在工作室中管理用于模型训练和部署的计算资源

本文介绍如何在 Azure 机器工作室中管理用于模型训练和部署的计算资源。

使用 Azure 机器学习，可在不同的资源或环境（统称为计算目标）中训练模型。 计算目标可以是本地计算机，也可以是云资源，例如 Azure 机器学习计算、Azure HDInsight 或远程虚拟机。

还可以使用无服务器计算作为计算目标。 使用无服务器计算时，无需进行任何管理。

先决条件

• 如果没有 Azure 订阅，可在开始前创建一个试用帐户。 立即试用 Azure 机器学习的免费版或付费版
• 一个 Azure 机器学习工作区

查看计算目标

若要查看工作区的所有计算目标，请使用以下步骤：

1. 导航到 Azure 机器学习工作室。

2. 在“管理”下，选择“计算” 。

3. 选择顶部的选项卡以显示各类计算目标。

   

创建计算实例和群集

可以使用 Azure 机器学习 SDK、CLI 或工作室在工作区中创建计算实例和计算群集：

• 计算实例
• 计算群集

此外，可以使用 VS Code 扩展在工作区中创建计算实例和计算群集。

附加 Kubernetes 群集

有关如何配置 Kubernetes 群集并将其附加到工作区的信息，请参阅为 Azure 机器学习配置 Kubernetes 群集。

附加其他计算目标

若要使用在 Azure 机器学习工作区外部创建的 VM，必须首先将它们附加到工作区。 附加计算资源会使其可供你的工作区使用。

1. 导航到 Azure 机器学习工作室。

2. 在“管理”下，选择“计算” 。

3. 在顶部的选项卡中，选择“附加的计算”以附加用于训练的计算目标。

4. 选择“+ 新建”，然后选择要附加的计算类型。 并非所有计算类型都可以从 Azure 机器学习工作室附加。

5. 填写表单，并提供必需属性的值。

   注意

   Microsoft 建议使用 SSH 密钥，因为它们比密码更安全。 密码很容易受到暴力破解攻击。 SSH 密钥依赖于加密签名。 若要了解如何创建用于 Azure 虚拟机的 SSH 密钥，请参阅以下文档：

   • 在 Linux 或 macOS 上创建和使用 SSH 密钥
   • 在 Windows 上创建和使用 SSH 密钥

6. 选择“附加”。

若要拆离计算，请执行以下步骤：

1. 在 Azure 机器学习工作室中，选择“计算”、“附加的计算”，以及要删除的计算 。
2. 使用“拆离”链接来拆离计算。

使用 SSH 访问进行连接

创建启用了 SSH 访问的计算后，请使用以下步骤进行访问。

1. 在工作区资源中查找计算：

   1. 在左侧选择“计算”。
   2. 使用顶部的选项卡选择“计算实例”或“计算群集”，以查找计算机 。

2. 在资源列表中选择计算机名称。

3. 查找连接字符串：

   • 对于“计算实例”，选择“详细信息”部分顶部的“连接” 。

     

   • 对于“计算群集”，选择顶部的“节点”，然后在表中为节点选择“连接字符串” 。

4. 复制该连接字符串。

5. 对于 Windows，打开 PowerShell 或命令提示符：

   1. 转到存储密钥的目录或文件夹

   2. 将 -i 标志添加到连接字符串，以查找私钥并指向其存储位置：

      ssh -i <keyname.pem> azureuser@... (rest of connection string)

6. 对于 Linux 用户，请按照为 Azure 中的 Linux VM 创建和使用 SSH 密钥对中的步骤进行操作

7. 对于 SCP，请使用：

   scp -i key.pem -P {port} {fileToCopyFromLocal } azureuser@yourComputeInstancePublicIP:~/{destination}

相关内容

• 使用计算资源来提交训练运行。
• 训练模型后，了解如何以及在何处部署模型。
• 通过 Azure 虚拟网络使用 Azure 机器学习