PyTorch フレームワークを使用して、マルチクラス画像分類ディープ ラーニング実験を作成します。GPU を備えたノードがある Azure コンピューティング クラスターで実験を実行する予定です。
画像分類モデルの毎月の再トレーニングを実行するには、Azure Machine Learning サービス パイプラインを定義する必要があります。パイプラインは最小限のコストで実行され、モデルのトレーニングに必要な時間を最小限に抑える必要があります。
どの 3 つのパイプライン ステップを順番に実行する必要がありますか? 回答するには、アクションのリストから適切なアクションを回答領域に移動し、正しい順序で並べます。

データ内の非線形関係のため、パイプラインはトレーニング データ内の価格の自然対数 (Ln) を計算し、価格値のこの自然対数を予測するようにモデルをトレーニングしてから、スコア付けされたラベルの指数を計算して取得します。予想価格。
トレーニング パイプラインが展示に表示されます ([トレーニング パイプライン] タブをクリックします)。

展示に示すように、トレーニング パイプラインからリアルタイム推論パイプラインを作成します。(「リアルタイム パイプライン ラボ」をクリックします。)

Web サービスが予測された自動車価格としてスコア付けされたラベルの指数を返し、クライアント アプリケーションが入力値に価格値を含める必要がないように、推論パイプラインを変更する必要があります。
推論パイプラインに対して行う必要がある変更を 3 つ選択してください。それぞれの正解は、解決策の一部を示しています。

トレーニング エラー値と検証エラー値の間に大きな差があるモデルがあります。
新しいモデルを作成し、相互検証を実行する必要があります。
Azure Machine Learning Studio を使用して、新しいモデルのパラメーター セットを特定する必要があります。
各ステップでどのモジュールを使用する必要がありますか? 答えるには、適切なモジュールを正しいステップにドラッグします。
各モジュールは 1 回または複数回使用することも、まったく使用しないこともできます。コンテンツを表示するには、ペイン間で分割バーをドラッグするか、スクロールする必要がある場合があります。
注: 正しく選択するたびに 1 ポイントの価値があります。

トレーニング クラスターと推論クラスターを含む Azure Machine Learning ワークスペースがあります。
Azure Machine Learning デザイナーを使用して分類モデルを作成する予定です。
クライアント アプリケーションがデータを HTTP リクエストとして送信し、予測をレスポンスとして受信できることを確認する必要があります。
どの 3 つのアクションを順番に実行する必要がありますか? 回答するには、アクションのリストから適切なアクションを回答領域に移動し、正しい順序で並べます。

注: この質問は、同じシナリオを示す一連の質問の一部です。このシリーズの各質問には、指定された目標を達成できる可能性のある独自の解決策が含まれています。一部の質問セットには複数の正しい解決策が含まれる場合がありますが、他の質問セットには正しい解決策がない場合があります。
このセクションの質問に回答すると、その質問に戻ることはできません。そのため、これらの質問はレビュー画面には表示されません。
IT 部門は、次の Azure リソース グループとリソースを作成します。

IT 部門は、Azure Machine Learning ワークスペースに aks-cluster という名前の Azure Kubernetes Service (AKS) ベースの推論コンピューティング ターゲットを作成します。
GPU を搭載した Microsoft Surface Book コンピューターを持っています。Python 3.6 と Visual Studio Code がインストールされています。
ディープ ニューラル ネットワーク (DNN) モデルをトレーニングし、損失と精度のメトリクスを記録するスクリプトを実行する必要があります。
解決策: Azure Machine Learning ワークスペースで、mlvm 仮想マシンをコンピューティング ターゲットとしてアタッチします。Surface Book に Azure ML SDK をインストールし、Python コードを実行してワークスペースに接続します。mlvm リモート コンピューティング リソース上でトレーニング スクリプトを実験として実行します。