计算资源及资料的设定02

建立了计算资源後，接下来要建立及处理有关资料的部分。

在Microsoft Azure Machine Learning Studio的左边选单中，Assets区可看到Datasets；而在Manage区，却可看到Datastores。此二者就究竟有何区别呢？

Datasets 就是资料集，可以直接从资料集取得资料，直接在 Azure Machine Learning 里面使用这些资料，来进行 Models的Training and Validation。

Datastores 就比较容易令人困惑不解。根据微软的官方文件，Datastore 是储存连线资讯的地方，并且将资讯保护在 key vault 里面以确保取得资料时的安全。
不妨将 Datastores 理解成 Data Connector 的概念。它储存资料的连线资讯，例如资料在SQL database 里，或者在 Azure Blob 里，我们就可以透过 Datastores ，安全地取得资料。

当我们建立了Azure Machine Learning的workspace时，会自动产生一个 Blob.
但这是给Azure Machine Learning 使用的，强烈不建议将你的 data 上传到这个 Blob 里。我们最好另外建立放data的地方，除了安全，也方便管理及应用。建立流程如下：

建立storage account(可用先前已建立者)。
点击storage account名称，进入storage account画面<AZ-stracc.png>。建立新的container(data storage container，not Dock container)。
点击container名称，进入container画面<AZ-container.png>。就可以upload 资料了。

<AZ-stracc.png>

<AZ-container.png>

此时，我们可以将 \nni\examples\trials\mnist-pytorch\data\MNIST\raw的资料，已经解压缩者，全部传上。