Verwalten von Azure Machine Learning-Ressourcen mit der VS Code-Erweiterung (Vorschau)

Hier erfahren Sie, wie Sie Azure Machine Learning-Ressourcen mit der VS Code-Erweiterung verwalten.

Wichtig

Dieses Feature ist zurzeit als öffentliche Preview verfügbar. Diese Vorschauversion wird ohne Vereinbarung zum Servicelevel bereitgestellt und ist nicht für Produktionsworkloads vorgesehen. Manche Features werden möglicherweise nicht unterstützt oder sind nur eingeschränkt verwendbar.

Weitere Informationen finden Sie unter Zusätzliche Nutzungsbestimmungen für Microsoft Azure-Vorschauen.

Voraussetzungen

• Azure-Abonnement. Wenn Sie keins besitzen, können Sie sich für die kostenlose oder kostenpflichtige Version von Azure Machine Learning registrieren.
• Visual Studio Code. Sollte diese Komponente noch nicht vorhanden sein, installieren Sie sie.
• Azure Machine Learning-Erweiterung. Befolgen Sie die Anleitung zur Installation der Azure Machine Learning-Erweiterung für VS Code, um die Erweiterung einzurichten.

Erstellen von Ressourcen

Am schnellsten können Sie Ressourcen erstellen, indem Sie die Symbolleiste der Erweiterung verwenden.

1. Öffnen Sie die Azure Machine Learning-Ansicht.
2. Wählen Sie in der Aktivitätsleiste das Pluszeichen ( + ) aus.
3. Wählen Sie Ihre Ressource in der Dropdownliste aus.
4. Konfigurieren Sie die Spezifikationsdatei. Die erforderlichen Informationen richten sich nach der Art der Ressource, die Sie erstellen möchten.
5. Klicken Sie mit der rechten Maustaste auf die Spezifikationsdatei, und wählen Sie AzureML: YAML ausführen aus.

Alternativ können Sie eine Ressource auch mit der Befehlspalette erstellen:

1. Öffnen Sie die Befehlspalette mit Ansicht > Befehlspalette.
2. Geben Sie > Azure ML: Create <RESOURCE-TYPE> in das Textfeld ein. Ersetzen Sie RESOURCE-TYPE durch den Typ der Ressource, die Sie erstellen möchten.
3. Konfigurieren Sie die Spezifikationsdatei.
4. Öffnen Sie die Befehlspalette mit Ansicht > Befehlspalette.
5. Geben Sie > Azure ML: Create Resource in das Textfeld ein.

Versehen von Ressourcen mit einer Version

Bei einigen Arten von Ressourcen, z. B. Umgebungen und Modelle, können Sie Änderungen an einer Ressource vornehmen und die unterschiedlichen Versionen speichern.

Versehen Sie eine Ressource wie folgt mit einer Version:

1. Verwenden Sie die vorhandene Spezifikationsdatei, die für die Erstellung der Ressource verwendet wurde, oder befolgen Sie den Prozess zum Erstellen von Ressourcen, um eine neue Spezifikationsdatei zu erstellen.
2. Inkrementieren Sie die Versionsnummer in der Vorlage.
3. Klicken Sie mit der rechten Maustaste auf die Spezifikationsdatei, und wählen Sie AzureML: YAML ausführen aus.

Sofern der Name der aktualisierten Ressource dem Namen der vorherigen Version entspricht, werden die Änderungen von Azure Machine Learning übernommen, und es wird eine neue Version erstellt.

Arbeitsbereiche

Weitere Informationen finden Sie im Artikel zu Arbeitsbereichen.

Erstellen eines Arbeitsbereichs

1. Klicken Sie in der Azure Machine Learning-Ansicht mit der rechten Maustaste auf Ihren Abonnementknoten, und wählen Sie Arbeitsbereich erstellen aus.
2. Eine Spezifikationsdatei wird angezeigt. Konfigurieren Sie die Spezifikationsdatei.
3. Klicken Sie mit der rechten Maustaste auf die Spezifikationsdatei, und wählen Sie AzureML: YAML ausführen aus.

Alternativ können Sie auch den Befehl > Azure ML: Create Workspace in der Befehlspalette verwenden.

Entfernen des Arbeitsbereichs

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Klicken Sie mit der rechten Maustaste auf den Arbeitsbereich, den Sie entfernen möchten.
3. Wählen Sie aus, was entfernt werden soll:
   • Only the workspace (Nur Arbeitsbereich): Mit dieser Option wird nur die Azure-Ressource für den Arbeitsbereich gelöscht. Die Ressourcengruppe, Speicherkonten und alle anderen Ressourcen, mit denen der Arbeitsbereich verknüpft ist, befinden sich immer noch in Azure.
   • With associated resources (Mit zugeordneten Ressourcen): Mit dieser Option werden der Arbeitsbereich und alle zugehörigen Ressourcen gelöscht.

Alternativ können Sie auch den Befehl > Azure ML: Remove Workspace in der Befehlspalette verwenden.

Datenspeicher

Die Erweiterung unterstützt derzeit die folgenden Typen von Datenspeichern:

• Azure Blob
• Azure Data Lake Gen1
• Azure Data Lake Gen2
• Azure File

Weitere Informationen finden Sie unter Datenspeicher.

Erstellen eines Datenspeichers

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Arbeitsbereichsknoten, unter dem Sie den Datenspeicher erstellen möchten.
3. Klicken Sie mit der rechten Maustaste auf den Knoten Datenspeicher, und wählen Sie Datenspeicher erstellen aus.
4. Wählen Sie den Datenspeichertyp aus.
5. Eine Spezifikationsdatei wird angezeigt. Konfigurieren Sie die Spezifikationsdatei.
6. Klicken Sie mit der rechten Maustaste auf die Spezifikationsdatei, und wählen Sie AzureML: YAML ausführen aus.

Alternativ können Sie auch den Befehl > Azure ML: Create Datastore in der Befehlspalette verwenden.

Verwalten eines Datenspeichers

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Arbeitsbereichsknoten.
3. Erweitern Sie den Knoten Datastores (Datenspeicher) in Ihrem Arbeitsbereich.
4. Klicken Sie mit der rechten Maustaste auf den Datenspeicher, um die folgenden Optionen zu verwenden:
   • Unregister Datastore (Registrierung des Datenspeichers aufheben): Entfernt den Datenspeicher aus Ihrem Arbeitsbereich.
   • View Datastore (Datenspeicher anzeigen): Dient zum Anzeigen von Einstellungen für den schreibgeschützten Datenspeicher.

Alternativ können Sie auch den Befehl > Azure ML: Unregister Datastore bzw. > Azure ML: View Datastore in der Befehlspalette verwenden.

Umgebungen

Weitere Informationen finden Sie im Artikel zu Umgebungen.

Erstellen der Umgebung

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Arbeitsbereichsknoten, unter dem Sie den Datenspeicher erstellen möchten.
3. Klicken Sie mit der rechten Maustaste auf den Knoten Environments (Umgebungen), und wählen Sie Create Environment (Umgebung erstellen) aus.
4. Eine Spezifikationsdatei wird angezeigt. Konfigurieren Sie die Spezifikationsdatei.
5. Klicken Sie mit der rechten Maustaste auf die Spezifikationsdatei, und wählen Sie AzureML: YAML ausführen aus.

Alternativ können Sie auch den Befehl > Azure ML: Create Environment in der Befehlspalette verwenden.

Anzeigen von Umgebungskonfigurationen

So zeigen Sie die Abhängigkeiten und Konfigurationen für eine bestimmte Umgebung in der Erweiterung an:

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Arbeitsbereichsknoten.
3. Erweitern Sie den Knoten Environments (Umgebungen).
4. Klicken Sie mit der rechten Maustaste auf die Umgebung, die Sie anzeigen möchten, und wählen Sie View Environment (Umgebung anzeigen) aus.

Alternativ können Sie auch den Befehl > Azure ML: View Environment in der Befehlspalette verwenden.

Erstellen eines Auftrags

Die schnellste Möglichkeit zur Erstellung eines Auftrags ist das Klicken auf das Symbol Auftrag erstellen in der Aktivitätsleiste der Erweiterung.

Verwenden der Ressourcenknoten in der Azure Machine Learning-Ansicht:

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Arbeitsbereichsknoten.
3. Klicken Sie in Ihrem Arbeitsbereich mit der rechten Maustaste auf den Knoten Experimente, und wählen Sie Auftrag erstellen aus.
4. Wählen Sie Ihren Auftragstyp aus.
5. Eine Spezifikationsdatei wird angezeigt. Konfigurieren Sie die Spezifikationsdatei.
6. Klicken Sie mit der rechten Maustaste auf die Spezifikationsdatei, und wählen Sie AzureML: YAML ausführen aus.

Alternativ können Sie auch den Befehl > Azure ML: Create Job in der Befehlspalette verwenden.

Auftrag anzeigen

Gehen Sie wie folgt vor, um Ihren Auftrag in Azure Machine Learning Studio anzuzeigen:

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Knoten Experiments (Experimente) in Ihrem Arbeitsbereich.
3. Klicken Sie mit der rechten Maustaste auf das Experiment, das Sie anzeigen möchten, und wählen Sie View Experiment in Studio (Experiment in Studio anzeigen) aus.
4. Es wird die Aufforderung angezeigt, die Experiment-URL in Azure Machine Learning Studio zu öffnen. Wählen Sie Open(Öffnen).

Alternativ können Sie auch den Befehl > Azure ML: View Experiment in Studio in der Befehlspalette verwenden.

Auftragsstatus nachverfolgen

Beim Ausführen des Auftrags können Sie den Status bzw. Fortschritt verfolgen. So können Sie den Fortschritt eines Auftrags in Azure Machine Learning Studio aus der Erweiterung nachverfolgen:

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Knoten Experiments (Experimente) in Ihrem Arbeitsbereich.
3. Erweitern Sie den Auftragsknoten, für den Sie den Fortschritt nachverfolgen möchten.
4. Klicken Sie mit der rechten Maustaste auf den Auftrag, und wählen Sie "Auftrag in Studio anzeigen" aus.
5. Es wird die Aufforderung angezeigt, die Auftrags-URL in Azure Machine Learning Studio zu öffnen. Klicken Sie auf Öffnen.

Auftragsprotokolle und -ausgaben herunterladen

Nachdem ein Auftrag abgeschlossen wurde, können Sie die Protokolle und Ressourcen herunterladen. Ein Beispiel hierfür ist das Modell, das im Rahmen eines Auftrags generiert wurde.

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Knoten Experiments (Experimente) in Ihrem Arbeitsbereich.
3. Erweitern Sie den Auftragsknoten, für den Sie Protokolle und Ausgaben herunterladen möchten.
4. Klicken Sie mit der rechten Maustaste auf den Auftrag:
   • Wählen Sie Download outputs (Ausgaben herunterladen) aus, um die Ausgaben herunterzuladen.
   • Klicken Sie zum Herunterladen der Protokolle auf Download logs (Protokolle herunterladen).

Alternativ können Sie auch den Befehl > Azure ML: Download Outputs bzw. > Azure ML: Download Logs in der Befehlspalette verwenden.

Compute-Instanzen

Weitere Informationen finden Sie im Artikel über Compute-Instanzen.

Erstellen einer Compute-Instanz

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Arbeitsbereichsknoten.
3. Erweitern Sie den Knoten Compute.
4. Klicken Sie in Ihrem Arbeitsbereich mit der rechten Maustaste auf den Knoten Compute-Instanzen, und wählen Sie dann die Option Computeressource erstellen aus.
5. Eine Spezifikationsdatei wird angezeigt. Konfigurieren Sie die Spezifikationsdatei.
6. Klicken Sie mit der rechten Maustaste auf die Spezifikationsdatei, und wählen Sie AzureML: YAML ausführen aus.

Alternativ können Sie auch den Befehl > Azure ML: Create Compute in der Befehlspalette verwenden.

Herstellen einer Verbindung mit einer Compute-Instanz

Informationen zur Verwendung einer Compute-Instanz als Entwicklungsumgebung oder Jupyter-Remoteserver finden Sie unter Herstellen einer Verbindung mit einer Compute-Instanz.

Anhalten oder Neustart einer Compute-Instanz

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Arbeitsbereichsknoten.
3. Erweitern Sie den Knoten Compute-Instanzen auf Ihrem Knoten Compute.
4. Klicken Sie mit der rechten Maustaste auf die Compute-Instanz, die Sie anhalten oder neu starten möchten, und klicken Sie auf Compute-Instanz beenden bzw. Restart compute instance (Compute-Instanz neu starten).

Alternativ können Sie auch den Befehl > Azure ML: Stop Compute instance bzw. Restart Compute instance in der Befehlspalette verwenden.

Anzeigen der Konfiguration für eine Compute-Instanz

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Arbeitsbereichsknoten.
3. Erweitern Sie den Knoten Compute-Instanzen auf Ihrem Knoten Compute.
4. Klicken Sie mit der rechten Maustaste auf die Compute-Instanz, die Sie untersuchen möchten, und klicken Sie dann auf View Compute instance Properties (Compute-Instanzeigenschaften anzeigen).

Alternativ können Sie auch den Befehl AzureML: View Compute instance Properties in der Befehlspalette verwenden.

Löschen einer Compute-Instanz

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Arbeitsbereichsknoten.
3. Erweitern Sie den Knoten Compute-Instanzen auf Ihrem Knoten Compute.
4. Klicken Sie mit der rechten Maustaste auf die Compute-Instanz, die Sie löschen möchten, und wählen Sie die Option Delete compute instance (Compute-Instanz löschen) aus.

Alternativ können Sie auch den Befehl AzureML: Delete Compute instance in der Befehlspalette verwenden.

Computecluster

Weitere Informationen finden Sie unter Trainieren von Computezielen.

Erstellen eines Computeclusters

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Arbeitsbereichsknoten.
3. Erweitern Sie den Knoten Compute.
4. Klicken Sie in Ihrem Arbeitsbereich mit der rechten Maustaste auf den Knoten Computecluster, und wählen Sie die Option Computeressource erstellen aus.
5. Eine Spezifikationsdatei wird angezeigt. Konfigurieren Sie die Spezifikationsdatei.
6. Klicken Sie mit der rechten Maustaste auf die Spezifikationsdatei, und wählen Sie AzureML: YAML ausführen aus.

Alternativ können Sie auch den Befehl > Azure ML: Create Compute in der Befehlspalette verwenden.

Anzeigen der Computekonfiguration

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Arbeitsbereichsknoten.
3. Erweitern Sie den Knoten Computecluster auf Ihrem Knoten Compute.
4. Klicken Sie mit der rechten Maustaste auf die Computeressource, die Sie anzeigen möchten, und wählen Sie View Compute Properties (Computeeigenschaften anzeigen) aus.

Alternativ können Sie auch den Befehl > Azure ML: View Compute Properties in der Befehlspalette verwenden.

Löschen eines Computeclusters

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Arbeitsbereichsknoten.
3. Erweitern Sie den Knoten Computecluster auf Ihrem Knoten Compute.
4. Klicken Sie mit der rechten Maustaste auf die Computeressource, die Sie löschen möchten, und wählen Sie Remove Compute (Computeressource entfernen) aus.

Alternativ können Sie auch den Befehl > Azure ML: Remove Compute in der Befehlspalette verwenden.

Rückschlusscluster

Weitere Informationen finden Sie unter Computeziele für Rückschlüsse.

Verwalten von Rückschlussclustern

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Arbeitsbereichsknoten.
3. Erweitern Sie den Knoten Inference clusters (Rückschlusscluster) auf Ihrem Knoten Compute.
4. Klicken Sie mit der rechten Maustaste auf die Computeressource, um die folgenden Optionen zu verwenden:
   • View Compute Properties (Compute-Eigenschaften anzeigen): Zeigt die schreibgeschützten Konfigurationsdaten zu Ihrer angefügten Computeressource an.
   • Detach compute (Computeressource trennen): Trennt die Computeressource von Ihrem Arbeitsbereich.

Alternativ können Sie auch den Befehl > Azure ML: View Compute Properties bzw. > Azure ML: Detach Compute in der Befehlspalette verwenden.

Löschen von Rückschlussclustern

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Arbeitsbereichsknoten.
3. Erweitern Sie den Knoten Angefügte Computeressourcen auf Ihrem Knoten Compute.
4. Klicken Sie mit der rechten Maustaste auf die Computeressource, die Sie löschen möchten, und wählen Sie Remove Compute (Computeressource entfernen) aus.

Alternativ können Sie auch den Befehl > Azure ML: Remove Compute in der Befehlspalette verwenden.

Angefügte Computeressource

Weitere Informationen finden Sie unter Nicht verwaltete Computeressourcen.

Verwalten einer angefügten Computeressource

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Arbeitsbereichsknoten.
3. Erweitern Sie den Knoten Angefügte Computeressourcen auf Ihrem Knoten Compute.
4. Klicken Sie mit der rechten Maustaste auf die Computeressource, um die folgenden Optionen zu verwenden:
   • View Compute Properties (Compute-Eigenschaften anzeigen): Zeigt die schreibgeschützten Konfigurationsdaten zu Ihrer angefügten Computeressource an.
   • Detach compute (Computeressource trennen): Trennt die Computeressource von Ihrem Arbeitsbereich.

Alternativ können Sie auch den Befehl > Azure ML: View Compute Properties bzw. > Azure ML: Detach Compute in der Befehlspalette verwenden.

Modelle

Weitere Informationen finden Sie unter Trainieren von Machine Learning-Modellen.

Erstellen eines Modells

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Arbeitsbereichsknoten.
3. Klicken Sie in Ihrem Arbeitsbereich mit der rechten Maustaste auf den Knoten Modelle, und wählen Sie Modell erstellen aus.
4. Eine Spezifikationsdatei wird angezeigt. Konfigurieren Sie die Spezifikationsdatei.
5. Klicken Sie mit der rechten Maustaste auf die Spezifikationsdatei, und wählen Sie AzureML: YAML ausführen aus.

Alternativ können Sie auch den Befehl > Azure ML: Create Model in der Befehlspalette verwenden.

Anzeigen von Modelleigenschaften

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Knoten Models (Modelle) in Ihrem Arbeitsbereich.
3. Klicken Sie mit der rechten Maustaste auf das Modell, dessen Eigenschaften Sie anzeigen möchten, und wählen Sie View Model Properties (Modelleigenschaften anzeigen) aus. Im Editor wird eine Datei mit den Modelleigenschaften geöffnet.

Alternativ können Sie auch den Befehl > Azure ML: View Model Properties in der Befehlspalette verwenden.

Herunterladen des Modells

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Knoten Models (Modelle) in Ihrem Arbeitsbereich.
3. Klicken Sie mit der rechten Maustaste auf das Modell, das Sie herunterladen möchten, und wählen Sie Download Model File (Modelldatei herunterladen) aus.

Alternativ können Sie auch den Befehl > Azure ML: Download Model File in der Befehlspalette verwenden.

Löschen eines Modells

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Knoten Models (Modelle) in Ihrem Arbeitsbereich.
3. Klicken Sie mit der rechten Maustaste auf das zu löschende Modell und anschließend auf Remove Model (Modell entfernen).
4. Sie werden aufgefordert, das Entfernen des Modells zu bestätigen. Klicken Sie auf OK.

Alternativ können Sie auch den Befehl > Azure ML: Remove Model in der Befehlspalette verwenden.

Endpunkte

Weitere Informationen finden Sie unter Endpunkte.

Endpunkt erstellen

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Arbeitsbereichsknoten.
3. Klicken Sie in Ihrem Arbeitsbereich mit der rechten Maustaste auf den Knoten Modelle, und wählen Sie Endpunkt erstellen aus.
4. Wählen Sie Ihren Endpunkttyp aus.
5. Eine Spezifikationsdatei wird angezeigt. Konfigurieren Sie die Spezifikationsdatei.
6. Klicken Sie mit der rechten Maustaste auf die Spezifikationsdatei, und wählen Sie AzureML: YAML ausführen aus.

Alternativ können Sie auch den Befehl > Azure ML: Create Endpoint in der Befehlspalette verwenden.

Löschen eines Endpunkts

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Knoten Endpoints (Endpunkte) in Ihrem Arbeitsbereich.
3. Klicken Sie mit der rechten Maustaste auf die Bereitstellung, die Sie entfernen möchten, und wählen Sie Dienst entfernen aus.
4. Sie werden aufgefordert, das Löschen des Diensts zu bestätigen. Klicken Sie auf OK.

Alternativ können Sie auch den Befehl > Azure ML: Remove Service in der Befehlspalette verwenden.

Anzeigen von Diensteigenschaften

Zusätzlich zum Erstellen und Löschen von Bereitstellungen können Sie auch die Einstellungen für eine Bereitstellung anzeigen.

1. Erweitern Sie den Abonnementknoten, der den Arbeitsbereich enthält.
2. Erweitern Sie den Knoten Endpoints (Endpunkte) in Ihrem Arbeitsbereich.
3. Klicken Sie mit der rechten Maustaste auf die zu verwaltende Bereitstellung:
   • Wählen Sie zum Anzeigen der Konfigurationseinstellungen für die Bereitstellung die Option View service properties (Diensteigenschaften anzeigen) aus.

Alternativ können Sie auch den Befehl > Azure ML: View Service Properties in der Befehlspalette verwenden.

Nächste Schritte

Trainieren eines Bildklassifizierungsmodells mit der VS Code-Erweiterung.