Studio'da model eğitimi ve dağıtımı için işlem kaynaklarını yönetme

Bu makalede, Azure Machine Learning Stüdyosu model eğitimi ve dağıtımı için kullandığınız işlem kaynaklarını yönetmeyi öğrenin.

Azure Machine Learning ile modelinizi compute targets olarak adlandırılan çeşitli kaynaklar veya ortamlar üzerinde eğitebilirsiniz. İşlem hedefi yerel bir makine veya Azure Machine Learning işlem kümesi, Azure Machine Learning işlem örneği veya uzak sanal makine gibi bir bulut kaynağı olabilir.

Sunucusuz işlem, işlem hedefi olarak da kullanılabilir. Sunucusuz işlem kullanırken yönetecek bir şey yoktur.

Önkoşullar

İşlem hedeflerini görüntüleme

Çalışma alanınızın tüm işlem hedeflerini görmek için aşağıdaki adımları kullanın:

  1. Azure Machine Learning Stüdyosu adresine gidin.

  2. Yönetim altında İşlem'i seçin.

  3. Her işlem hedefi türünü göstermek için üstteki sekmeleri seçin.

    İşlem hedeflerinin listesini görüntüleme ekran görüntüsü.

İşlem örneği ve kümeleri oluşturma

Azure Machine Learning SDK (v2), CLI (v2) veya studio kullanarak çalışma alanınızda işlem örnekleri ve işlem kümeleri oluşturabilirsiniz:

Ayrıca, çalışma alanınızda işlem örnekleri ve işlem kümeleri oluşturmak için VS Code uzantısını kullanabilirsiniz.

Kubernetes kümelerini ekleme

Çalışma alanınıza Kubernetes kümesi yapılandırma ve ekleme hakkında bilgi için bkz. Azure Machine Learning için Kubernetes kümesini yapılandırma.

Diğer işlem hedeflerini ekleme

Azure Machine Learning çalışma alanı dışında oluşturulan VM'leri kullanmak için önce bunları çalışma alanınıza eklemeniz gerekir. İşlem kaynağının eklenmesi, çalışma alanınız için kullanılabilir olmasını sağlar.

  1. Azure Machine Learning Stüdyosu adresine gidin.

  2. Yönetim altında İşlem'i seçin.

  3. Eğitim için bir işlem hedefi eklemek üzere üstteki sekmelerden İşlem birimini ekle seçeneğini seçin.

  4. +Yeni'yi seçin ve ardından eklenecek hesaplama türünü seçin. Tüm işlem türleri Azure Machine Learning Studio'ya eklenemez.

  5. Formu doldurun ve gerekli özellikler için değerler sağlayın.

    Not

    Microsoft, parolalardan daha güvenli olan SSH anahtarlarını kullanmanızı önerir. Parolalar deneme yanılma saldırılarına karşı savunmasızdır. SSH anahtarları şifreleme imzalarına dayanır. Azure Sanal Makineler ile kullanılmak üzere SSH anahtarları oluşturma hakkında bilgi için aşağıdaki belgelere bakın:

  6. İliştir'i seçin.

Bilgisayarınızı aşağıdaki adımlarla ayırın.

  1. Azure Machine Learning Studio'da Compute, Ekli Hesaplama ve kaldırmak istediğiniz hesaplamayı seçin.
  2. Hesaplama biriminizi ayırmak için Ayır bağlantısını kullanın.

SSH access ile bağlanma

SSH erişimi etkin bir bilişim oluşturduktan sonra erişim için bu adımları kullanın.

  1. Çalışma alanı kaynaklarınızda hesaplamayı bulun:

    1. Sol tarafta İşlem'i seçin.
    2. Makinenizi bulmak için en üstteki sekmeleri kullanarak İşlem örneği veya İşlem kümesi'ni seçin.

  2. Kaynak listesinden işlem adını seçin.

  3. Bağlantı dizesini bulun.

    • İşlem örneği için, Ayrıntılar bölümünün üst kısmındakiBağlan'ı seçin.

      Ayrıntılar sayfasının üst kısmında bağlantı aracını gösteren ekran görüntüsü.

    • compute kümesi için üstteki Nodes öğesini seçin ve ardından düğümünüzün tablosundaki Connection string seçin. İşlem kümesindeki bir düğüm için bağlantı dizesi gösteren ekran görüntüsü.

  4. Bağlantı dizesini kopyalayın.

  5. Windows için PowerShell'i veya komut istemini açın:

    1. Anahtarınızın depolandığı dizine veya klasöre gidin

    2. Özel anahtarı bulmak ve depolandığı yere işaret etmek için bağlantı dizesi -i bayrağını ekleyin:

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

  6. Linux kullanıcıları için SSH anahtar çifti oluşturma ve Azure

  7. SCP kullanımı için:

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

İlgili içerik

  • Last updated on