管理Azure Machine Learning计算实例

• 如果未在计算实例上运行代码，请安装 Azure Machine Learning Python SDK。 此 SDK 已安装在计算实例上。

• 附加到 Python 脚本中的工作区：

  运行此代码以连接到Azure Machine Learning工作区。

  替换以下代码中的订阅 ID、资源组名称和工作区名称。 若要查找这些值：

  1. 登录到 Azure Machine Learning studio。
  2. 打开要使用的工作区。
  3. 选择右上角Azure Machine Learning studio工具栏中的工作区名称。
  4. 将工作区、资源组和订阅 ID 的值复制到代码中。

  适用于：Python SDK azure-ai-ml v2（当前）

  # Enter details of your AML workspace
  subscription_id = "<SUBSCRIPTION_ID>"
  resource_group = "<RESOURCE_GROUP>"
  workspace = "<AML_WORKSPACE_NAME>"
  

  # get a handle to the workspace
  from azure.ai.ml import MLClient
  from azure.identity import DefaultAzureCredential
  
  ml_client = MLClient(
      DefaultAzureCredential(), subscription_id, resource_group, workspace
  )
  

  ml_client 是用于管理其他资源和作业的工作区处理程序。

• 如果未在计算实例上运行这些命令，请安装 Azure CLI 扩展 用于机器学习服务 (v2)。 此扩展已在计算实例上安装。

• 对默认工作区和资源组进行身份验证并进行设置。 使终端保持打开状态，以运行本文中的其余命令。

  • 如果您是在计算实例上工作：

    az login --identity
    # next line needed only if you have multiple subscriptions:
    az account set --subscription "<SUBSCRIPTION-NAME>" # replace with your subscription name
    az configure --defaults group=$CI_RESOURCE_GROUP workspace=$CI_WORKSPACE
    

  • 如果在本地运行命令，请省略 --identity 并按照身份验证说明进行操作。 此外，将 $CI_RESOURCE_GROUP 和 $CI_WORKSPACE 替换为你自己的值。

从 Azure Machine Learning studio 开始。

适用于：Python SDK azure-ai-ml v2（当前）

在这些示例中，变量 ci_basic_name 存储计算实例的名称。

• 获取状态

    from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
    # Get compute
    ci_basic_state = ml_client.compute.get(ci_basic_name)
  

• 停下

    from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
    # Stop compute
    ml_client.compute.begin_stop(ci_basic_name).wait()
  

• 启动

    from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
    # Start compute
    ml_client.compute.begin_start(ci_basic_name).wait()
  

• 重启

    from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
    # Restart compute
    ml_client.compute.begin_restart(ci_basic_name).wait()
  

• 删除

    from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
    ml_client.compute.begin_delete(ci_basic_name).wait()
  

适用于：Azure CLI ml 扩展 v2（当前版本）

在这些示例中，计算实例的名称为“instance”。

• 停下

  az ml compute stop --name instance 
  

• 启动

  az ml compute start --name instance 
  

• 重启

  az ml compute restart --name instance 
  

• 删除

  az ml compute delete --name instance 
  

在 Azure Machine Learning studio 的工作区中，选择 Compute，然后选择顶部的 compute 实例。

可执行以下操作：

• 新建计算实例
• 刷新“计算实例”选项卡。
• 启动、停止和重启计算实例。 只要实例在运行，就会产生费用。 不使用计算实例时，请将其停止，以便降低成本。 停止计算实例会将其解除分配。 然后在需要时重启。 还可以计划计算实例的启动和停止时间。
• 删除计算实例。
• 筛选计算实例列表，以便仅显示你创建的实例。

对于你创建的（或为你创建的）工作区中的每个计算实例，你可以：

• 访问 Jupyter、在计算实例上运行的 JupyterLab 以及 RStudio 或 Posit Workbench（如果配置为自定义应用程序）。

• 通过 SSH 连接到计算实例。 默认情况下禁用 SSH access，但在创建计算实例时可以启用。 SSH 访问是通过公钥/私钥机制实现的。 选项卡中提供 SSH 连接的详细信息，例如 IP 地址、用户名和端口号。 在虚拟网络部署中，禁用 SSH 会阻止来自公共互联网的SSH访问。 你仍然可以通过使用计算实例节点的专用 IP 地址和端口 22，从虚拟网络内进行 SSH 连接。

  提示

  如果计算实例位于 managed virtual network 并且禁用公共 IP 地址，请使用 az ml compute connect-ssh 命令连接到计算实例。

• 选择计算名称以：

  • 查看有关特定计算实例的详细信息，如 IP 地址和区域。
  • 创建或修改用于启动和停止计算实例的计划。 向下滚动到页面底部以编辑计划。

适用于：Python SDK azure-ai-ml v2（当前）

from azure.ai.ml.entities import ComputeInstance, AmlCompute

# Display operating system version
instance = ml_client.compute.get("myci")
print(instance.os_image_metadata)

有关此示例中使用的类、方法和参数的详细信息，请参阅以下参考文档：

• AmlCompute 类
• ComputeInstance 类

适用于：Azure CLI ml 扩展 v2（当前版本）

az ml compute show --name "myci"

# query outdated compute instances:
az ml compute list --query "[?os_image_metadata.is_latest_os_image_version == ``false``].name"

在Azure Machine Learning studio的工作区中，选择“计算”，然后选择顶部的计算实例。 若要查看其属性（包括当前操作系统），选择计算实例的计算名称。