Creare e gestire un'istanza di ambiente di calcolo di Azure Machine Learning con l’interfaccia della riga di comando v1

SI APPLICA A :Estensione ML dell'interfaccia della riga di comando di Azure v1azureml dell'SDK di Pyhtonv1

Informazioni su come creare e gestire un'istanza di ambiente di calcolo nell'area di lavoro di Azure Machine Learning con l'interfaccia della riga di comando v1.

Utilizzare un'istanza di ambiente di calcolo come ambiente di sviluppo completamente configurato e gestito nel cloud. Per lo sviluppo e il test, è anche possibile utilizzare l'istanza come destinazione di ambiente di calcolo di training o per una destinazione di inferenza. Un'istanza di ambiente di calcolo può eseguire più processi in parallelo e ha una coda di processi. Come ambiente di sviluppo, non è possibile condividere un'istanza di ambiente di calcolo con altri utenti nell'area di lavoro.

Le istanze di ambiente di calcolo possono eseguire processi in modo sicuro in un ambiente di rete virtuale senza richiedere alle aziende di aprire porte SSH. Il processo viene eseguito in un ambiente in contenitori e crea un pacchetto delle dipendenze del modello in un contenitore Docker.

In questo articolo vengono illustrate le operazioni seguenti:

• Creare un'istanza di ambiente di calcolo
• Gestire (avviare, arrestare, riavviare, eliminare) un'istanza di ambiente di calcolo

Prerequisiti

• Un'area di lavoro di Azure Machine Learning. Per ulteriori informazioni, vedere Creare un'area di lavoro di Azure Machine Learning.

• Estensione dell'interfaccia della riga di comando di Azure per il servizio Machine Learning (v1) o Azure Machine Learning Python SDK (v1).

  Importante

  Alcuni comandi dell'interfaccia della riga di comando di Azure citati in questo articolo utilizzano l'estensione azure-cli-ml, o v1, per Azure Machine Learning. Il supporto per l'interfaccia della riga di comando v1 è terminato il 30 settembre 2025. Microsoft non fornirà più supporto tecnico o aggiornamenti per questo servizio. I flussi di lavoro esistenti che usano l'interfaccia della riga di comando v1 continueranno a funzionare dopo la data di fine del supporto. Tuttavia, potrebbero essere esposti a rischi per la sicurezza o a modifiche di rilievo nel caso di cambiamenti dell'architettura del prodotto.

  È consigliabile passare all'estensione ml, o v2, il prima possibile. Per altre informazioni sull'estensione v2, vedere Estensione dell'interfaccia della riga di comando di Azure Machine Learning e Python SDK v2.

Creazione

Tempo stimato: circa 5 minuti.

La creazione di un'istanza di ambiente di calcolo è un processo che viene eseguito una sola volta per l'area di lavoro. È possibile riutilizzare il calcolo come workstation di sviluppo o come destinazione di calcolo per il training. È possibile collegare diverse istanze di ambiente di calcolo all'area di lavoro.

I core dedicati per area e per quota di famiglia di macchine virtuali e quota totale a livello di area, che si applica alla creazione del cluster di istanze di ambiente di calcolo, è unificata e condivisa con la quota del cluster di elaborazione del training di Azure Machine Learning. L'arresto dell'istanza di ambiente di calcolo non rilascia la quota per assicurarsi di poterla riavviare. Non è possibile modificare le dimensioni della macchina virtuale dell'istanza di ambiente di calcolo dopo la creazione.

L'esempio seguente spiega come creare un'istanza di ambiente di calcolo:

import datetime
import time

from azureml.core.compute import ComputeTarget, ComputeInstance
from azureml.core.compute_target import ComputeTargetException

# Choose a name for your instance
# Compute instance name should be unique across the azure region
compute_name = "ci{}".format(ws._workspace_id)[:10]

# Verify that instance does not exist already
try:
    instance = ComputeInstance(workspace=ws, name=compute_name)
    print('Found existing instance, use it.')
except ComputeTargetException:
    compute_config = ComputeInstance.provisioning_configuration(
        vm_size='STANDARD_D3_V2',
        ssh_public_access=False,
        # vnet_resourcegroup_name='<my-resource-group>',
        # vnet_name='<my-vnet-name>',
        # subnet_name='default',
        # admin_user_ssh_public_key='<my-sshkey>'
    )
    instance = ComputeInstance.create(ws, compute_name, compute_config)
    instance.wait_for_completion(show_output=True)

az ml computetarget create computeinstance  -n instance -s "STANDARD_D3_V2" -v

Gestione

Avviare, arrestare, riavviare ed eliminare un'istanza di ambiente di calcolo. Un'istanza di ambiente di calcolo non viene ridotta automaticamente, quindi è necessario assicurarsi che la risorsa venga arrestata per evitare addebiti continui. L'arresto di un'istanza di ambiente di calcolo la dealloca. Quindi, riavviarla al momento del bisogno. Durante l'arresto dell'istanza di ambiente di calcolo si arresta la fatturazione per le ore di calcolo. Verranno comunque addebitati i costi per il disco, l'indirizzo IP pubblico e il servizio di bilanciamento del carico standard.

Il Controllo degli accessi in base al ruolo di Azure consente di controllare quali utenti nell'area di lavoro possono creare, eliminare, avviare, arrestare e riavviare un'istanza di ambiente di calcolo. Tutti gli utenti con il ruolo di collaboratore e proprietario dell'area di lavoro possono creare, eliminare, avviare, arrestare e riavviare le istanze di ambiente di calcolo nell'area di lavoro. Tuttavia, solo il creatore di un'istanza di ambiente di calcolo specifica o l'utente assegnato, se creato in sostituzione, è autorizzato ad accedere a Jupyter, JupyterLab, RStudio e Posit Workbench (in precedenza RStudio Workbench) in tale istanza di ambiente di calcolo. Un'istanza di ambiente di calcolo è dedicata a un singolo utente che ha accesso alla radice. Tale utente ha accesso a Jupyter/JupyterLab/RStudio/Posit Workbench in esecuzione sull'istanza. L'istanza di ambiente di calcolo avrà l'accesso in modalità utente singolo e tutte le azioni utilizzeranno l'identità dell'utente per il controllo degli accessi in base al ruolo di Azure e l'attribuzione delle esecuzioni dell’esperimento. L'accesso SSH viene controllato tramite il meccanismo di chiave pubblica/privata.

Queste azioni possono essere verificate tramite il controllo degli accessi in base al ruolo di Azure:

• Microsoft.MachineLearningServices/workspaces/computes/read
• Microsoft.MachineLearningServices/workspaces/computes/write
• Microsoft.MachineLearningServices/workspaces/computes/delete
• Microsoft.MachineLearningServices/workspaces/computes/start/action
• Microsoft.ServiziDiApprendimentoAutomatico/spaziDiLavoro/computazioni/arresta/azione
• Microsoft.MachineLearningServices/workspaces/computes/restart/action
• Microsoft.MachineLearningServices/workspaces/computes/updateSchedules/action

Per creare un'istanza di ambiente di calcolo, sono necessarie autorizzazioni per le azioni seguenti:

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

Passaggi successivi

• Accedere al terminale dell'istanza di ambiente di calcolo
• Creare e gestire file
• Aggiornare l'istanza di ambiente di calcolo all'immagine di macchina virtuale più recente
• Inviare un'esecuzione di training