在 Studio 中管理模型定型和部署的計算資源

  • 發行項

在本文中，瞭解如何管理您在 Azure Machine Studio 中用於模型定型和部署的計算資源。

必要條件

什麼是計算目標？

使用 Azure 機器學習，您可以在各種資源或環境上定型模型，統稱為計算目標）。 計算目標可以是本機計算機或雲端資源，例如 Azure 機器學習 Compute、Azure HDInsight 或遠端虛擬機。

您也可以使用 無伺服器計算 作為計算目標。 當您使用無伺服器計算時，沒有什麼可管理的。

檢視計算目標

若要查看工作區的所有計算目標，請使用下列步驟：

  1. 流覽至 [Azure Machine Learning 工作室]。

  2. 在 [管理] 底下，選取 [計算]。

  3. 選取頂端的索引標籤以顯示每種計算目標類型。

    Screenshot of view list of compute targets.

重要

如果您的計算實例或計算叢集是以上述任一系列為基礎，請在淘汰日期之前，以另一個 VM 大小重新建立，以避免服務中斷。

這些系列將於 2023 年 8 月 31 日淘汰：

這些系列將於 2024 年 8 月 31 日淘汰：

計算實例和叢集

您可以使用 Azure 機器學習 SDK、CLI 或 Studio，在工作區中建立計算實例和計算叢集：

此外，您可以使用 VS Code 擴充功能 ，在您的工作區中建立計算實例和計算叢集。

Kubernetes 叢集

如需設定 Kubernetes 叢集並將其連結至工作區的資訊，請參閱設定 Azure 機器學習 的 Kubernetes 叢集。

其他計算目標

若要使用在 Azure 機器學習 工作區外部建立的 VM，您必須先將它們連結至您的工作區。 附加計算資源可供工作區使用。

  1. 流覽至 [Azure Machine Learning 工作室]。

  2. 在 [管理] 底下，選取 [計算]。

  3. 在頂端的索引標籤中，選取 [附加計算] 以附加要定型的計算目標。

  4. 選取 [+新增]，然後選取要附加的計算類型。 並非所有計算類型都可以從 Azure Machine Learning 工作室 附加。

  5. 填寫表單，並提供必要屬性的值。

    注意

    Microsoft 建議您使用比密碼更安全的 SSH 金鑰。 密碼容易受到暴力密碼破解攻擊。 SSH 金鑰依賴密碼編譯簽章。 如需如何建立 SSH 金鑰以搭配 Azure 虛擬機器 使用的資訊，請參閱下列檔：

  6. 選取附加。

若要中斷連結計算，請使用下列步驟：

  1. 在 [Azure Machine Learning 工作室] 中，選取 [計算]、[附加的計算]，以及您想要移除的計算。
  2. 使用 [ 卸離] 鏈接來中斷您的計算連結。

使用 SSH 存取 連線

建立已啟用 SSH 存取的計算之後，請使用下列步驟進行存取。

  1. 在工作區資源中尋找計算：

    1. 在左側，選取 [計算]。
    2. 使用頂端的索引標籤來選取 [計算實例] 或 [計算叢集] 以尋找您的電腦。

  2. 在資源清單中選取計算名稱。

  3. 尋找 連接字串：

    • 針對計算實例，選取 [詳細數據] 區段頂端的 [連線]。

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

    • 針對計算叢集，選取頂端的 [節點]，然後為您的節點選取數據表中的 連線 ion 字串。 Screenshot that shows connection string for a node in a compute cluster.

  4. 複製連接字串。

  5. 針對 Windows，開啟 PowerShell 或命令提示字元：

    1. 移至儲存金鑰的目錄或資料夾

    2. 將 -i 旗標新增至 連接字串，以找出私鑰，並指向其儲存位置：

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

  6. 針對 Linux 使用者，請遵循在 Azure 中建立和使用 Linux VM 的 SSH 金鑰組中的步驟

  7. 針對 SCP，請使用：

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

下一步