Azure 机器学习 - 起步缓慢
Azure Machine Learning - slow to start
我正在使用 Azure AI，最初一直在使用 Machine Learning Studio Classic。
它运行良好，但训练我的模型很慢。环顾四周，似乎如果我使用 Azure 机器学习工作室，我可以控制用于 运行 实验的硬件，所以这就是我正在尝试的。
我的问题是 Azure 机器学习工作室启动实验的速度非常慢——甚至可能需要 10 分钟才能启动。
这是预期的还是我遗漏了什么？
顺便说一句，NC24 实际上比 NC6 慢 - 这是因为我的实验配置吗？
整个 GPU 训练 运行
NC6 2 米 36 秒 10 米 48 秒
NC24 2m 52s 16m 48s
我假设你是：
- 使用 Azure ML Studio（即
ml.azure.com/）的管道设计器，以及
- 在 运行ning 之前创建一个新的计算目标？
如果是这样，那么第一个 运行 10 分钟是正常的，因为必须创建一个 VM 集群并使用 Docker 容器和 Conda 环境进行配置。在 运行 第一次完成后，计算目标被配置为保持可用两个小时，因此未来的 运行s 应该在没有 10 分钟延迟的情况下执行（前提是您不更改 Conda 依赖项或选择一个新的计算目标）。
我正在使用 Azure AI，最初一直在使用 Machine Learning Studio Classic。
它运行良好，但训练我的模型很慢。环顾四周，似乎如果我使用 Azure 机器学习工作室，我可以控制用于 运行 实验的硬件，所以这就是我正在尝试的。
我的问题是 Azure 机器学习工作室启动实验的速度非常慢——甚至可能需要 10 分钟才能启动。
这是预期的还是我遗漏了什么？
顺便说一句，NC24 实际上比 NC6 慢 - 这是因为我的实验配置吗？
整个 GPU 训练 运行 NC6 2 米 36 秒 10 米 48 秒 NC24 2m 52s 16m 48s
我假设你是：
- 使用 Azure ML Studio（即
ml.azure.com/）的管道设计器，以及 - 在 运行ning 之前创建一个新的计算目标？
如果是这样，那么第一个 运行 10 分钟是正常的，因为必须创建一个 VM 集群并使用 Docker 容器和 Conda 环境进行配置。在 运行 第一次完成后，计算目标被配置为保持可用两个小时，因此未来的 运行s 应该在没有 10 分钟延迟的情况下执行（前提是您不更改 Conda 依赖项或选择一个新的计算目标）。