Vad är den virtuella Azure Datavetenskap-datorn för Linux och Windows?
Datavetenskap Virtual Machine (DSVM) är en anpassad VM-avbildning som är tillgänglig på Azure-molnplattformen och kan hantera datavetenskap. Den har många populära datavetenskapsverktyg förinstallerade och förkonfigurerade för att komma igång med att skapa intelligenta program för avancerad analys.
DSVM är tillgänglig på:
- Windows Server 2019
- Windows Server 2022
- Ubuntu 20.04 LTS
Dessutom erbjuder vi Azure DSVM för PyTorch – en Ubuntu 20.04-avbildning från Azure Marketplace som är optimerad för stora, distribuerade djupinlärningsarbetsbelastningar. Denna förinstallerade DSVM verifieras med den senaste PyTorch-versionen för att minska installationskostnaderna och påskynda tiden till värde. Den levereras paketerad med olika optimeringsfunktioner:
- ONNX Runtime
- Djupspeed
- MSCCL
- ORTMoE
- Fairscale
- Nvidia Apex
- En uppdaterad stack med de senaste kompatibla versionerna av Ubuntu, Python, PyTorch och CUDA
Jämförelse med Azure Machine Learning
DSVM är en anpassad VM-avbildning för Datavetenskap, men Azure Machine Learning är en plattform från slutpunkt till slutpunkt som omfattar:
- Fullständigt hanterad beräkning
- Beräkningsinstanser
- Beräkningskluster för distribuerade ML-uppgifter
- Slutsatsdragningskluster för realtidsbedömning
- Datalager (till exempel Blob, ADLS Gen2, SQL DB)
- Experimentspårning
- Modellhantering
- Notebook-filer
- Miljöer (hantera conda- och R-beroenden)
- Etikettera
- Pipelines (automatisera datavetenskapsarbetsflöden från slutpunkt till slutpunkt)
Jämförelse med Azure Machine Learning Compute Instances
Azure Machine Learning Compute Instances är en fullständigt konfigurerad och hanterad VM-avbildning, medan DSVM är en ohanterad virtuell dator.
Viktiga skillnader mellan en DSVM och en Azure Machine Learning-beräkningsinstans:
| Funktion | Datavetenskap Virtuell dator |
Azure Machine Learning Compute Instance (Beräkningsinstans) |
|---|---|---|
| Helt förvaltad | Nej | Ja |
| Språkstöd | Python, R, Julia, SQL, C#, Java, Node.js, F# |
Python och R |
| Operativsystem | Ubuntu Windows |
Ubuntu |
| Förkonfigurerat GPU-alternativ | Ja | Ja |
| Alternativet Skala upp | Ja | Ja |
| SSH-åtkomst | Ja | Ja |
| RDP-åtkomst | Ja | Nej |
| Inbyggd Värdbaserade notebook-filer |
Nej (kräver ytterligare konfiguration) |
Ja |
| Inbyggd enkel inloggning | Nej (kräver ytterligare konfiguration) |
Ja |
| Inbyggt samarbete | Nej | Ja |
| Förinstallerade verktyg | Jupyter(lab), VS Code, Visual Studio, PyCharm, Juno, Power BI Desktop, SSMS, Microsoft Office 365, Apache Drill |
Jupyter(lab) |
Exempel på användningsfall för DSVM-kunder
Kortsiktiga experiment och utvärdering
DSVM kan utvärdera eller lära sig nya datavetenskapsverktyg. Prova några av våra publicerade exempel och genomgångar.
Djupinlärning med GPU:er
I DSVM kan dina träningsmodeller använda djupinlärningsalgoritmer på GPU-baserad maskinvara (graphics processing unit). Om du drar nytta av vm-skalningsfunktionerna i Azure-plattformen hjälper DSVM dig att använda GPU-baserad maskinvara i molnet enligt dina behov. Du kan växla till en GPU-baserad virtuell dator när du tränar stora modeller, eller när du behöver snabba beräkningar medan du behåller samma OS-disk. Du kan välja någon av de GPU-aktiverade SKU:erna i N-serien med DSVM. Kostnadsfria Azure-konton stöder inte GPU-aktiverade SKU:er för virtuella datorer.
En DSVM i Windows-utgåvan är förinstallerad med GPU-drivrutiner, ramverk och GPU-versioner av djupinlärningsramverk. På Linux-utgåvorna aktiveras djupinlärning på GPU:er på Ubuntu DSVMs.
Du kan också distribuera Ubuntu- eller Windows DSVM-utgåvorna till en virtuell Azure-dator som inte baseras på GPU:er. I det här fallet återgår alla ramverk för djupinlärning tillbaka till CPU-läget.
Läs mer om tillgänglig djupinlärning och AI-ramverk.
Kurser och utbildning i datavetenskap
Företagsutbildare och lärare som undervisar datavetenskapsklasser brukar tillhandahålla en avbildning av en virtuell dator. Avbildningen säkerställer att eleverna både har en konsekvent konfiguration och att exemplen fungerar förutsägbart.
DSVM skapar en miljö på begäran med en konsekvent konfiguration för att underlätta support- och inkompatibilitetsutmaningarna. Fall där de här miljöerna behöver skapas ofta, särskilt för kortare utbildningsklasser, har störst fördel av detta.
Vad inkluderar DSVM?
Mer information finns i den här fullständiga listan över verktyg på både Windows- och Linux-DSVM:er.
Nästa steg
Mer information finns i följande resurser: