다음을 통해 공유


Azure Machine Learning과 통합된 Visual Studio Code 실행

이 문서에서는 Azure Machine Learning 컴퓨팅 인스턴스에 원격으로 연결된 Visual Studio Code를 시작하는 방법을 알아봅니다. Azure Machine Learning 리소스의 강력한 기능을 통해 VS Code를 IDE(통합 개발 환경)로 사용합니다. 웹용 VS Code와 함께 브라우저에서 VS Code를 사용하거나 VS Code 데스크톱 애플리케이션을 사용합니다.

Visual Studio Code에서 컴퓨팅 인스턴스에 연결하는 방법에는 두 가지가 있습니다. 첫 번째 방법을 사용하는 것이 좋습니다.

  1. VS Code를 작업 영역의 IDE(통합 개발 환경)로 사용합니다. 이 옵션은 기계 학습 프로젝트를 빌드하기 위한 완전한 기능을 갖춘 개발 환경을 제공합니다.

    • 브라우저 웹용 VS Code 또는 데스크톱 응용 프로그램 VS Code Desktop을 사용하여 작업 영역에서 VS Code를 열 수 있습니다.
    • 필요한 설치나 종속성 없이 브라우저에서 직접 모든 기계 학습 작업을 수행할 수 있으므로 웹용 VS Code를 권장합니다.
  2. 원격 Jupyter Notebook 서버. 이 옵션을 사용하여 컴퓨팅 인스턴스를 원격 Jupyter Notebook 서버로 설정할 수 있습니다. 이 옵션은 VS Code(데스크톱)에서만 사용할 수 있습니다.

Important

방화벽 뒤에서 컴퓨팅 인스턴스에 연결하려면 인바운드 및 아웃바운드 네트워크 트래픽 구성을 참조하세요.

필수 조건

시작하기 전에 다음 항목이 필요합니다.

  1. Azure Machine Learning 작업 영역 및 컴퓨팅 인스턴스입니다. 두 리소스를 모두 만들려면 시작하는 데 필요한 리소스 만들기을 완료합니다.
  2. 아직 열려 있지 않은 경우 스튜디오에 로그인하고 작업 영역을 선택합니다.

VS Code를 작업 영역 IDE로 사용

다음 옵션 중 하나를 사용하여 VS Code를 컴퓨팅 인스턴스 및 작업 영역 파일에 연결합니다.

웹용 VS Code는 기계 학습 프로젝트를 빌드하기 위한 모든 기능을 갖춘 개발 환경을 브라우저에서 필요한 설치나 종속성 없이 제공합니다. 또한 Azure Machine Learning 컴퓨팅 인스턴스를 연결하면 Azure Machine Learning의 기능으로 강화된 VS Code가 제공하는 풍부하고 통합된 개발 환경을 가져올 수 있습니다.

Azure Machine Learning 스튜디오에서 하나를 선택하여 웹용 VS Code를 시작하고 작업을 원활하게 계속합니다.

Azure Machine Learning 스튜디오에 로그인하고 단계에 따라 Azure Machine Learning 컴퓨팅 인스턴스에 연결된 VS Code(웹) 브라우저 탭을 시작합니다.

Azure Machine Learning 스튜디오의 Notebooks 또는 Compute 섹션에서 연결을 만들 수 있습니다.

  • Notebooks

    1. Notebooks 탭을 선택합니다.

    2. Notebooks 탭에서 편집하려는 파일을 선택합니다.

    3. 컴퓨팅 인스턴스가 중지된 경우 컴퓨팅 시작을 선택하고 실행될 때까지 기다립니다.

      컴퓨팅이 중지된 경우 시작하는 방법을 보여 주는 스크린샷.

    4. 편집자 > VS Code에서 편집(웹)을 선택합니다.

    컴퓨팅 인스턴스 VS Code(웹) Azure Machine Learning Notebook에 연결하는 방법에 대한 스크린샷.

  • Compute

    1. 컴퓨팅 탭을 선택합니다.
    2. 사용하려는 컴퓨팅 인스턴스가 중지된 경우 해당 인스턴스를 선택한 다음 시작을 선택합니다.
    3. 컴퓨팅 인스턴스가 실행되면 애플리케이션 열에서 VS Code(웹)를 선택합니다.

    컴퓨팅 인스턴스 VS Code Azure Machine Learning 스튜디오에 연결하는 방법에 대한 스크린샷.

이러한 옵션이 표시되지 않으면 기본 요건 섹션에 표시된 대로 컴퓨팅 인스턴스를 웹용 Visual Studio Code에 연결 미리 보기 기능을 사용하도록 설정했는지 확인합니다.

클릭아웃 환경 중 하나를 선택하면 새 VS Code 창이 열리고 원격 컴퓨팅 인스턴스에 대한 연결이 시도됩니다. 이 연결을 시도할 때 다음 단계가 수행됩니다.

  1. 권한 부여 일부 검사를 수행하여 연결을 시도하는 사용자에게 컴퓨팅 인스턴스를 사용할 수 있는 권한이 있는지 확인합니다.
  2. VS Code 원격 서버가 컴퓨팅 인스턴스에 설치됩니다.
  3. 실시간 상호 작용을 위해 WebSocket 연결이 설정됩니다.

연결이 설정되면 유지됩니다. 토큰은 세션을 시작할 때 실행되며 컴퓨팅 인스턴스와의 연결을 유지하기 위해 자동으로 새로 고쳐집니다.

원격 컴퓨팅 인스턴스에 연결한 후 편집기를 사용하여 다음을 수행합니다.

원격 Jupyter Notebook 서버.

이 옵션을 사용하면 Visual Studio Code(데스크톱)에서 컴퓨팅 인스턴스를 원격 Jupyter Notebook 서버로 사용할 수 있습니다. 이 옵션은 작업 영역의 나머지 부분이 아닌 컴퓨팅 인스턴스에만 연결됩니다. 이 옵션을 사용하면 VS Code에 작업 영역 파일이 표시되지 않습니다.

컴퓨팅 인스턴스를 원격 Jupyter Notebook 서버로 구성하려면 먼저 다음을 설치합니다.

컴퓨팅 인스턴스에 연결하려면:

  1. Visual Studio Code에서 Jupyter Notebook을 엽니다.

  2. 통합 Notebook 환경이 로드되면 커널 선택을 선택합니다.

    Jupyter 서버를 선택하는 방법을 보여 주는 스크린샷.

    또는 명령 팔레트를 사용합니다.

    1. 메뉴 모음에서 보기 > 명령 팔레트를 선택하여 명령 팔레트를 엽니다.
    2. 텍스트 상자 AzureML: Connect to Compute instance Jupyter server에 입력합니다.
  3. Jupyter 서버 옵션 목록에서 Azure ML Compute Instances를 선택합니다.

  4. 구독 목록에서 구독을 선택합니다. 이전에 기본 Azure Machine Learning 작업 영역을 구성한 경우 이 단계를 건너뜁니다.

  5. 작업 영역을 선택합니다.

  6. 목록에서 컴퓨팅 인스턴스를 선택합니다. 없는 경우 새 Azure Machine Learning 컴퓨팅 인스턴스 만들기를 선택하고 표시되는 메시지에 따라 하나를 만듭니다.

  7. 변경 내용을 적용하려면 Visual Studio Code을 다시 로드해야 합니다.

  8. Jupyter Notebook을 열고 셀을 실행합니다.

Important

연결을 설정하려면 셀을 실행해야 합니다.

이 시점에서는 Jupyter Notebook에서 셀을 계속 실행할 수 있습니다.

Jupyter와 같은 코드 셀을 포함하는 Python 스크립트 파일(.py)로 작업할 수도 있습니다. 자세한 내용은 Visual Studio Code Python 대화형 문서를 참조하세요.

다음 단계

이제 컴퓨팅 인스턴스에 원격으로 연결된 Visual Studio Code를 시작했으므로 데이터를 준비하고, 코드를 편집 및 디버그하고, Azure Machine Learning 확장을 사용하여 학습 작업을 제출할 수 있습니다.

Azure Machine Learning과 통합된 VS Code를 최대한 활용하는 방법에 대해 자세히 알아보려면 컴퓨팅 인스턴스에 원격으로 연결된 VS Code에서 작업(미리 보기)을 참조하세요.