Azure Machine Learning számítási példány létrehozása és kezelése a CLI v1 használatával
A KÖVETKEZŐKRE VONATKOZIK:
Azure CLI ml-bővítmény v1Python SDK azureml v1
Megtudhatja, hogyan hozhat létre és kezelhet számítási példányokat az Azure Machine Learning-munkaterületen a CLI 1-ben.
Használjon számítási példányt teljes mértékben konfigurált és felügyelt fejlesztési környezetként a felhőben. A fejlesztéshez és teszteléshez a példányt betanítási számítási célként vagy következtetési célként is használhatja. A számítási példányok párhuzamosan több feladatot is futtathatnak, és feladatsort is tartalmazhatnak. Fejlesztési környezetként a számítási példányok nem oszthatók meg a munkaterület többi felhasználójával.
A számítási példányok biztonságosan futtathatnak feladatokat virtuális hálózati környezetben anélkül, hogy a vállalatoknak SSH-portokat kellene megnyitniuk. A feladat tárolóalapú környezetben fut, és a modell függőségeit egy Docker-tárolóba csomagolja.
Ebben a cikkben az alábbiakkal ismerkedhet meg:
- Új számítási példány létrehozása
- Számítási példány kezelése (indítás, leállítás, újraindítás, törlés)
Megjegyzés
Ez a cikk csak azt ismerteti, hogyan végezheti el ezeket a feladatokat a CLI v1 használatával. A számítási példányok kezelésének újabb módjaiért lásd: Azure Machine Learning számítási fürt létrehozása.
Előfeltételek
Egy Azure Machine Learning-munkaterület. További információ: Azure Machine Learning-munkaterület létrehozása.
A Machine Learning service (v1) vagy azAzure Machine Learning Python SDK (v1) Azure CLI-bővítménye.
Fontos
A cikkben szereplő Azure CLI-parancsok némelyike az
azure-cli-mlAzure Machine Learninghez készült , vagy v1 bővítményt használja. A v1-bővítmény támogatása 2025. szeptember 30-án megszűnik. Addig a dátumig telepítheti és használhatja a v1 bővítményt.Javasoljuk, hogy 2025. szeptember 30-a előtt váltson a
ml, vagy v2 kiterjesztésre. A v2-es bővítményről további információt az Azure ML CLI-bővítmény és a Python SDK v2 című témakörben talál.
Létrehozás
Fontos
Az alább megjelölt (előzetes verziójú) elemek jelenleg nyilvános előzetes verzióban érhetők el. Az előzetes verzió szolgáltatásszint-szerződés nélkül érhető el, éles számítási feladatokhoz nem ajánlott. Előfordulhat, hogy néhány funkció nem támogatott, vagy korlátozott képességekkel rendelkezik. További információ: Kiegészítő használati feltételek a Microsoft Azure előzetes verziójú termékeihez.
Időbecslés: Körülbelül 5 perc.
A számítási példány létrehozása a munkaterület egyszeri folyamata. A számítást felhasználhatja fejlesztési munkaállomásként vagy számítási célként a betanításhoz. A munkaterülethez több számítási példány is csatolható.
A virtuálisgép-családra vonatkozó régiónkénti dedikált magok és a számítási példányok létrehozására vonatkozó összes regionális kvóta egységes és meg van osztva az Azure Machine Learning betanítási számítási fürtkvótajával. A számítási példány leállítása nem oldja fel a kvótát annak biztosítása érdekében, hogy újra tudja indítani a számítási példányt. A létrehozása után nem módosítható a számítási példány virtuálisgép-mérete.
Az alábbi példa bemutatja, hogyan hozhat létre számítási példányt:
A KÖVETKEZŐKRE VONATKOZIK:Python SDK azureml v1
import datetime
import time
from azureml.core.compute import ComputeTarget, ComputeInstance
from azureml.core.compute_target import ComputeTargetException
# Choose a name for your instance
# Compute instance name should be unique across the azure region
compute_name = "ci{}".format(ws._workspace_id)[:10]
# Verify that instance does not exist already
try:
instance = ComputeInstance(workspace=ws, name=compute_name)
print('Found existing instance, use it.')
except ComputeTargetException:
compute_config = ComputeInstance.provisioning_configuration(
vm_size='STANDARD_D3_V2',
ssh_public_access=False,
# vnet_resourcegroup_name='<my-resource-group>',
# vnet_name='<my-vnet-name>',
# subnet_name='default',
# admin_user_ssh_public_key='<my-sshkey>'
)
instance = ComputeInstance.create(ws, compute_name, compute_config)
instance.wait_for_completion(show_output=True)
Az ebben a példában használt osztályokról, metódusokról és paraméterekről az alábbi referenciadokumentumokban talál további információt:
Kezelés
Számítási példány indítása, leállítása, újraindítása és törlése. A számítási példányok nem hajtanak végre automatikus vertikális leskálázást, ezért mindenképpen állítsa le az erőforrást a költségek halmozódásának elkerülése érdekében. A leállítással felszabadítja a számítási példányt. Ezután indítsa el újra, amikor szüksége van rá. A számítási példány leállítása leállítja az üzemórák számlázását, azonban továbbra is fizetési kötelezettség terheli a lemezért, a nyilvános IP-címért és a standard terheléselosztóért.
Tipp
A számítási példány 120 GB-os operációsrendszer-lemezzel rendelkezik. Ha elfogy a lemezterület, a terminál használatával töröljön legalább 1–2 GB-ot a számítási példány leállítása vagy újraindítása előtt. Ne állítsa le a számítási példányt úgy, hogy sudo leállítást ad ki a terminálból. A számítási példány ideiglenes lemezmérete a kiválasztott virtuálisgép-mérettől függ, és az /mnt-hez van csatlakoztatva.
A KÖVETKEZŐKRE VONATKOZIK:Python SDK azureml v1
Az alábbi példákban a számítási példány neve példány.
Állapot lekérése
# get_status() gets the latest status of the ComputeInstance target instance.get_status()Leállítás
# stop() is used to stop the ComputeInstance # Stopping ComputeInstance will stop the billing meter and persist the state on the disk. # Available Quota will not be changed with this operation. instance.stop(wait_for_completion=True, show_output=True)Indítás
# start() is used to start the ComputeInstance if it is in stopped state instance.start(wait_for_completion=True, show_output=True)Újraindítás
# restart() is used to restart the ComputeInstance instance.restart(wait_for_completion=True, show_output=True)Törlés
# delete() is used to delete the ComputeInstance target. Useful if you want to re-use the compute name instance.delete(wait_for_completion=True, show_output=True)
Az Azure RBAC lehetővé teszi annak szabályozását, hogy a munkaterület mely felhasználói hozhatnak létre, törölhetnek, indíthatnak el, állíthatnak le, indíthatnak újra egy számítási példányt. A munkaterület közreműködői és tulajdonosi szerepkörében lévő összes felhasználó létrehozhat, törölhet, elindíthat, leállíthat és újraindíthat számítási példányokat a munkaterületen. Azonban csak egy adott számítási példány létrehozója vagy a nevében létrehozott felhasználó férhet hozzá a Jupyterhez, a JupyterLabhoz, az RStudiohoz és a Posit Workbenchhez (korábbi nevén RStudio Workbench) az adott számítási példányon. A számítási példányok egyetlen, gyökérszintű hozzáféréssel rendelkező felhasználó számára vannak dedikáltak. A felhasználó hozzáfér a példányon futó Jupyter/JupyterLab/RStudio/Posit Workbench szolgáltatáshoz. A számítási példányba egyfelhasználós bejelentkezés fog tartozni, és minden művelet az adott felhasználó identitását fogja használni az Azure RBAC-hez és a kísérletfuttatások hozzárendeléséhez. Az SSH-hozzáférést nyilvános/titkos kulcsos mechanizmus szabályozza.
Ezeket a műveleteket az Azure RBAC szabályozhatja:
- Microsoft.MachineLearningServices/workspaces/computes/read
- Microsoft.MachineLearningServices/workspaces/computes/write
- Microsoft.MachineLearningServices/workspaces/computes/delete
- Microsoft.MachineLearningServices/workspaces/computes/start/action
- Microsoft.MachineLearningServices/workspaces/computes/stop/action
- Microsoft.MachineLearningServices/workspaces/computes/restart/action
- Microsoft.MachineLearningServices/workspaces/computes/updateSchedules/action
Számítási példány létrehozásához engedéllyel kell rendelkeznie a következő műveletekhez:
- Microsoft.MachineLearningServices/workspaces/computes/write
- Microsoft.MachineLearningServices/workspaces/checkComputeNameAvailability/action