Azure Machine Learning işlem örneğini yönetme

  • Makale

ŞUNLAR IÇIN GEÇERLIDIR: Azure CLI ml uzantısı v2 (geçerli)Python SDK azure-ai-ml v2 (geçerli)

Azure Machine Learning çalışma alanınızda bir işlem örneğini yönetmeyi öğrenin.

Bulutta tam olarak yapılandırılmış ve yönetilen geliştirme ortamınız olarak bir işlem örneği kullanın. Geliştirme ve test için örneği eğitim işlem hedefi olarak da kullanabilirsiniz. İşlem örneği birden çok işi paralel olarak çalıştırabilir ve bir iş kuyruğuna sahiptir. Geliştirme ortamı olarak, bir işlem örneği çalışma alanınızdaki diğer kullanıcılarla paylaşılamaz.

Bu makalede, bir işlem örneğini başlatmayı, durdurmayı, yeniden başlatmayı, silmeyi öğreneceksiniz. İşlem örneği oluşturmayı öğrenmek için bkz . Azure Machine Learning işlem örneği oluşturma.

Not

Bu makalede, aşağıdaki bölümlerde CLI v2 gösterilmektedir. CLI v1 kullanmaya devam ediyorsanız bkz . Azure Machine Learning işlem kümesi CLI v1 oluşturma.

Önkoşullar

İşlem örneğinizi yönetmek için tercih ettiğiniz yönteme göre önkoşulların geri kalanı için uygun sekmeyi seçin.

  • Kodunuzu bir işlem örneğinde çalıştırmıyorsanız Azure Machine Learning Python SDK'sını yükleyin. Bu SDK sizin için zaten bir işlem örneğine yüklenmiştir.

  • Python betiğinizde çalışma alanına ekleme:

    Azure Machine Learning çalışma alanınıza bağlanmak için bu kodu çalıştırın.

    Abonelik Kimliğinizi, Kaynak Grubu adınızı ve Çalışma Alanı adınızı aşağıdaki kodda değiştirin. Bu değerleri bulmak için:

    1. Azure Machine Learning stüdyosu oturum açın.
    2. Kullanmak istediğiniz çalışma alanını açın.
    3. Sağ üst Azure Machine Learning stüdyosu araç çubuğunda çalışma alanı adınızı seçin.
    4. Çalışma alanı, kaynak grubu ve abonelik kimliğinin değerini koda kopyalayın.
    5. Bir değeri kopyalayın, alanı kapatın ve yapıştırın, ardından Studio'nun içindeki bir not defterine yapıştırırken bir sonraki değer için geri dönün.

    ŞUNLAR IÇIN GEÇERLIDIR: Python SDK'sı azure-ai-ml v2 (geçerli)

    # 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 , diğer kaynakları ve işleri yönetmek için kullandığınız çalışma alanının işleyicisidir.

Yönetme

İşlem örneğini başlatın, durdurun, yeniden başlatın ve silin. İşlem örneği her zaman otomatik olarak ölçeği azaltmaz, bu nedenle devam eden ücretleri önlemek için kaynağı durdurduğundan emin olun. Bir işlem örneğinin durdurulması onu serbest bırakır. Sonra ihtiyacınız olduğunda yeniden başlatın. İşlem örneğinin durdurulması işlem saatleri için faturalandırmayı durdururken, disk, genel IP ve standart yük dengeleyici için faturalandırılmaya devam edersiniz.

İşlem örneğini belirtilen süreden sonra otomatik olarak durdurmak için otomatik kapatmayı etkinleştirebilirsiniz.

Ayrıca , işlem örneğinin haftanın bir saatine ve gününe göre otomatik olarak başlatılması ve durdurulması için bir zamanlama da oluşturabilirsiniz.

İpucu

İşlem örneğinin 120 GB işletim sistemi diski vardır. Disk alanınız tükenirse, işlem örneğini durdurmadan veya yeniden başlatmadan önce en az 1-2 GB temizlemek için terminali kullanın. Lütfen terminalden sudo kapatma işlemi yaparak işlem örneğini durdurmayın. İşlem örneğindeki geçici disk boyutu, seçilen VM boyutuna bağlıdır ve /mnt üzerine bağlanır.

ŞUNLAR IÇIN GEÇERLIDIR: Python SDK'sı azure-ai-ml v2 (geçerli)

Bu örneklerde, işlem örneğinin adı değişkeninde ci_basic_namedepolanır.

  • Durum alma

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

# Get compute
ci_basic_state = ml_client.compute.get(ci_basic_name)

  • Durdur

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

# Stop compute
ml_client.compute.begin_stop(ci_basic_name).wait()

  • Başlangıç

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

# Start compute
ml_client.compute.begin_start(ci_basic_name).wait()

  • Yeniden başlat

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

# Restart compute
ml_client.compute.begin_restart(ci_basic_name).wait()

  • Sil

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

ml_client.compute.begin_delete(ci_basic_name).wait()

Azure RBAC , çalışma alanında hangi kullanıcıların işlem örneğini oluşturabileceğini, silebileceğini, başlatabileceğini, durdurabileceğini, yeniden başlatabileceğini denetlemenizi sağlar. Çalışma alanı katkıda bulunanı ve sahip rolündeki tüm kullanıcılar çalışma alanı genelinde işlem örnekleri oluşturabilir, silebilir, başlatabilir, durdurabilir ve yeniden başlatabilir. Ancak yalnızca belirli bir işlem örneğinin oluşturucusunun veya kendi adına oluşturulduysa atanan kullanıcının bu işlem örneğinde Jupyter, JupyterLab ve RStudio'ya erişmesine izin verilir. İşlem örneği, kök erişimi olan tek bir kullanıcıya ayrılmıştır. Bu kullanıcının örnekte çalıştırılan Jupyter/JupyterLab/RStudio'ya erişimi vardır. İşlem örneğinde tek kullanıcılı oturum açma vardır ve tüm eylemler bu kullanıcının Kimliğini Azure RBAC ve deneme işlerinin atfını kullanır. SSH erişimi ortak/özel anahtar mekanizması aracılığıyla denetlenilir.

Bu eylemler Azure RBAC tarafından denetlenebilir:

  • 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

İşlem örneği oluşturmak için aşağıdaki eylemlere yönelik izinlere ihtiyacınız vardır:

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

İşlem örneği sürümünü denetleme ve gözlemleme

İşlem örneği dağıtıldıktan sonra otomatik olarak güncelleştirilmez. Microsoft her ay yeni VM görüntüleri yayınlar. En son sürümü kullanmaya yönelik seçenekleri anlamak için güvenlik açığı yönetimi bölümüne bakın.

Bir örneğin işletim sistemi sürümünün güncel olup olmadığını izlemek için CLI, SDK veya Studio kullanıcı arabirimini kullanarak sürümünü sorgulayabilirsiniz.

ŞUNLAR IÇIN GEÇERLIDIR: Python SDK'sı azure-ai-ml v2 (geçerli)

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

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

Bu örnekte kullanılan sınıflar, yöntemler ve parametreler hakkında daha fazla bilgi için aşağıdaki başvuru belgelerine bakın:

BT yöneticileri Azure İlkesi kullanarak Azure İlkesi uyumluluk portalındaki çalışma alanlarında bulunan örneklerin envanterini izleyebilir. Azure aboneliğinde veya Azure yönetim grubu kapsamında eski bir işletim sistemiyle Azure Machine Learning İşlem Örneklerini Denetleme yerleşik ilkesini atayın.

Sonraki adımlar