A Visual Studio Code integrálása az Azure Machine Learningbe

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 együtt. Használja a VS Code-ot a böngészőben a webes VS Code-tal, vagy használja az asztali VS Code alkalmazást.

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

• Használja a VS Code-ot a munkaterület IDE-jeként. Ez a lehetőség teljes körű fejlesztési környezetet biztosít a gépi tanulási projektek létrehozásához.

  • A VS Code-ot megnyithatja a munkaterületről a böngészőben a VS Code webes verziójával, vagy használhatja az asztali VS Code-ot.
  • A WEBES VS Code használatát javasoljuk, mert minden gépi tanulási munkát közvetlenül egy böngészőből végezhet, a szükséges telepítések és függőségek nélkül.

• Használjon távoli Jupyter Notebook-kiszolgálót. Ez a beállítás lehetővé teszi, hogy egy számítási példányt távoli Jupyter Notebook-kiszolgálóként állítson be. Ez a beállítás csak asztali VS Code-ban érhető el.

Fontos

A tűzfal mögötti számítási példányhoz való csatlakozásról további információt a bejövő és kimenő hálózati forgalom konfigurálása című témakörben talál.

Előfeltételek

• Azure Machine Learning-munkaterület és számítási példány. Végezze el a létrehozásukhoz szükséges erőforrások létrehozását.
• 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 for the Web

A VS Code for the Web teljes körű fejlesztési környezetet biztosít a gépi tanulási projektek létrehozásához, mindezt böngészőből, valamint szükséges telepítések és függőségek nélkül. Az Azure Machine Learning számítási példányának csatlakoztatásakor a VS Code gazdag és integrált fejlesztési élményét az Azure Machine Learning ereje fokozza.

Az Azure Machine Learning Studióból egyetlen kattintással elindíthatja a WEBES VS Code-ot, és zökkenőmentesen folytathatja a munkát.

Jelentkezzen be az Azure Machine Learning Studióba , és kövesse a lépéseket egy VS Code elindításához az Azure Machine Learning számítási példányához csatlakoztatott webböngésző laphoz.

A kapcsolatot a Jegyzetfüzetek vagy az Azure Machine Learning Studio Számítási szakaszából hozhatja létre.

• Notebooks

  1. A bal oldali menüben válassza a Jegyzetfüzetek lehetőséget.

  2. A Fájlok listában 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. A kódszerkesztők listájában válassza a Szerkesztés a VS Code-ban (web)lehetőséget.

     

  • A VS Code for Web alkalmazást jegyzetfüzet megnyitása nélkül is elindíthatja a Fájlok lista fölött található VS Code (Web) gombra kattintva, vagy a fájlok listájában lévő mappára való jobb gombbal kattintva.

    

• Compute

  1. A bal oldali menüben válassza a Számítás lehetőséget.
  2. Ha a használni kívánt számítási példány le van állítva, jelölje ki, majd válassza a Start lehetőséget.
  3. Amikor a számítási példány fut, az Alkalmazások oszlopban válassza a VS Code (Web) lehetőséget.

  

Studio VS Code asztali verzió >

Ez a beállítás elindítja az asztali VS Code alkalmazást, és csatlakoztatja a számítási példányhoz.

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

Fontos

Ha a VS Code-ból csatlakozik a távoli számítási példányhoz, győződjön meg arról, hogy az Azure Machine Learning Studióban bejelentkezett fiók megegyezik a VS Code-ban használt fiókkal.

A kapcsolatot a Jegyzetfüzetek vagy az Azure Machine Learning Studio Számítási szakaszából hozhatja létre.

• Notebooks

  1. A bal oldali menüben válassza a Jegyzetfüzetek lehetőséget.

  2. A Fájlok listában 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. A kódszerkesztők listájában válassza a Szerkesztés a VS Code-ban (asztali verzió) lehetőséget.

     

• Compute

  1. A bal oldali menüben válassza a Számítás lehetőséget.
  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 (Asztali) lehetőséget.

  

VS Code-ból

Ez a beállítás összekapcsolja az aktuális VS Code-munkamenetet egy távoli számítási példánysal. Ha a VS Code-ból szeretne csatlakozni a számítási példányhoz, telepítenie kell az Azure Machine Learning Visual Studio Code bővítményt. További információkért tekintse meg az Azure Machine Learning VS 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, majd válassza a Csatlakozás új ablakban lehetőséget.

Parancspaletta

1. A VS Code-ban nyissa meg a parancskatalógust a Parancskatalógus megtekintése > gombra kattintva.
2. Szűrjön az Azure ML-Remote-ra, majd válassza ki: Csatlakozás a számítási példányhoz új ablakban.
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 megkísérli a távoli számítási példányhoz való csatlakozást. 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 kibocsát egy tokent, amely automatikusan frissül, hogy fenntartsa a kapcsolatot a számítási példánnyal.

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.
• A szkriptek és alkalmazások hibakeresése.
• A VS Code használatával kezelheti a Git-adattárakat.

Távoli Jupyter Notebook-kiszolgáló

Ez a beállítás lehetővé teszi, hogy egy számítási példányt távoli Jupyter Notebook-kiszolgálóként használjon a VS Code asztali verziójából. 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.

Ha távoli Jupyter Notebook-kiszolgálóként szeretne konfigurálni egy számítási példányt, először telepítse az Azure Machine Learning VS Code bővítményt. További információkért tekintse meg az Azure Machine Learning VS Code bővítmény beállítási útmutatóját.

Számítási példányhoz való csatlakozás:

1. Nyisson meg egy Jupyter-jegyzetfüzetet a VS Code-ban.

2. Amikor az integrált jegyzetfüzet betöltődik, kattintson a Kernel kiválasztása gombra.

   

   Másik lehetőségként használja a parancskatalógust:

   1. Válassza a Parancskatalógus megtekintése > lehetőséget a parancskatalógus megnyitásához.
   2. Az Azure ML szűrése és kiválasztása : Csatlakozás a Jupyter-kiszolgáló számítási példányához.

3. Válassza ki az Azure ML számítási példányt a Jupyter-kiszolgáló beállításainak listájából.

4. Válasszon ki egy kernelt.

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

6. Válassza ki a munkaterületet.

7. 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.

8. A módosítások érvénybe lépéséhez újra kell betöltenie a VS Code-ot.

9. 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 elindította a VS Code távoli csatlakoztatását egy számítási példányhoz, előkészítheti az adatokat, szerkesztheti és hibakeresésre használhatja a kódot, 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.