本日はAzure 学習枠です。
筆者は現在Azure RemoteRenderingを進めていますが、リモートレンダリングで描画したい３Dモデルを準備しているので今回はお休みで、Azureの機械学習を学んでいきます。
〇Azure Machine Learingとは？
機械学習はデータをもとに不規則な値を推測する手法です。一般的にAI（人工知能）の計算方法の一種です。
AzureではAzure Machine Learingとして機械学習系の機能が提供されています。
〇Azure Machine Learingの使用
①Azure Portalで[+リソースの作成]からAzure Machine Learningを選択します。
②Azure Machine Learningのリソースの作成を行います。
③リソースが作成されると[スタジオの起動]を選択できるようになります。
Azure Machine Learning StudioはAzureで提供されている機械学習機能を集約したポータルになります。
④スタジオは次のような画面になっています。
スタジオでは主に次の３種類の方法で機械学習を構築できます。
・Notebooks
PythonベースのJupyter Notebooksを用いて構築する方法のようです。
・Auto ML
反復学習の機械学習の自動化に特化したモデルの構築を行えるようです。
・デザイナー
GUIベース（ノードベース）で機械学習を始めることができるようです。
今回はこのデザイナーを使用していきます。
〇パイプライン
デザイナーを開始するためにはパイプラインの構築から始まります。
機械学習パイプラインは機械学習処理のワークフローの概念を示しています。
Azure Machine LearingパイプラインはPythonスクリプトで機械学習を呼び出す場合とほぼ同様のタスクを実行できます。つまり、コードベースで行う場合とほぼ同様の処理ができるということになります。
パイプラインは次のタスクによって構築されています。
・学習基データ
・トレーニング構成
・検証
・反復可能なデプロイ
〇Azure ML Designerでのワークフロー
早速デザイナーでMLのワークフローをさらってみます。
今回はサンプルで提供されているパイプラインからImage Classification using DenseNetを使用します。
①パイプラインを開き、ウィンドウ右側の[設定]からコンピュータインスタンシングを設定します。
これは機械学習を行うための仮想マシンを指します。
②仮想マシンを作成します。（仮想マシンを動かしている間は課金が発生します。）
Azureでは様々な仮想マシンが提供されています。MLコンピュータの作成では様々なスペックのPCを使用できるが、自分のやりたい作業に見合ったPCを選択する。
これらは時間単位で課金が発生しています。当然ですが、高スペックのPCのほうが料金が高くなります。
③VMは立ち上がるまで数分の時間を要するためデプロイが完了するまで待ちます。
④デザイナーのコンピュータインスタンシングに作成した仮想マシンを設定します。
⑤[送信]を選択します。
ここではサンプルのパイプラインをすでに構築しているためこのステップへと進んでいますが、通常はパイプラインを構築したのちに行います。
⑥送信の際の設定でこのパイプラインの説明を設定します。
⑦仮想マシン上でパイプラインの処理が開始されます。
実行には時間がかかります。 筆者の場合５分ほどかかりました。 これはデータセットやパイプラインの内容によっても変わります。
⑧処理が完了することで各ノードを右クリックして[データの表示]から処理結果を見ることができます。
このサンプルでは犬や猫の画像判別のサンプルであり、処理結果の精度を見ることができます。
以上でデザイナーを動かせました。
ここではエンドポイント等が作成され、アプリケーション側から作成されたエンドポイントにアクセスし、画像を投げることでAIの判定結果を取得することができるようです。
