Azure Gépi Tanulással integrált Visual Studio Code elindítása

Ebből a cikkből megtudhatja, hogyan indíthatja el távolról az Azure Machine Learning számítási példányához csatlakoztatott Visual Studio Code-ot. Használja a VS Code-ot integrált fejlesztési környezetként (IDE) az Azure Machine Learning-erőforrások erejével. Használja a VS Code-ot a böngészőben a webes VS Code-tal, vagy használja az asztali VS Code alkalmazást.

A Visual Studio Code-ból kétféleképpen csatlakozhat egy számítási példányhoz. Az első megközelítést javasoljuk.

1. Használja a VS Code-ot a munkaterület integrált fejlesztőkörnyezeteként (IDE). Ez az opció teljes funkcionalitású fejlesztőkörnyezetet biztosít Önnek saját gépi tanulási projektjei létrehozásához.

   • A VS Code-ot megnyithatja a munkaterületéről – vagy a böngészőben a VS Code for the Web változatot, vagy a VS Code Desktop asztali alkalmazást.
   • Javasoljuk a VS Code for the Web használatát, mivel a gépi tanulási munkákat közvetlenül a böngészőből végezheti el, minden szükséges telepítés vagy függőség nélkül.

2. Távoli Jupyter Notebook kiszolgáló. Ez az opció lehetővé teszi, hogy egy számítási példányt távoli Jupyter Notebook-kiszolgálóként állítson be. Ez a lehetőség csak a VS Code (asztali) verzióban érhető el.

Fontos

Ha tűzfal mögött szeretne csatlakozni egy számítási példányhoz, tekintse meg a bejövő és kimenő hálózati forgalom konfigurálását.

Előfeltételek

A kezdés előtt a következőkre lesz szüksége:

1. Azure Machine Learning-munkaterület és számítási példány. Végezze el a létrehozásukhoz szükséges erőforrások létrehozását.
2. Jelentkezzen be a stúdióba , és válassza ki a munkaterületet, ha még nincs megnyitva.

A VS Code használata munkaterületi IDE-ként

Az alábbi lehetőségek egyikével csatlakoztathatja a VS Code-ot a számítási példányhoz és a munkaterület fájljaihoz.

Studio –> VS Code (web)

A VS Code for the Web teljes körű fejlesztési környezetet biztosít a gépi tanulási projektek létrehozásához, mindezt a böngészőből, a szükséges telepítések és függőségek nélkül. Az Azure Machine Learning számítási példány csatlakoztatásával pedig a VS Code gazdag és integrált fejlesztési élményét érheti el, amelyet az Azure Machine Learning nyújtotta teljesítmény is fokoz.

Indítsa el a VS Code for the Web alkalmazást az Azure Machine Learning Studió egyik kiválasztásával, és zökkenőmentesen folytassa a munkát.

Jelentkezzen be az Azure Machine Learning Studióba, és kövesse a lépéseket az Azure Machine Learning számítási példányához csatlakoztatott VS Code (Web) böngészőlap elindításához.

A kapcsolatot az Azure Machine Learning Studio Notebooks vagy Compute szakaszából hozhatja létre.

• Jegyzetfüzetek

  1. Válassza a Jegyzetfüzetek lapot.

  2. A Jegyzetfüzetek lapon válassza ki a szerkeszteni kívánt fájlt.

  3. Ha a számítási példány le van állítva, válassza a Számítás indítása lehetőséget, és várja meg, amíg fut.

     

  4. Válassza a Szerkesztők > szerkesztése lehetőséget a VS Code -ban (web).

  

• Compute

  1. A Számítás lap kiválasztása
  2. Ha a használni kívánt számítási példány le van állítva, jelölje ki, majd válassza a Start lehetőséget.
  3. A számítási példány futtatása után az Alkalmazások oszlopban válassza a VS Code (Web) lehetőséget.

  

Ha nem látja ezeket a beállításokat, győződjön meg arról, hogy engedélyezte a Számítási példányok csatlakoztatása a Visual Studio Code-hoz a webes előzetes verziójú funkcióhoz, ahogyan az előfeltételek szakaszban látható.

Studio –> VS Code (asztali)

Ez a beállítás elindítja az asztali VS Code alkalmazást, amely csatlakozik a számítási példányhoz.

A kezdeti kapcsolaton előfordulhat, hogy a rendszer arra kéri, hogy telepítse az Azure Machine Learning Visual Studio Code bővítményt, ha még nem rendelkezik vele. További információkért tekintse meg az Azure Machine Learning Visual Studio Code-bővítmény beállítási útmutatóját.

Fontos

Ha a Visual Studio Code-ból szeretne csatlakozni a távoli számítási példányhoz, győződjön meg arról, hogy az Azure Machine Learning Studióban bejelentkezett fiók ugyanaz, mint amelyet a Visual Studio Code-ban használ.

Navigálás a ml.azure.com

A kapcsolatot az Azure Machine Learning Studio Notebooks vagy Compute szakaszából hozhatja létre.

• Jegyzetfüzetek

  1. A Jegyzetfüzetek lap kiválasztása

  2. A Jegyzetfüzetek lapon válassza ki a szerkeszteni kívánt fájlt.

  3. Ha a számítási példány le van állítva, válassza a Számítás indítása lehetőséget, és várja meg, amíg fut.

     

  4. Válassza a Szerkesztés lehetőséget a VS Code-ban (asztali verzió).

     

  5. A VS Code (Web) alkalmazást jegyzetfüzet megnyitása nélkül is elindíthatja a Fájlkezelő parancssávján vagy a fájlkezelő egyik mappájának műveletmenüjében

     

• Compute

  1. Válassza a Számítás lapot.
  2. Ha a használni kívánt számítási példány le van állítva, jelölje ki, majd válassza a Start lehetőséget.
  3. A számítási példány futtatása után az Alkalmazások oszlopban válassza a VS Code (Desktop) lehetőséget.

  

VS Code-ból

Ez a beállítás összekapcsolja az aktuális VS Code-munkamenetet egy távoli számítási példánysal. Ahhoz, hogy a VS Code-ból csatlakozzon a számítási példányhoz, telepítenie kell az Azure Machine Learning Visual Studio Code bővítményt. További információkért tekintse meg az Azure Machine Learning Visual Studio Code-bővítmény beállítási útmutatóját.

Azure Machine Learning-bővítmény

1. A VS Code-ban indítsa el az Azure Machine Learning bővítményt.
2. Bontsa ki a compute instances csomópontot a bővítményben.
3. Kattintson a jobb gombbal arra a számítási példányra, amelyhez csatlakozni szeretne, és válassza a Csatlakozás számítási példányhoz lehetőséget.

Parancskatalógus

1. A VS Code-ban nyissa meg a parancskatalógust a Parancskatalógus megtekintése > gombra kattintva.
2. Írja be az AzureML: Csatlakozás számítási példányhoz szövegmezőbe.
3. Válassza ki előfizetését.
4. Válassza ki a munkaterületet.
5. Válassza ki a számítási példányt, vagy hozzon létre egy újat.

Ha kiválasztja a kattintási felület egyikét, megnyílik egy új VS Code-ablak, és egy kapcsolati kísérlet történik a távoli számítási példányhoz. A kapcsolat létrehozásakor a következő lépések történnek:

1. Engedélyezés. A rendszer elvégez néhány ellenőrzést, hogy meggyőződjön arról, hogy a kapcsolatot kezdeményező felhasználó jogosult a számítási példány használatára.
2. A VS Code Távoli kiszolgáló telepítve van a számítási példányon.
3. Létrejön egy WebSocket-kapcsolat a valós idejű interakcióhoz.

A kapcsolat létrejötte után a kapcsolat megmarad. A rendszer a munkamenet elején állít ki egy jogkivonatot, amely automatikusan frissül a számítási példányhoz való kapcsolat fenntartása érdekében.

Miután csatlakozott a távoli számítási példányhoz, használja a szerkesztőt a következő célokra:

• Fájlok létrehozása és kezelése a távoli számítási példányon vagy fájlmegosztáson.
• A VS Code integrált terminál használatával parancsokat és alkalmazásokat futtathat a távoli számítási példányon.
• Szkriptek és alkalmazások hibakeresése
• A VS Code használata a Git-adattárak kezeléséhez

Távoli Jupyter Notebook-kiszolgáló

Ez a beállítás lehetővé teszi, hogy egy számítási példányt távoli Jupyter Notebook-kiszolgálóként használjon a Visual Studio Code-ból (Desktop). Ez a beállítás csak a számítási példányhoz csatlakozik, a munkaterület többi részéhez nem. Ha ezt a lehetőséget választja, nem fogja látni a munkaterület fájljait a VS Code-ban.

A számítási példány távoli Jupyter Notebook-kiszolgálóként való konfigurálásához először telepítse a következőt:

• Azure Machine Learning Visual Studio Code-bővítmény. További információkért tekintse meg az Azure Machine Learning Visual Studio Code-bővítmény beállítási útmutatóját.

Számítási példányhoz való csatlakozás:

1. Nyisson meg egy Jupyter-jegyzetfüzetet a Visual Studio Code-ban.

2. Amikor az integrált jegyzetfüzet betöltődik, válassza a Kernel kiválasztása lehetőséget.

   

   Másik lehetőségként használja a parancskatalógust:

   1. A parancskatalógus megnyitásához válassza a Parancskatalógus megtekintése > lehetőséget a menüsávon.
   2. Írja be a szövegmezőbe AzureML: Connect to Compute instance Jupyter server.

3. Válasszon Azure ML Compute Instances a Jupyter-kiszolgáló beállításainak listájából.

4. Válassza ki az előfizetését az előfizetések listájából. Ha korábban konfigurálta az alapértelmezett Azure Machine Learning-munkaterületet, a rendszer kihagyja ezt a lépést.

5. Válassza ki a munkaterületet.

6. Válassza ki a számítási példányt a listából. Ha nincs ilyenje, válassza az Új Azure Machine Learning számítási példány létrehozása lehetőséget, és az utasításokat követve hozzon létre egyet.

7. A módosítások érvénybe lépéséhez újra kell betöltenie a Visual Studio Code-ot.

8. Nyisson meg egy Jupyter-jegyzetfüzetet, és futtasson egy cellát.

Fontos

A kapcsolat létrehozásához egy cellát kell futtatnia.

Ezen a ponton továbbra is futtathat cellákat a Jupyter Notebookban.

Tipp.

Jupyter-szerű kódcellákat tartalmazó Python-szkriptfájlokkal (.py) is dolgozhat. További információkért tekintse meg a Visual Studio Code Python interaktív dokumentációját.

Következő lépések

Most, hogy távolról elindította a Visual Studio Code-ot egy számítási példányhoz csatlakoztatva, előkészítheti az adatokat, szerkesztheti és hibakeresést végezhet a kódban, és betanítási feladatokat küldhet be az Azure Machine Learning bővítmény használatával.

Ha többet szeretne megtudni arról, hogyan hozhatja ki a legtöbbet az Azure Machine Learningbe integrált VS Code-ból, olvassa el a számítási példányhoz távolról csatlakoztatott VS Code-ban végzett munkát (előzetes verzió) ismertető témakört.