゲットを作成します。

• VM の種類: CPU
• VM のサイズ: STANDARD_D2_V2
• VM クラスターの最大ノード数: 4
• VM クラスターのノードが自動的にスケールインするまでのアイドル時間: 2400秒

GPU を使用したり VM のサイズを変更する場合は以下のコードを変更してください。

from azureml.core import Workspace

from azureml.core.compute import ComputeTarget, AmlCompute

from azureml.core.compute_target import ComputeTargetException

ws = Workspace.from_config() # 自動的に .azureml/ ディレクトリを参照

# 任意のクラスター名

cpu_cluster_name = "cpu-cluster"

try:

# クラスターが既に存在するかどうかのチェック

cpu_cluster = ComputeTarget(workspace=ws, name=cpu_cluster_name)

print('Found existing cluster, use it.')

except ComputeTargetException:

# もし無ければ作成する

compute_config = AmlCompute.provisioning_configuration(

vm_size='STANDARD_D2_V2',

max_nodes=4,

idle_seconds_before_scaledown=2400,)

cpu_cluster = ComputeTarget.create(ws, cpu_cluster_name, compute_config)

cpu_cluster.wait_for_completion(show_output=True)

info

次回からは以下のように簡単にコンピューティングターゲットにアクセスすることができます。

from azureml.core import ComputeTarget

cpu_cluster = ComputeTarget(ws, 'cpu-cluster')