Bekerja di Visual Studio Code yang terhubung dari jarak jauh ke instans komputasi (pratinjau)
Dalam artikel ini, pelajari secara spesifik tentang bekerja dalam koneksi jarak jauh Visual Studio Code ke instans komputasi Azure Machine Learning. Gunakan Visual Studio Code sebagai lingkungan pengembangan terintegrasi (IDE) berfungsi lengkap Anda dengan kekuatan sumber daya Azure Machine Learning. Anda dapat bekerja dengan koneksi jarak jauh ke instans komputasi Anda di browser dengan Visual Studio Code untuk Web, atau aplikasi desktop Visual Studio Code.
- Kami merekomendasikan VS Code untuk Web, karena Anda dapat melakukan semua pekerjaan pembelajaran mesin Anda langsung dari browser, dan tanpa penginstalan atau dependensi yang diperlukan.
Penting
Fitur ini sedang dalam pratinjau umum. Versi pratinjau ini disediakan tanpa perjanjian tingkat layanan, dan tidak disarankan untuk beban kerja produksi. Fitur tertentu mungkin tidak didukung atau mungkin memiliki kemampuan yang dibatasi.
Untuk mengetahui informasi selengkapnya, lihat Ketentuan Penggunaan Tambahan untuk Pratinjau Microsoft Azure.
Penting
Untuk menyambungkan ke instans komputasi di belakang firewall, lihat Mengonfigurasi lalu lintas jaringan masuk dan keluar.
Prasyarat
Sebelum memulai, Anda akan memerlukan:
- Ruang kerja dan instans komputasi Azure Machine Learning. Selesaikan Buat sumber daya yang Anda butuhkan untuk mulai membuatnya.
Menyiapkan IDE anda yang tersambung dari jarak jauh
Visual Studio Code memiliki beberapa ekstensi yang dapat membantu Anda mencapai tujuan pembelajaran mesin Anda. Gunakan ekstensi Azure untuk menyambungkan dan bekerja dengan langganan Azure Anda. Gunakan ekstensi Azure Machine Learning untuk melihat, memperbarui, dan membuat aset ruang kerja seperti komputasi, data, lingkungan, pekerjaan, dan lainnya.
Saat Anda menggunakan Visual Studio Code untuk Web, versi terbaru ekstensi ini secara otomatis tersedia untuk Anda. Jika Anda menggunakan aplikasi desktop, Anda mungkin perlu menginstalnya.
Saat Anda meluncurkan Visual Studio Code yang terhubung ke instans komputasi untuk pertama kalinya, pastikan Anda mengikuti langkah-langkah ini dan mengambil beberapa saat untuk mengorientasikan diri Anda ke alat di lingkungan pengembangan terintegrasi Anda.
Temukan ekstensi Azure dan masuk
Setelah langganan Anda tercantum, Anda dapat memfilter ke langganan yang sering Anda gunakan. Anda juga dapat menyematkan ruang kerja yang paling sering Anda gunakan dalam langganan.
Ruang kerja tempat Anda meluncurkan koneksi jarak jauh Visual Studio Code (ruang kerja tempat instans komputasi berada) harus secara otomatis diatur sebagai default. Anda dapat memperbarui ruang kerja default dari bilah status Visual Studio Code.
Jika Anda berencana menggunakan Azure Machine Learning CLI, buka terminal dari menu, dan masuk ke Azure Machine Learning CLI menggunakan
az login --identity.
Kali berikutnya Anda terhubung ke instans komputasi ini, Anda tidak perlu mengulangi langkah-langkah ini.
Menyambungkan ke kernel
Ada beberapa cara untuk terhubung ke kernel Jupyter dari Visual Studio Code. Penting untuk memahami perbedaan perilaku, dan manfaat dari berbagai pendekatan.
Jika Anda telah membuka buku catatan ini di Azure Machine Learning, kami sarankan Anda menyambungkan ke sesi yang sudah ada pada instans komputasi. Tindakan ini tersambung kembali ke sesi yang sudah ada yang Anda miliki untuk buku catatan ini di Azure Machine Learning.
Temukan pemilih kernel di sudut kanan atas buku catatan Anda dan pilih
Pilih opsi 'Instans komputasi Azure Machine Learning', lalu 'Jarak Jauh' jika Anda telah tersambung sebelumnya
Pilih sesi buku catatan dengan koneksi yang sudah ada
Jika buku catatan Anda tidak memiliki sesi yang sudah ada, Anda bisa memilih dari kernel yang tersedia dalam daftar tersebut untuk membuat yang baru. Tindakan ini membuat sesi kernel khusus Visual Studio Code. Sesi khusus Visual Studio Code ini hanya dapat digunakan dalam Visual Studio Code dan harus dikelola di sana. Anda dapat mengelola sesi ini dengan menginstal ekstensi Jupyter PowerToys.
Meskipun ada beberapa cara untuk menyambungkan dan mengelola kernel di Visual Studio Code, menyambungkan ke sesi kernel yang ada adalah cara yang disarankan untuk mengaktifkan transisi yang mulus dari studio Azure Machine Learning ke VS Code. Jika Anda berencana untuk sebagian besar bekerja dalam Visual Studio Code, Anda dapat menggunakan pendekatan koneksi kernel apa pun yang berfungsi untuk Anda.
Transisi antara Azure Machine Learning dan Visual Studio Code
Sebaiknya jangan mencoba mengerjakan file yang sama di kedua aplikasi pada saat yang sama karena Anda mungkin memiliki konflik yang perlu Anda atasi. Kami akan menyimpan file Anda saat ini di studio sebelum menavigasi ke Visual Studio Code. Anda dapat menjalankan banyak tindakan yang disediakan di studio Azure Machine Learning di Visual Studio Code sebagai gantinya, menggunakan pendekatan YAML-first. Anda mungkin merasa lebih suka melakukan tindakan tertentu (misalnya, mengedit dan men-debug file) di Visual Studio Code, dan tindakan lainnya (misalnya, Membuat pekerjaan pelatihan) di studio Azure Machine Learning. Anda akan menemukan bahwa Anda dapat menavigasi bolak-balik dengan lancar di antara keduanya.
Langkah berikutnya
Untuk informasi selengkapnya tentang mengelola kernel Jupyter di Visual Studio Code, lihat Manajemen kernel Jupyter.