4、利用 Azure 机器学习、ONNX 和 PyTorch 进行模型训练、调优和部署

利用 Azure 机器学习、ONNX 和 PyTorch 进行模型训练、调优和部署

一、Azure 机器学习概述

Microsoft 为不同技能水平和技术期望的用户提供了不同的机器学习产品。Azure 机器学习专为有经验的数据科学家设计，提供了基于云的开发环境，可使用流行框架设计、训练、运行和管理机器学习模型。

（一）特点

1. 多工具适配 ：是一套工具集，可根据工作方式混合搭配。新手可用拖放式设计器构建模型，经验丰富的数据科学家能用 R 语言配合 Azure SDK 构建和测试模型，Python 开发者可在 Visual Studio Code 等环境中使用 Jupyter Notebooks。
2. 支持多框架 ：支持 PyTorch、TensorFlow 等流行开源框架，还能将训练好的模型导出为 ONNX 格式，便于在支持的运行时环境中使用。
3. ONNX 优势 ：Open Neural Network Exchange 是一种以可移植格式表示机器学习模型的标准，能简化跨多个平台的推理优化。常见框架的模型可转换为 ONNX，利用不同硬件平台的加速器，无需为每个平台重写模型。
4. 可扩展性 ：系统可扩展，从在本地机器上构建和训练模型，到使用云、Azure 数据源和计算资源。训练好的模型可作为托管端点或 ONNX 导出，能在各种应用中运行。

（二）Azure 机器学习工作室

Azure 机器学习工作室是