Создание вычислительного экземпляра Azure Machine Learning и управление ими с помощью CLI версии 1

ПРИМЕНИМО К:расширение Azure CLI ml v1Python SDK azureml v1

Узнайте, как создать и управлять вычислительным экземпляром в рабочей области Azure Machine Learning с помощью версии 1 CLI.

Используйте вычислительный экземпляр в качестве полностью настроенной и управляемой среды разработки в облаке. Для разработки и тестирования можно также использовать экземпляр в качестве целевого ресурса вычислений для обучения или целевой платформы для вывода. Вычислительный экземпляр может параллельно запускать несколько заданий и иметь очередь заданий. Вычислительная среда в качестве среды разработки не может использоваться совместно с другими пользователями в вашей рабочей области.

Вычислительные экземпляры безопасно запускают задания в среде виртуальной сети, что не требует от предприятий открывать порт SSH. Задание выполняется в контейнерной среде и упаковывает зависимости модели в контейнер Docker.

В этой статье вы узнаете, как:

• Создание вычислительного экземпляра
• Управление (запуск, остановка, перезапуск и удаление) вычислительным экземпляром

Предварительные условия

• Рабочая область Azure Machine Learning. Дополнительные сведения см. в разделе Создание рабочей области Azure Machine Learning.

• Расширение Azure CLI для службы Machine Learning (версии 1) или пакета SDK Azure Machine Learning Python (версия 1).

  Внимание

  В некоторых командах Azure CLI в этой статье используется расширение azure-cli-ml или v1 для Azure Machine Learning. Поддержка CLI версии 1 закончилась 30 сентября 2025 г. Корпорация Майкрософт больше не будет предоставлять техническую поддержку или обновления для этой службы. Существующие рабочие процессы, использующие CLI версии 1, будут продолжать работать после даты окончания поддержки. Однако они могут быть подвержены рискам безопасности или критическим изменениям в случае изменений архитектуры в продукте.

  Рекомендуется как можно скорее перейти к расширению mlили версии 2. Дополнительные сведения о расширении версии 2 см. в разделе Azure Machine Learning расширение CLI и пакет SDK Python версии 2.

Создание

Примерное время: приблизительно 5 минут.

Создание вычислительного экземпляра — это однократный процесс для вашей рабочей области. Можно повторно использовать вычисления как рабочую станцию разработки или как целевой объект вычислений для обучения. К рабочей области можно присоединить несколько вычислительных экземпляров.

Выделенные ядра на регион для каждой квоты на семейство ВМ и общая региональная квота, которые применяются к созданию вычислительных экземпляров, унифицированы и разделяют квоту на вычислительные кластеры обучения Azure Machine Learning. При остановке вычислительного экземпляра квота не освобождается, чтобы можно было перезапустить вычислительный экземпляр. После создания вычислительного экземпляра размер его виртуальной машины невозможно изменить.

В следующем примере показано создание вычислительного экземпляра:

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_DS3_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_DS3_V2" -v

Управление

Запуск, останов, перезапуск и удаление вычислительного экземпляра. Учитывая, что вычислительный экземпляр не масштабируется автоматически, убедитесь, что вы остановите ресурс, чтобы предотвратить дальнейшее взимание платы. Остановка вычислительного экземпляра деаллоцирует его. При необходимости снова запустите ее. Обратите внимание на то, что при остановке вычислительного экземпляра останавливается начисление платы за часы вычислений, однако будет продолжать начисляться плата за диск, общедоступный IP-адрес и стандартную подсистему балансировки нагрузки.

Azure RBAC позволяет управлять тем, какие пользователи в рабочей области могут создавать, удалять, запускать, останавливать, перезапускать вычислительный экземпляр. Все пользователи с ролью участника или владельца рабочей области могут создавать, удалять, запускать, останавливать и перезапускать вычислительные экземпляры в рабочей области. Однако только создатель определенного вычислительного экземпляра или пользователь, назначенный, если он был создан от имени, может получить доступ к Jupyter, JupyterLab, RStudio и Posit Workbench (ранее RStudio Workbench) на этом вычислительном экземпляре. Вычислительный экземпляр предназначен для одного пользователя, имеющего корневой доступ. Этот пользователь имеет доступ к Jupyter/JupyterLab/RStudio/Posit Workbench, запущенным на экземпляре. Вычислительный экземпляр будет иметь персонализированный вход для одного пользователя, и действия будут выполняться с использованием удостоверения этого пользователя для Azure RBAC и для отслеживания и присвоения запусков экспериментов. Доступ по протоколу SSH контролируется с помощью открытого и закрытого ключей.

Эти действия можно контролировать с помощью Azure RBAC:

• Microsoft.MachineLearningServices/workspaces/computes/read
• Microsoft.MachineLearningServices/workspaces/computes/write
• Microsoft.MachineLearningServices/workspaces/computes/delete
• Microsoft.MachineLearningServices/workspaces/computes/start/action
• Microsoft.MachineLearningServices/workspaces/computes/stop/action
• Microsoft.MachineLearningServices/workspaces/computes/restart/action
• Microsoft.MachineLearningServices/workspaces/computes/updateSchedules/action

Чтобы создать вычислительный экземпляр, необходимо иметь разрешения на выполнение следующих действий:

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

Следующие шаги

• Доступ к терминалу вычислительного экземпляра
• Создание файлов и управление ими
• Обновление вычислительного экземпляра до последней версии образа виртуальной машины
• Выполнение обучающего прогона