Een Azure Machine Learning-rekenproces beheren

VAN TOEPASSING OP:Azure CLI ml extension v2 (current)Python SDK azure-ai-ml v2 (current)

Meer informatie over het beheren van een rekenproces in uw Azure Machine Learning-werkruimte.

Gebruik een rekenproces als uw volledig geconfigureerde en beheerde ontwikkelomgeving in de cloud. Voor ontwikkeling en testen kunt u het exemplaar ook gebruiken als trainingsrekendoel. Een rekenproces kan meerdere taken parallel uitvoeren en heeft een taakwachtrij. Als ontwikkelomgeving kan een rekenproces niet worden gedeeld met andere gebruikers in uw werkruimte.

In dit artikel leert u hoe u een rekenproces kunt starten, stoppen, opnieuw opstarten en verwijderen. Zie Een Azure Machine Learning-rekenproces maken voor meer informatie over het maken van een rekenproces.

Notitie

In dit artikel ziet u CLI v2 in de onderstaande secties. Als u nog steeds CLI v1 gebruikt, raadpleegt u Een Azure Machine Learning-rekencluster CLI v1 maken.

Vereisten

• Een Azure Machine Learning-werkruimte. Zie Azure Machine Learning-werkruimten beheren voor meer informatie.

Selecteer het juiste tabblad voor de rest van de vereisten op basis van de gewenste methode voor het beheren van uw rekenproces.

Python SDK

• Als u uw code niet uitvoert op een rekenproces, installeert u de Azure Machine Learning Python SDK. Deze SDK is al voor u geïnstalleerd op een rekenproces.

• Koppelen aan de werkruimte in uw Python-script:

  Voer deze code uit om verbinding te maken met uw Azure Machine Learning-werkruimte.

  Vervang uw abonnements-id, resourcegroepnaam en werkruimtenaam in de volgende code. Deze waarden zoeken:

  1. Meld u aan bij Azure Machine Learning Studio.
  2. Open de werkruimte die u wilt gebruiken.
  3. Selecteer de naam van uw werkruimte in de rechterbovenhoek Azure Machine Learning-studio werkbalk.
  4. Kopieer de waarde voor werkruimte, resourcegroep en abonnements-id naar de code.

  VAN TOEPASSING OP: Python SDK azure-ai-ml v2 (actueel)

  # 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 is een handler voor de werkruimte die u gebruikt om andere resources en taken te beheren.

Azure-CLI

• Als u deze opdrachten niet uitvoert op een rekenproces, installeert u de Azure CLI-extensie voor Machine Learning Service (v2). Deze extensie is al voor u geïnstalleerd op een rekenproces.

• Verifieer en stel de standaardwerkruimte en resourcegroep in. Laat de terminal open om de rest van de opdrachten in dit artikel uit te voeren.

  • Als u een rekenproces gebruikt:

    az login --identity
    # next line needed only if you have multiple subscriptions:
    az account set --subscription "<SUBSCRIPTION-NAME>" # replace with your subscription name
    az configure --defaults group=$CI_RESOURCE_GROUP workspace=$CI_WORKSPACE
    

  • Als u de opdrachten lokaal uitvoert, laat --identity u de instructies voor verificatie weg en volgt u deze. Vervang ook uw waarden en $CI_WORKSPACE vervang $CI_RESOURCE_GROUP deze door uw waarden.

Studio

Begin bij Azure Machine Learning-studio.

Beheren

Een rekenproces starten, stoppen, opnieuw opstarten en verwijderen. Een rekenproces wordt niet altijd automatisch omlaag geschaald, dus zorg ervoor dat u de resource stopt om lopende kosten te voorkomen. Als u een rekenproces stopt, wordt de toewijzing ervan ongedaan gemaakt. Start het opnieuw wanneer u het nodig hebt. Terwijl het stoppen van het rekenproces de facturering voor rekenuren stopt, wordt u nog steeds gefactureerd voor schijf, openbaar IP-adres en standaard load balancer.

U kunt automatisch afsluiten inschakelen om het rekenproces na een opgegeven tijd automatisch te stoppen.

U kunt ook een planning maken voor het rekenproces dat automatisch wordt gestart en gestopt op basis van een tijdstip en dag van de week.

Tip

Het reken-exemplaar heeft een besturingssysteemschijf van 120 GB. Als u onvoldoende schijfruimte hebt, gebruikt u de terminal om ten minste 1-2 GB te wissen voordat u het rekenproces stopt of opnieuw start. Stop het rekenproces niet door sudo-afsluiting uit te geven vanuit de terminal. De tijdelijke schijfgrootte voor het rekenproces is afhankelijk van de gekozen VM-grootte en is gekoppeld aan /mnt.

Python SDK

VAN TOEPASSING OP: Python SDK azure-ai-ml v2 (actueel)

In deze voorbeelden wordt de naam van het rekenproces opgeslagen in de variabele ci_basic_name.

• Status ophalen

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Get compute
  ci_basic_state = ml_client.compute.get(ci_basic_name)

• Stoppen

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Stop compute
  ml_client.compute.begin_stop(ci_basic_name).wait()

• Starten

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Start compute
  ml_client.compute.begin_start(ci_basic_name).wait()

• Opnieuw starten

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Restart compute
  ml_client.compute.begin_restart(ci_basic_name).wait()

• Delete

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  ml_client.compute.begin_delete(ci_basic_name).wait()

Azure-CLI

VAN TOEPASSING OP: Azure CLI ml-extensie v2 (huidige)

In deze voorbeelden is de naam van het rekenproces exemplaar.

• Stoppen

  az ml compute stop --name instance 
  

• Starten

  az ml compute start --name instance 
  

• Opnieuw starten

  az ml compute restart --name instance 
  

• Delete

  az ml compute delete --name instance 
  

Studio

Selecteer Compute in uw werkruimte in Azure Machine Learning-studio en selecteer vervolgens het rekenproces bovenaan.

U kunt de volgende acties uitvoeren:

• Een nieuw rekenproces maken
• Vernieuw het tabblad Rekeninstanties.
• Een rekenproces starten, stoppen en opnieuw starten. U betaalt wel voor het exemplaar wanneer deze wordt uitgevoerd. Stop het rekenproces wanneer u het niet gebruikt om de kosten te verlagen. Als u een rekenproces stopt, wordt de toewijzing ervan ongedaan gemaakt. Start het opnieuw wanneer u het nodig hebt. U kunt ook een tijd plannen waarop het rekenproces moet worden gestart en gestopt.
• Een rekenproces verwijderen.
• Filter de lijst met rekeninstanties om alleen de exemplaren weer te geven die u hebt gemaakt.

Voor elk rekenproces in een werkruimte die u hebt gemaakt (of die voor u is gemaakt), kunt u het volgende doen:

• Toegang tot Jupyter, JupyterLab, RStudio op het rekenproces.

• SSH in rekenproces. SSH-toegang is standaard uitgeschakeld, maar kan worden ingeschakeld tijdens het maken van het rekenproces. SSH-toegang is via een mechanisme voor openbare/persoonlijke sleutels. Op het tabblad vindt u details voor de SSH-verbinding, zoals IP-adres, gebruikersnaam en poortnummer. Als u SSH uitschakelt in een virtuele netwerkimplementatie, wordt SSH-toegang vanaf het openbare internet voorkomen. U kunt nog steeds SSH vanuit een virtueel netwerk gebruiken met behulp van het privé-IP-adres van het rekenexemplarenknooppunt en poort 22.

  Tip

  Als de rekeninstanties zich in een beheerd virtueel netwerk bevinden en het openbare IP-adres is uitgeschakeld, gebruikt u de az ml compute connect-ssh opdracht om verbinding te maken met het rekenproces.

• Selecteer de naam van het rekenproces om het volgende te doen:

  • Bekijk details over een specifiek rekenproces, zoals IP-adres en regio.
  • Maak of wijzig het schema voor het starten en stoppen van het rekenproces. Schuif omlaag naar de onderkant van de pagina om de planning te bewerken.

Met Azure RBAC kunt u bepalen welke gebruikers in de werkruimte een rekenproces kunnen maken, verwijderen, starten, stoppen en opnieuw starten. Alle gebruikers in de rol inzender en eigenaar van de werkruimte kunnen rekeninstanties in de werkruimte maken, verwijderen, starten, stoppen en opnieuw starten. Alleen de maker van een specifiek rekenproces, of de gebruiker die namens hen is gemaakt, heeft echter alleen toegang tot Jupyter, JupyterLab en RStudio op dat rekenproces. Een rekenproces is toegewezen aan één gebruiker die hoofdtoegang heeft. Deze gebruiker heeft toegang tot Jupyter/JupyterLab/RStudio die wordt uitgevoerd op het exemplaar. Het rekenproces heeft aanmelding van één gebruiker en alle acties maken gebruik van de identiteit van die gebruiker voor Azure RBAC en het toewijzen van experimenttaken. SSH-toegang wordt beheerd via een mechanisme voor openbare/persoonlijke sleutels.

Deze acties kunnen worden beheerd door Azure RBAC:

• Microsoft.MachineLearningServices/workspaces/computes/read
• Microsoft.MachineLearningServices/workspaces/computes/write
• Microsoft.MachineLearningServices/workspaces/computes/delete
• Microsoft.MachineLearningServices/workspaces/computes/start/action
• Microsoft.MachineLearningServices/workspaces/computes/stop/action
• Microsoft.MachineLearningServices/workspaces/computes/restart/action
• Microsoft.MachineLearningServices/workspaces/computes/updateSchedules/action

Om u een rekenproces te maken, hebt u machtigingen nodig voor de volgende acties:

• Microsoft.MachineLearningServices/workspaces/computes/write
• Microsoft.MachineLearningServices/workspaces/checkComputeNameAvailability/action

Versie van rekenproces controleren en observeren

Zodra een rekenproces is geïmplementeerd, wordt het niet automatisch bijgewerkt. Microsoft brengt maandelijks nieuwe VM-installatiekopieën uit. Zie beveiligingsmanagement voor meer informatie over opties voor het bijhouden van recente versies.

Als u wilt bijhouden of de versie van het besturingssysteem van een exemplaar actueel is, kunt u een query uitvoeren op de versie ervan met behulp van de CLI, SDK of Studio-gebruikersinterface.

Python SDK

VAN TOEPASSING OP: Python SDK azure-ai-ml v2 (actueel)

from azure.ai.ml.entities import ComputeInstance, AmlCompute

# Display operating system version
instance = ml_client.compute.get("myci")
print instance.os_image_metadata

Zie de volgende referentiedocumenten voor meer informatie over de klassen, methoden en parameters die in dit voorbeeld worden gebruikt:

• AmlCompute-klasse
• ComputeInstance-klasse

Azure-CLI

VAN TOEPASSING OP: Azure CLI ml-extensie v2 (huidige)

az ml compute show --name "myci"

# query outdated compute instances:
az ml compute list --query "[?os_image_metadata.is_latest_os_image_version == ``false``].name"

Studio

Selecteer Compute in uw werkruimte in Azure Machine Learning-studio en selecteer vervolgens het rekenproces bovenaan. Als u de eigenschappen wilt zien, inclusief het huidige besturingssysteem, selecteert u de naam van een rekenproces.

IT-beheerders kunnen Azure Policy gebruiken om de inventaris van exemplaren in werkruimten in de Azure Policy-nalevingsportal te bewaken. Wijs het ingebouwde beleid Azure Machine Learning Compute-exemplaren controleren toe met een verouderd besturingssysteem in een Azure-abonnement of Azure-beheergroepbereik.

Volgende stappen

• Toegang tot de terminal van het rekenproces
• Bestanden maken en beheren
• Het rekenproces bijwerken naar de meest recente VM-installatiekopieën