Azure Machine-Tanulás számítási példány kezelése
ÉRVÉNYES:Azure CLI ml-bővítmény v2 (aktuális)Python SDK azure-ai-ml v2 (aktuális)
Megtudhatja, hogyan kezelheti a számítási példányokat az Azure Machine Tanulás-munkaterületen.
Használjon számítási példányt teljes mértékben konfigurált és felügyelt fejlesztési környezetként a felhőben. A fejlesztéshez és teszteléshez a példányt betanítási számítási célként is használhatja. A számítási példányok egyszerre több feladatot is futtathatnak, és feladatsorsal is rendelkezhetnek. Fejlesztési környezetként a számítási példányok nem oszthatók meg a munkaterület többi felhasználójával.
Ebben a cikkben megtudhatja, hogyan indíthat el, állíthat le, indíthat újra és törölhet számítási példányokat. A számítási példányok létrehozásának módjáról az Azure Machine Tanulás számítási példány létrehozása című témakörben olvashat.
Feljegyzés
Ez a cikk a cli v2-t mutatja be az alábbi szakaszokban. Ha továbbra is cli v1-et használ, olvassa el az Azure Machine Tanulás számítási fürt CLI 1-et.
Előfeltételek
- Egy Azure Machine Learning-munkaterület. További információ: Azure Machine Tanulás-munkaterületek kezelése.
Válassza ki a megfelelő lapot a többi előfeltételhez a számítási példány kezelésének előnyben részesített módszere alapján.
Ha nem számítási példányon futtatja a kódot, telepítse az Azure Machine Tanulás Python SDK-t. Ez az SDK már telepítve van egy számítási példányon.
Csatolja a munkaterülethez a Python-szkriptben:
Futtassa ezt a kódot az Azure Machine Tanulás-munkaterülethez való csatlakozáshoz.
Cserélje le az előfizetés azonosítóját, az erőforráscsoport nevét és a munkaterület nevét az alábbi kódban. Az alábbi értékek megkeresése:
- Jelentkezzen be az Azure Machine Tanulás Studióba.
- Nyissa meg a használni kívánt munkaterületet.
- Válassza ki a munkaterület nevét a jobb felső Azure Machine Tanulás studio eszköztáron.
- Másolja a munkaterület, az erőforráscsoport és az előfizetés azonosítójának értékét a kódba.
- Másolja ki az egyik értéket, zárja be a területet, és illessze be, majd térjen vissza a következőre, amikor a studióban lévő jegyzetfüzetbe illeszt be.
A KÖVETKEZŐKRE VONATKOZIK: Python SDK azure-ai-ml v2 (aktuális)
# Enter details of your AML workspace subscription_id = "<SUBSCRIPTION_ID>" resource_group = "<RESOURCE_GROUP>" workspace = "<AML_WORKSPACE_NAME>"
# get a handle to the workspace from azure.ai.ml import MLClient from azure.identity import DefaultAzureCredential ml_client = MLClient( DefaultAzureCredential(), subscription_id, resource_group, workspace )
ml_client
a munkaterület kezelője, amelyet más erőforrások és feladatok kezelésére használ.
Kezelés
Számítási példány indítása, leállítása, újraindítása és törlése. A számítási példányok nem mindig lesznek automatikusan leskálázva, ezért a folyamatos költségek elkerülése érdekében állítsa le az erőforrást. A leállítással felszabadítja a számítási példányt. Ezután indítsa 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.
Engedélyezheti az automatikus leállítást a számítási példány automatikus leállításához egy megadott idő után.
Létrehozhat egy ütemezést is a számítási példány számára, amely automatikusan elindul és leáll a hét egy ideje és napja alapján.
Tipp.
A számítási példány 120 GB-os operációsrendszer-lemezzel rendelkezik. Ha elfogy a lemezterület, a terminál használatával töröljön legalább 1–2 GB-ot, mielőtt leállítja vagy újraindítaná a számítási példányt. Ne állítsa le a számítási példányt úgy, hogy sudo leállítást állít ki a terminálról. A számítási példány ideiglenes lemezmérete a kiválasztott virtuálisgép-mérettől függ, és az /mnt-hez van csatlakoztatva.
A KÖVETKEZŐKRE VONATKOZIK: Python SDK azure-ai-ml v2 (aktuális)
Ezekben a példákban a számítási példány nevét a változó ci_basic_name
tárolja.
Állapot lekérése
from azure.ai.ml.entities import ComputeInstance, AmlCompute # Get compute ci_basic_state = ml_client.compute.get(ci_basic_name)
Leállítás
from azure.ai.ml.entities import ComputeInstance, AmlCompute # Stop compute ml_client.compute.begin_stop(ci_basic_name).wait()
Indítás
from azure.ai.ml.entities import ComputeInstance, AmlCompute # Start compute ml_client.compute.begin_start(ci_basic_name).wait()
Újraindítás
from azure.ai.ml.entities import ComputeInstance, AmlCompute # Restart compute ml_client.compute.begin_restart(ci_basic_name).wait()
Törlés
from azure.ai.ml.entities import ComputeInstance, AmlCompute ml_client.compute.begin_delete(ci_basic_name).wait()
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 minden 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 JupyterLabhez és az RStudio-hoz az adott számítási példányon. A számítási példányok egyetlen, gyökérszintű hozzáféréssel rendelkező felhasználó számára vannak dedikáltak. Ez a felhasználó hozzáfér a példányon futó Jupyter/JupyterLab/RStudio fájlhoz. A számítási példány egyfelhasználós bejelentkezéssel rendelkezik, és minden művelet az adott felhasználó identitását használja az Azure RBAC-hez és a kísérletfeladatok hozzárendeléséhez. Az SSH-hozzáférést nyilvános/titkos kulcsos mechanizmussal lehet szabályozni.
Ezeket a műveleteket az Azure RBAC vezérelheti:
- Microsoft.Machine Tanulás Szolgáltatások/munkaterületek/számítások/olvasás
- Microsoft.MachineLearningServices/workspaces/computes/write
- Microsoft.Machine Tanulás Szolgáltatások/munkaterületek/számítások/törlés
- Microsoft.Machine Tanulás Services/workspaces/computes/start/action
- Microsoft.Machine Tanulás Services/workspaces/computes/stop/action
- Microsoft.Machine Tanulás Services/workspaces/computes/restart/action
- Microsoft.Machine Tanulás Services/workspaces/computes/updateSchedules/action
A számítási példány létrehozásához a következő műveletekhez szükséges engedélyekre van szükség:
- Microsoft.MachineLearningServices/workspaces/computes/write
- Microsoft.MachineLearningServices/workspaces/checkComputeNameAvailability/action
Számítási példány verziójának naplózása és megfigyelése
A számítási példány üzembe helyezése után a rendszer nem frissíti automatikusan. A Microsoft havonta kiadja a új VM-képeket. A legfrissebb verzióval való naprakészen tartás lehetőségeinek megértéséhez lásd: sebezhetőségkezelés.
Annak nyomon követéséhez, hogy egy példány operációsrendszer-verziója aktuális-e, lekérdezheti annak verzióját a parancssori felület, az SDK vagy a Studio felhasználói felületén.
A KÖVETKEZŐKRE VONATKOZIK: Python SDK azure-ai-ml v2 (aktuális)
from azure.ai.ml.entities import ComputeInstance, AmlCompute
# Display operating system version
instance = ml_client.compute.get("myci")
print instance.os_image_metadata
Az ebben a példában használt osztályokról, metódusokról és paraméterekről az alábbi referenciadokumentumokban talál további információt:
Az informatikai rendszergazdák a Azure Policy címen az Azure Policy megfelelőségi portálon a munkaterületeken belüli példányok leltárának nyomon követésére használhatják. A beépített házirend hozzárendelése Az Azure Machine Learning Compute Instances ellenőrzése elavult operációs rendszerrel Azure-előfizetés vagy Azure-kezelőcsoport hatókörén.