你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

快速入门：创建 Azure 机器学习入门所需的工作区资源

在本快速入门中，你将创建一个工作区，然后将计算资源添加到该工作区。 然后你就拥有了开始使用 Azure 机器学习所需的所有资源。

工作区是机器学习活动的顶级资源，为使用 Azure 机器学习时创建的所有项目提供一个集中的查看和管理位置。 计算资源提供预配置的基于云的环境，可用于训练、部署、自动执行、管理和跟踪机器学习模型。

先决条件

• 具有活动订阅的 Azure 帐户。 免费创建帐户。

创建工作区

如果已有工作区，请跳过此部分并继续创建计算实例。

如果还没有工作区，现在请创建一个：

1. 登录到 Azure 机器学习工作室

2. 选择“创建工作区”

3. 提供以下信息来配置新工作区：

   字段	说明
   工作区名称	输入用于标识工作区的唯一名称。 名称在整个资源组中必须唯一。 使用易于记忆且区别于其他人所创建工作区的名称。 工作区名称不区分大小写。
   订阅	选择要使用的 Azure 订阅。
   资源组	使用订阅中的现有资源组，或者输入一个名称以创建新的资源组。 资源组保存 Azure 解决方案的相关资源。 需要“参与者”或“所有者”角色才能使用现有资源组。 有关访问权限的详细信息，请参阅管理对 Azure 机器学习工作区的访问权限。
   区域	选择离你的用户和数据资源最近的 Azure 区域来创建工作区。

4. 选择“创建”以创建工作区

注意

这将创建一个工作区以及所有必需的资源。 如果想重复使用存储帐户、Azure 容器注册表、Azure KeyVault 或 Application Insights 等资源，请改用 Azure 门户。

创建计算实例

可在自己的计算机上安装 Azure 机器学习。 但在本快速入门中，将创建一个在线计算资源，该资源已安装开发环境并准备就绪。 你将使用此在线计算机（一个计算实例），供开发环境在 Python 脚本和 Jupyter 笔记本中编写和运行代码。

创建一个计算实例，以便在教程和快速入门的其余部分使用此开发环境。

1. 如果你不只是在上一部分中创建了工作区，请立即登录 Azure 机器学习工作室，然后选择你的工作区。

2. 在左侧选择“计算”。

   

3. 选择“+ 新建”以创建新的计算实例。

4. 提供一个名称，保留第一页上的所有默认值。

5. 选择“创建”。

大约两分钟后，你将看到计算实例的状态从“正在创建”更改为“正在运行” 。 现已准备就绪。

创建计算群集

接下来将创建一个计算群集。 你会将代码提交到此群集，以跨云中的 CPU 或 GPU 计算节点群集分发训练或批量推理过程。

创建一个将在零到四个节点之间自动缩放的计算群集：

1. 仍在“计算”部分的顶部选项卡中，选择“计算群集” 。
2. 选择“+ 新建”以创建新的计算群集。
3. 保留第一页上的所有默认值，然后选择“下一步”。 如果未显示任何可用的计算，则需要请求增加配额。 详细了解如何管理和增加配额。
4. 将群集命名为“cpu-cluster”。 如果此名称已存在，请将你的姓名首字母缩写添加到此名称中，使其具有唯一性。
5. 将“最小节点数”保留为 0。
6. 将“最大节点数”更改为 4（如果可能）。 上限可能更小，具体取决于你的设置。
7. 将“纵向缩减前的空闲秒数”更改为 2400。
8. 将剩余的字段保留默认设置，然后选择“创建”。

在一分钟内，群集的“状态”将从“正在创建”更改为“已成功” 。 此列表显示预配的计算群集，以及空闲节点、忙碌节点和未预配节点的数量。 由于你尚未使用群集，因此所有节点当前都未预配。

注意

该群集在创建之后将会预配 0 个节点。 因此在你提交作业之前，该群集不会产生成本。 此群集在空闲 2,400 秒（40 分钟）之后将会纵向缩减。 这将为你留一些时间在一些教程中使用它（如果你需要这样做的话），而无需等待它进行纵向扩展。

工作室快速导览

工作室是 Azure 机器学习的 Web 门户。 此门户将无代码和代码优先体验结合起来，打造包容的数据科学平台。

查看左侧导航栏上的工作室部分：

• 工作室的“创作”部分包含多种创建机器学习模型入门的方法。 方法：

  • 通过“笔记本”部分，可以创建 Jupyter 笔记本、复制示例笔记本以及运行笔记本和 Python 脚本。
  • 通过“自动化 ML”步骤，可以创建机器学习模型，而无需编写代码。
  • 通过“设计器”，可以通过拖放方式使用预生成的组件来生成模型。

• 工作室的“资产”部分可帮助你跟踪在运行作业时创建的资产。 如果你有新的工作区，则这些部分中还没有任何内容。

• 你已经使用工作室的“管理”部分来创建计算资源。 通过此部分，还可以创建和管理链接到工作区的数据和外部服务。

工作区诊断

在 Azure 机器学习工作室或 Python SDK 中，可以在工作区上运行诊断。 运行诊断后，将返回检测到的任何问题的列表。 此列表包含指向可能的解决方案的链接。 有关详细信息，请参阅如何使用工作区诊断。

清理资源

如果打算继续学习下一个教程，请跳到后续步骤。

停止计算实例

如果不打算现在使用它，请停止计算实例：

1. 在工作室的左侧，选择“计算”。
2. 在顶部选项卡中，选择“计算实例”
3. 在列表中选择该计算实例。
4. 在顶部工具栏中，选择“停止”。

删除所有资源

重要

已创建的资源可用作其他 Azure 机器学习教程和操作方法文章的先决条件。

如果你不打算使用已创建的任何资源，请删除它们，以免产生任何费用：

1. 在 Azure 门户中，选择最左侧的“资源组” 。

2. 从列表中选择你创建的资源组。

3. 选择“删除资源组”。

   

4. 输入资源组名称。 然后选择“删除”。

后续步骤

现在有一个 Azure 机器学习工作区，其中包含：

• 用于开发环境的计算实例。
• 用于提交训练运行的计算群集。

使用这些资源来详细了解 Azure 机器学习，并使用 Python 脚本训练模型。

快速入门：在 Azure 机器学习工作室中运行 Jupyter 笔记本