Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
Una instancia de proceso de Azure Machine Learning es una estación de trabajo administrada basada en la nube para científicos de datos. Cada instancia de proceso solo tiene un propietario, pero puede compartir archivos entre varias instancias de proceso.
Las instancias de proceso facilitan empezar a desarrollar en Azure Machine Learning y proporcionan capacidades de administración y preparación para entornos empresariales a los administradores de TI.
Use una instancia de proceso como el entorno de desarrollo completamente configurado y administrado en la nube para el aprendizaje automático. También puede usar instancias de proceso como destino de proceso para el entrenamiento y la inferencia con fines de desarrollo y pruebas.
Para que la funcionalidad de Jupyter de la instancia de cómputo funcione, asegúrese de que la comunicación mediante WebSocket no esté deshabilitada. Asegúrese de que la red permite conexiones de websocket a *.instances.azureml.net y *.instances.azureml.ms.
Importante
Los elementos marcados (versión preliminar) en este artículo se encuentran actualmente en versión preliminar pública. Se ofrece la versión preliminar sin Acuerdo de Nivel de Servicio y no se recomienda para cargas de trabajo de producción. Es posible que algunas características no sean compatibles o que tengan sus funcionalidades limitadas. Para más información, consulte Términos de uso complementarios de las Versiones Preliminares de Microsoft Azure.
¿Por qué usar una instancia de proceso?
Una instancia de proceso es una estación de trabajo totalmente administrada basada en la nube optimizada para el entorno de desarrollo de aprendizaje automático. Proporciona las siguientes ventajas:
| Ventajas principales | Descripción |
|---|---|
| Productividad | Puede compilar e implementar modelos con cuadernos integrados y las siguientes herramientas en Azure Machine Learning Studio: - Jupyter - JupyterLab - VS Code (versión preliminar) La instancia de proceso está totalmente integrada con el área de trabajo y estudio de Azure Machine Learning. Puede compartir cuadernos y datos con otros científicos de datos en el área de trabajo. |
| Administrada y segura | Reduzca su superficie expuesta y cumpla con los requisitos de seguridad de la empresa. Las instancias de proceso proporcionan directivas de administración sólidas y configuraciones de red seguras, como: - Aprovisionamiento automático a partir de plantillas de Resource Manager o del SDK de Azure Machine Learning - Control de acceso basado en roles de Azure (RBAC de Azure) - Compatibilidad con redes virtuales - Directiva de Azure para deshabilitar el acceso SSH - Directiva de Azure para exigir la creación en una red virtual - Apagado automático/inicio automático según la programación - TLS 1.2 habilitado |
| Preconfigurado para ML | Ahorre tiempo en tareas de configuración con paquetes de ML, marcos de aprendizaje profundo y controladores de GPU preconfigurados y actualizados. |
| Totalmente personalizable | La amplia compatibilidad con los tipos de máquina virtual de Azure, incluidas las GPU y la personalización de bajo nivel persistente, como la instalación de paquetes y controladores, hace que los escenarios avanzados sean muy sencillos. También puede usar scripts de instalación para automatizar la personalización. |
- Proteja la instancia de proceso con la opción Ninguna dirección IP pública.
- La instancia de cálculo también es un destino de cálculo seguro para entrenamiento similar a los clústeres de cálculo, aunque consta de un solo nodo.
- Puede crear una instancia de proceso o bien un administrador puede crear una instancia de proceso en su nombre .
- También puede usar un script de configuración para disponer de una manera automatizada de personalizar y configurar la instancia de proceso según sus necesidades.
- Para ahorrar costos, cree una programación para iniciar y detener automáticamente la instancia de proceso o habilitar el apagado inactivo.
Herramientas y entornos
La instancia de proceso de Azure Machine Learning le permite crear, entrenar e implementar modelos en una experiencia de notebook totalmente integrada en su área de trabajo.
Puede ejecutar cuadernos desde el área de trabajo de Azure Machine Learning, Jupyter, JupyterLabo Visual Studio Code. Puede configurar VS Code Desktop para acceder a la instancia de proceso. O bien, use VS Code para web, directamente desde el explorador y sin instalaciones o dependencias necesarias.
Pruebe VS Code para la Web para aprovechar las ventajas de la integración sencilla y el entorno de desarrollo enriquecido que proporciona. VS Code para la Web te ofrece muchas de las funciones de VS Code Desktop que tanto te gustan, incluidas la búsqueda y el resaltado de sintaxis al navegar y editar. Para obtener más información sobre el uso de VS Code escritorio y VS Code para web, consulte Iniciar Visual Studio Code integrado con Azure Machine Learning (versión preliminar) y Trabajar en VS Code de forma remota conectada a una instancia de proceso (versión preliminar).
Puede instalar paquetes y agregar kernels a su instancia de proceso.
Las siguientes herramientas y entornos ya están instalados en la instancia de proceso:
| Herramientas y entornos generales | Detalles |
|---|---|
| Controladores | CUDAcuDNNNVIDIABlob FUSE |
| Intel MPI Library | |
| CLI de Azure | |
| Ejemplos de Azure Machine Learning | |
| Docker | |
| Nginx | |
| NCCL 2.0 | |
| Protobuf |
| Herramientas y entornos de R | Detalles |
|---|---|
| núcleo de R |
Puede agregar RStudio o Posit Workbench (anteriormente, RStudio Workbench) al crear la instancia.
| Entornos y herramientas de PYTHON | Detalles |
|---|---|
| Anaconda Python | |
| Jupyter y extensiones | |
| Jupyterlab y extensiones | |
|
SDK de Azure Machine Learning para Python de PyPI |
Incluye azure-ai-ml y muchos paquetes adicionales comunes de Azure. Para ver la lista completa, abra una ventana de terminal en la instancia de proceso y ejecute conda list -n azureml_py310_sdkv2 ^azure |
| Otros paquetes de PyPI | jupytexttensorboardnbconvertnotebookPillow |
| Paquetes Conda | cythonnumpyipykernelscikit-learnmatplotlibtqdmjoblibnodejs |
| Paquetes de aprendizaje profundo | PyTorchTensorFlowKerasHorovodMLFlowpandas-mlscrapbook |
| Paquetes de ONNX | keras2onnxonnxonnxconverter-commonskl2onnxonnxmltools |
| Ejemplos de Python para Azure Machine Learning |
La instancia de proceso tiene Ubuntu como sistema operativo base.
Acceso a archivos
La cuenta de almacenamiento predeterminada del área de trabajo en el recurso compartido de archivos de Azure almacena cuadernos y scripts de Python. Puede encontrar estos archivos en el directorio "Archivos de usuario". Este almacenamiento facilita el uso compartido de cuadernos entre instancias de proceso. La cuenta de almacenamiento también mantiene los cuadernos conservados de forma segura cuando detiene o elimina una instancia de proceso.
La cuenta del recurso compartido de archivos de Azure de su área de trabajo se monta como una unidad en la instancia de proceso. Esta unidad es el directorio de trabajo predeterminado para Jupyter, Jupyter Labs, RStudio y Posit Workbench. Esta configuración significa que los cuadernos y otros archivos que cree en Jupyter, JupyterLab, VS Code for Web, RStudio oPositiv se almacenan automáticamente en el recurso compartido de archivos y están disponibles para su uso en otras instancias de proceso.
Todas las instancias de proceso en la misma área de trabajo pueden acceder a los archivos del recurso compartido de archivos. Los cambios realizados en estos archivos en la instancia de computación se guardan de forma fiable de nuevo en el recurso compartido de archivos.
También puede clonar los ejemplos más recientes de Azure Machine Learning en su carpeta dentro del directorio de archivos de usuario del recurso compartido de archivos del área de trabajo.
La escritura de archivos pequeños puede ser más lenta en las unidades de red que la escritura en el propio disco local de la instancia de proceso. Si escribe muchos archivos pequeños, pruebe a usar un directorio directamente en la instancia de proceso, como un directorio/tmp. Tenga en cuenta que los archivos de la instancia de proceso no son accesibles desde otras instancias de proceso.
No almacene los datos de entrenamiento en el recurso compartido de archivos de notebooks. Para obtener información acerca de las distintas opciones para almacenar datos, vea Acceso a datos en un trabajo .
Puede usar el directorio /tmp en la instancia de proceso para los datos temporales. Pero no escriba grandes archivos de datos en el disco del sistema operativo de la instancia de proceso. El disco del sistema operativo de la instancia de proceso tiene capacidad de 120 GB. También puede almacenar datos de entrenamiento temporales en el disco temporal montado en /mnt. El tamaño de disco temporal se basa en el tamaño de máquina virtual elegido y puede almacenar grandes cantidades de datos si se elige una máquina virtual de tamaño superior. Los paquetes de software que instale se guardan en el disco del sistema operativo de la instancia de proceso. Tenga en cuenta que el cifrado de claves administradas por el cliente no se admite actualmente para el disco del sistema operativo. El disco del sistema operativo de la instancia de proceso se cifra con claves administradas Microsoft.
Crear
Para crear una instancia de proceso básica, consulte Creación de recursos que necesita para empezar.
Para obtener más opciones, consulte Creación de una nueva instancia de proceso.
Como administrador, puede crear una instancia de proceso para otros usuarios en el área de trabajo. Debe deshabilitar el inicio de sesión único (SSO) para dicha instancia informática.
También puede usar un script de configuración para disponer de una manera automatizada de personalizar y configurar la instancia de proceso.
Otras formas de crear una instancia de computación:
- Directamente de la experiencia de cuadernos integrados.
- A partir de una plantilla de Azure Resource Manager. Como ejemplo de plantilla, consulte la plantilla para crear una instancia de proceso de Azure Machine Learning.
- Con SDK de Azure Machine Learning
- A partir de la extensión de la CLI para Azure Machine Learning
La cuota de núcleos dedicados por región y por familia de máquinas virtuales, y la cuota regional total, que se aplican a la creación de instancias de proceso, están unificadas y se comparten con la cuota de clústeres de proceso para entrenamiento de Azure Machine Learning. La detención de la instancia de proceso no libera cuota, con el fin de garantizar que pueda reiniciar la instancia de proceso. No detenga la instancia de cálculo desde el terminal del sistema operativo ejecutando sudo shutdown.
La instancia de computación incluye un disco del sistema operativo P10. El tipo de disco temporal depende del tamaño de VM elegido. Actualmente, no se puede cambiar el tipo de disco del sistema operativo.
Destino de cálculo
Las instancias de proceso se pueden usar como destino de proceso de entrenamiento de forma similar a los clústeres de entrenamiento de Azure Machine Learning. Pero una instancia de proceso solo tiene un solo nodo, mientras que un clúster de proceso puede tener más nodos.
Importante
Para usar una instancia de Proceso como destino de proceso para enviar trabajos de entrenamiento, es necesario habilitar el acceso raíz en la instancia de Proceso. Esto debe hacerse durante la creación de la instancia de Proceso. Si el acceso raíz no está habilitado, no podrá usar la instancia de Proceso como destino de proceso para trabajos de entrenamiento.
Una instancia informática:
- Tiene una cola de trabajo.
- Ejecuta trabajos de forma segura en un entorno de red virtual, sin necesidad de que las empresas abran el puerto SSH. El trabajo se ejecuta en un entorno en contenedor y empaqueta las dependencias del modelo en un contenedor de Docker.
- Puede ejecutar varios trabajos pequeños en paralelo. Se puede ejecutar un trabajo por cada vCPU en paralelo, mientras el resto de los trabajos quedan en cola.
- Admite trabajos de entrenamiento distribuido con varias GPU de un solo nodo.
Puede usar una instancia de proceso como destino de implementación local para inferencia en escenarios de prueba y depuración.
Sugerencia
La instancia de proceso tiene un disco de SO de 120 GB. Si se queda sin espacio en el disco y entra en un estado inutilizable, borre al menos 5 GB de espacio en el disco del sistema operativo (que está montado en /) mediante el terminal de la instancia de proceso, elimine archivos o carpetas y, a continuación, ejecute sudo reboot. El disco temporal se liberará después del reinicio; no es necesario borrar el espacio en el disco temporal manualmente. Para acceder al terminal, vaya a la página de la lista de instancias de proceso o a la página de detalles de la instancia de proceso y haga clic en el vínculo Terminal. Para comprobar el espacio disponible en disco, ejecute df -h en el terminal. Borre al menos 5 GB de espacio antes de ejecutar sudo reboot. No detenga ni reinicie la instancia de proceso mediante Studio hasta que se haya borrado un espacio en disco de 5 GB. Los apagados automáticos, incluidos el arranque o apagado programados, así como los apagados por inactividad, no funcionarán si el disco de CI está lleno.
Contenido relacionado
- Crea los recursos que necesitas para empezar.
- Tutorial: Formar su primer modelo de ML muestra cómo usar una instancia de proceso con un cuaderno integrado.