Поделиться через

Управление вычислительными ресурсами для обучения моделей и развертывания в студии

В этой статье вы узнаете, как управлять вычислительными ресурсами, используемыми для обучения модели и развертывания в Azure Machine Learning studio.

С помощью Azure Machine Learning вы можете обучать модель на различных ресурсах или средах, совместно известных как целевые вычислительные ресурсы compute targets. Целевой объект вычислений может быть локальным компьютером или облачным ресурсом, например Azure Machine Learning вычислительным кластером, Azure Machine Learning вычислительным экземпляром или удаленной виртуальной машиной.

Вы также можете использовать бессерверные вычисления в качестве целевого объекта вычислений. Вам ничего не нужно управлять при использовании бессерверных вычислений.

Предварительные требования

Просмотр целевых объектов вычислений

Чтобы просмотреть все целевые объекты вычислений в рабочей области, сделайте следующее:

  1. Перейдите к Azure Machine Learning studio.

  2. В разделе Управление выберите элемент Вычисления.

  3. Выбирайте вкладки в верхней части страницы, чтобы просматривать разные типы целевых объектов вычислений.

    Снимок экрана: список целевых объектов вычислений.

Создание вычислительных экземпляров и кластеров

Вы можете создавать вычислительные экземпляры и вычислительные кластеры в рабочей области с помощью пакета SDK Azure Machine Learning (версии 2), CLI (версии 2) или студии:

Кроме того, для создания вычислительных экземпляров и вычислительных кластеров в рабочей области можно использовать расширение VS Code.

Подключение кластеров Kubernetes

Сведения о настройке и подключении кластера Kubernetes к рабочей области см. в разделе Configure Kubernetes для Azure Machine Learning.

Присоединение других целевых объектов вычислений

Чтобы использовать виртуальные машины, созданные за пределами рабочей области Azure Machine Learning, необходимо сначала подключить их к рабочей области. Присоединение вычислительного ресурса сделает его доступным для вашей рабочей области.

  1. Перейдите к Azure Machine Learning studio.

  2. В разделе Управление выберите элемент Вычисления.

  3. На вкладках вверху выберите Подключенный вычислительный ресурс, чтобы подключить целевой объект вычислений для обучения.

  4. Выберите "+ Создать" и укажите тип вычислительного ресурса, который нужно подключить. Не все типы вычислений можно подключить из Azure Machine Learning studio.

  5. Заполните форму и укажите значения для обязательных свойств.

    Примечание.

    Корпорация Майкрософт рекомендует использовать ключи SSH, так как они безопаснее, чем пароли. Пароли подвержены атакам методом грубой силы. Ключи SSH задействуют криптографические подписи. Сведения о создании ключей SSH для использования с Azure Virtual Machines см. в следующих документах:

  6. Выберите Вложить.

Отсоедините вычислительные ресурсы, выполнив следующие действия.

  1. В Azure Machine Learning studio выберите Compute, Attached compute и вычислительные ресурсы, которые требуется удалить.
  2. Используйте ссылку Detach (Отсоединить), чтобы отсоединить вычислительный ресурс.

Подключение с доступом SSH

После создания вычислительного узла с доступом SSH выполните следующие действия для получения доступа.

  1. Найдите вычислительный ресурс среди ресурсов рабочей области.

    1. Слева выберите Вычисление.
    2. Выберите на верхних вкладках Compute instance (Вычислительный экземпляр) или Compute cluster (Вычислительный кластер), чтобы найти свой компьютер.

  2. Выберите имя вычислительного ресурса в списке ресурсов.

  3. Найдите строку подключения.

    • Для compute instance выберите Connect в верхней части раздела Details.

      Снимок экрана, показывающий инструмент подключения в верхней части страницы сведений.

    • Для вычислительного кластера выберите Узлы вверху, а затем выберите Строка подключения в таблице для вашего узла. Скриншот, показывающий строку подключения для узла в вычислительном кластере.

  4. Скопируйте строку подключения.

  5. Откройте окно командной строки или PowerShell в Windows.

    1. Откройте каталог или папку, где хранится ваш ключ.

    2. Добавьте флаг -i в connection string, чтобы найти закрытый ключ и указать место его хранения:

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

  6. Для пользователей Linux выполните действия из Create и используйте пару ключей SSH для виртуальных машин Linux в Azure

  7. Для использования SCP:

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

Связанный контент

  • Last updated on