在 Studio 中管理模型定型和部署的計算資源
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
- 如果您沒有 Azure 訂用帳戶,請在開始前建立免費帳戶。 立即試用免費或付費版本的 Azure Machine Learning
- Azure Machine Learning 工作區
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:
在 [管理] 底下,選取 [計算]。
選取頂端的索引標籤以顯示每種計算目標類型。
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。
在 [管理] 底下,選取 [計算]。
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。
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。
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:
選取附加。
若要中斷連結計算,請使用下列步驟:
- 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。
- 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。
在工作區資源中尋找計算:
- 在左側,選取 [計算]。
- 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。
在資源清單中選取計算名稱。
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]。
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。
複製連接字串。
針對 Windows,開啟 PowerShell 或命令提示字元:
移至儲存金鑰的目錄或資料夾
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)
針對 SCP,請使用:
scp -i key.pem -P {port} {fileToCopyFromLocal } azureuser@yourComputeInstancePublicIP:~/{destination}
下一步
- 使用計算資源提交 定型執行。
- 了解如何有效率地微調超參數以便建置更好的模型。
- 擁有定型的模型之後,請了解部署模型的方式和位置。
- 搭配使用 Azure Machine Learning 與 Azure 虛擬網路