Gerencie recursos de computação para treinamento e implantação de modelos em estúdio

  • Artigo

Neste artigo, saiba como gerenciar os recursos de computação que você usa para treinamento e implantação de modelos no Azure Machine studio.

Pré-requisitos

O que é um destino de computação?

Com o Azure Machine Learning, você pode treinar seu modelo em uma variedade de recursos ou ambientes, coletivamente chamados de destinos de computação). Um destino de computação pode ser uma máquina local ou um recurso de nuvem, como um Azure Machine Learning Compute, Azure HDInsight ou uma máquina virtual remota.

Você também pode usar a computação sem servidor como um destino de computação. Não há nada para você gerenciar quando usa computação sem servidor.

Exibir destinos de computação

Para ver todos os destinos de computação para seu espaço de trabalho, use as seguintes etapas:

  1. Navegue até o estúdio do Azure Machine Learning.

  2. Em Gerir, selecione Computação.

  3. Selecione guias na parte superior para mostrar cada tipo de destino de computação.

    Screenshot of view list of compute targets.

Importante

Se sua instância de computação ou clusters de computação forem baseados em qualquer uma dessas séries, recrie com outro tamanho de VM antes da data de desativação para evitar a interrupção do serviço.

Estas séries serão aposentadas em 31 de agosto de 2023:

Estas séries serão aposentadas em 31 de agosto de 2024:

Instância de computação e clusters

Você pode criar instâncias de computação e clusters de computação em seu espaço de trabalho, usando o SDK do Azure Machine Learning, CLI ou estúdio:

Além disso, você pode usar a extensão VS Code para criar instâncias de computação e clusters de computação em seu espaço de trabalho.

Clusters do Kubernetes

Para obter informações sobre como configurar e anexar um cluster Kubernetes ao seu espaço de trabalho, consulte Configurar cluster Kubernetes para Azure Machine Learning.

Outros alvos de computação

Para usar VMs criadas fora do espaço de trabalho do Azure Machine Learning, você deve primeiro anexá-las ao seu espaço de trabalho. Anexar o recurso de computação o torna disponível para seu espaço de trabalho.

  1. Navegue até o estúdio do Azure Machine Learning.

  2. Em Gerir, selecione Computação.

  3. Nas guias na parte superior, selecione Computação anexada para anexar um destino de computação para treinamento.

  4. Selecione +Novo e, em seguida, selecione o tipo de computação a ser anexado. Nem todos os tipos de computação podem ser anexados do estúdio de Aprendizado de Máquina do Azure.

  5. Preencha o formulário e forneça valores para as propriedades necessárias.

    Nota

    A Microsoft recomenda que você use chaves SSH, que são mais seguras do que senhas. As senhas são vulneráveis a ataques de força bruta. As chaves SSH dependem de assinaturas criptográficas. Para obter informações sobre como criar chaves SSH para uso com as Máquinas Virtuais do Azure, consulte os seguintes documentos:

  6. Selecione Anexar.

Para desanexar a computação, use as seguintes etapas:

  1. No estúdio do Azure Machine Learning, selecione Computação, Computação anexada e a computação que deseja remover.
  2. Use o link Desanexar para desanexar sua computação.

Conecte-se com acesso SSH

Depois de criar uma computação com acesso SSH habilitado, use estas etapas para acesso.

  1. Encontre a computação nos recursos do seu espaço de trabalho:

    1. À esquerda, selecione Computar.
    2. Use as guias na parte superior para selecionar Instância de computação ou Cluster de computação para localizar sua máquina.

  2. Selecione o nome da computação na lista de recursos.

  3. Encontre a cadeia de conexão:

    • Para uma instância de computação, selecione Conectar na parte superior da seção Detalhes .

      Screenshot that shows connect tool at the top of the Details page.

    • Para um cluster de computação, selecione Nós na parte superior e, em seguida, selecione a Cadeia de conexão na tabela do nó. Screenshot that shows connection string for a node in a compute cluster.

  4. Copie a cadeia de conexão.

  5. Para Windows, abra o PowerShell ou um prompt de comando:

    1. Vá para o diretório ou pasta onde sua chave está armazenada

    2. Adicione o sinalizador -i à cadeia de conexão para localizar a chave privada e apontar para onde ela está armazenada:

      ssh -i <keyname.pem> azureuser@... (rest of connection string)

  6. Para usuários do Linux, siga as etapas de Criar e usar um par de chaves SSH para VMs Linux no Azure

  7. Para utilização em SCP:

    scp -i key.pem -P {port} {fileToCopyFromLocal } azureuser@yourComputeInstancePublicIP:~/{destination}

Próximos passos