Freigeben über


Zugreifen auf ein Compute-Instanzterminal in Ihrem Arbeitsbereich

Greifen Sie auf das Terminal einer Compute-Instanz in Ihrem Arbeitsbereich zu:

  • Verwenden Sie Dateien aus Git und Versionsdateien. Diese Dateien werden in Ihrem Arbeitsbereichsdateisystem gespeichert und sind nicht auf eine einzelne Compute-Instanz beschränkt.
  • Installieren Sie Pakete auf der Compute-Instanz.
  • Erstellen Sie zusätzliche Kernel auf der Compute-Instanz.

Voraussetzungen

Zugreifen auf ein Terminal

So greifen Sie auf das Terminal zu

  1. Öffnen Sie Ihren Arbeitsbereich in Azure Machine Learning Studio.

  2. Wählen Sie auf der linken Seite Notebooks aus.

  3. Wählen Sie das Bild für Terminal öffnen aus.

    Terminalfenster öffnen

  4. Wenn eine Compute-Instanz ausgeführt wird, wird das Terminalfenster für diese Compute-Instanz angezeigt.

  5. Wenn keine Compute-Instanz ausgeführt wird, verwenden Sie den Abschnitt Compute, um eine Compute-Instanz zu starten oder zu erstellen. Starten oder Erstellen einer Compute-Instanz

Zusätzlich zu den vorherigen Schritten können Sie auch über das Terminal zugreifen:

  • In VS Code: Wählen Sie im Menü Terminal > Neues Terminal aus. Der Eintrag kann im Menü unter Auslassungspunkten (...) verborgen sein. Weitere Informationen zum Herstellen einer Verbindung mit Ihrem Arbeitsbereich über VS Code finden Sie unter Arbeiten in VS Code über eine Remoteverbindung mit einer Compute-Instanz.
  • RStudio oder Posit Workbench (früher RStudio Workbench) (siehe Hinzufügen von benutzerdefinierten Anwendungen wie RStudio oder Posit Workbench)): Wählen Sie oben links die Registerkarte Terminal aus.
  • Jupyter Lab: Wählen Sie die Kachel Terminal unter der Überschrift Other (Andere) auf der Registerkarte „Launcher“ aus.
  • Jupyter: Wählen Sie Neu>Terminal oben rechts auf der Registerkarte „Dateien“ aus.
  • Wenn Sie beim Erstellen der Compute-Instanz den SSH-Zugriff aktiviert haben, können Sie eine SSH-Verbindung mit dem Computer herstellen. Wenn sich die Compute-Instanzen in einem verwalteten virtuellen Netzwerk ohne öffentliche IP-Adresse befinden, verwenden Sie den Befehl az ml compute connect-ssh, um eine Verbindung mit der Compute-Instanz herzustellen.

Kopieren und Einfügen in das Terminal

Im Abschnitt Notebooks können Sie Text zwischen dem Terminal und den Notebookzellen kopieren und einfügen.

  • Windows: Drücken Sie Ctrl-c zum Kopieren und Ctrl-v, Ctrl-Shift-v oder Shift-Insert zum Einfügen.
  • Mac OS: Drücken Sie Cmd-c zum Kopieren und Cmd-v zum Einfügen.
  • FireFox und Internet Explorer unterstützen die Berechtigungen für die Zwischenablage möglicherweise nicht richtig.

Verwenden von Dateien aus Git und Versionsdateien

Greifen Sie über das Terminal auf alle Git-Vorgänge zu. Alle Git-Dateien und -Ordner werden in Ihrem Arbeitsbereichsdateisystem gespeichert. Diese Speicherung ermöglicht es Ihnen, diese Dateien von einer beliebigen Compute-Instanz in Ihrem Arbeitsbereich zu verwenden.

Hinweis

Fügen Sie Ihre Dateien und Ordner irgendwo unter dem Ordner ~/cloudfiles/code/Users hinzu, sodass sie in allen Ihren Jupyter-Umgebungen sichtbar sind.

Informationen zur Integration von Git in Ihren Azure Machine Learning-Arbeitsbereich finden Sie unter Git-Integration für Azure Machine Learning.

Installieren von Paketen

Installieren Sie Pakete über ein Terminalfenster. Installieren Sie Pakete in dem Kernel, den Sie zum Ausführen Ihrer Notebooks verwenden möchten. Der Standardkernel ist python310-sdkv2.

Sie können auch Pakete direkt in Jupyter Notebook, RStudio oder Posit Workbench (früher RStudio Workbench) installieren:

Hinweis

Für die Paketverwaltung innerhalb eines Python-Notebooks verwenden Sie die Magic-Funktionen %pip oder %conda, um Pakete automatisch in dem aktuell aktiven Kernel zu installieren, anstatt !pip oder !conda, die sich auf alle Pakete beziehen (einschließlich der Pakete außerhalb des aktuell aktiven Kernels).

Hinzufügen neuer Kernel

Warnung

Wenn Sie Ihre Compute-Instanz anpassen, sollten Sie darauf achten, Conda-Umgebungen und Jupyter-Kernel, die Sie nicht erstellt haben, nicht zu löschen. Dies könnte die Funktionalität von Jupyter bzw. JupyterLab beeinträchtigen.

So fügen Sie einen neuen Jupyter-Kernel zur Compute-Instanz hinzu:

  1. Verwenden Sie das Terminalfenster, um eine neue Umgebung zu erstellen. Beispielsweise erstellt der folgender Befehl newenv:

    conda create --name newenv
    
  2. Aktivieren Sie die Umgebung. Beispielsweise nach dem Erstellen von newenv:

    conda activate newenv
    
  3. Installieren Sie das pip- und ipykernel-Paket in der neuen Umgebung, und erstellen Sie einen Kernel für diese conda-Umgebung.

    conda install pip
    conda install ipykernel
    python -m ipykernel install --user --name newenv --display-name "Python (newenv)"
    

Jeder der verfügbaren Jupyter-Kernel kann installiert werden.

So fügen Sie einen neuen R-Kernel zur Compute-Instanz hinzu:

  1. Verwenden Sie das Terminalfenster, um eine neue Umgebung zu erstellen. Beispielsweise erstellt der folgender Befehl r_env:

    conda create -n r_env r-essentials r-base
    
  2. Aktivieren Sie die Umgebung. Beispielsweise nach dem Erstellen von r_env:

    conda activate r_env
    
  3. Führen Sie R in der neuen Umgebung aus:

    R
    
  4. Führen Sie an der R-Eingabeaufforderung IRkernel aus:

    IRkernel::installspec(name = 'irenv', displayname = 'New R Env')
    
  5. Beenden Sie die R-Sitzung.

    q()
    

Es dauert einige Minuten, bis der neue R-Kernel einsatzbereit ist. Wenn eine Fehlermeldung mit dem Hinweis angezeigt wird, dass er ungültig ist, warten Sie, und versuchen Sie es dann erneut.

Weitere Informationen zu Conda finden Sie unter Verwenden der Programmiersprache R mit Anaconda. Weitere Informationen zu IRkernel finden Sie unter Nativer R-Kernel für Jupyter.

Entfernen hinzugefügter Kernel

Warnung

Wenn Sie Ihre Compute-Instanz anpassen, sollten Sie darauf achten, Conda-Umgebungen und Jupyter-Kernel, die Sie nicht erstellt haben, nicht zu löschen.

Um einen hinzugefügten Jupyter-Kernel aus der Compute-Instanz zu entfernen, müssen Sie kernelspec und (optional) die Conda-Umgebung entfernen. Sie können die Conda-Umgebung auch beibehalten. Sie müssen kernelspec entfernen, andernfalls ist Ihr Kernel weiterhin auswählbar und könnte unerwartetes Verhalten verursachen.

So entfernen Sie kernelspec

  1. Verwenden Sie das Terminalfenster, um kernelspec aufzulisten und zu finden:

    jupyter kernelspec list
    
  2. Entfernen Sie kernelspec, und ersetzen Sie UNWANTED_KERNEL durch den Kernel, den Sie entfernen möchten:

    jupyter kernelspec uninstall UNWANTED_KERNEL
    

Wenn Sie zusätzlich die Conda-Umgebung entfernen möchten:

  1. Verwenden Sie das Terminalfenster, um die Conda-Umgebung aufzulisten und zu finden:

    conda env list
    
  2. Entfernen Sie die Conda-Umgebung, und ersetzen Sie ENV_NAME durch die Conda-Umgebung, die Sie entfernen möchten:

    conda env remove -n ENV_NAME
    

Nach der Aktualisierung sollte die Kernelliste in Ihrer Notebook-Ansicht die von Ihnen vorgenommenen Änderungen widerspiegeln.

Verwalten von Terminalsitzungen

Terminalsitzungen können aktiv bleiben, wenn Terminalregisterkarten nicht ordnungsgemäß geschlossen werden. Zu viele aktive Terminalsitzungen können die Leistung Ihrer Compute-Instanz beeinträchtigen.

Klicken Sie in der Symbolleiste des Terminals auf Aktive Sitzungen verwalten, um eine Liste aller aktiven Terminalsitzungen anzuzeigen und nicht länger benötigte Sitzungen zu beenden.

Weitere Informationen zum Verwalten der aktiven Sitzungen auf Ihrem Computer finden Sie unter Verwalten von Notebook- und Terminalsitzungen.

Warnung

Stellen Sie sicher, dass Sie alle nicht mehr benötigten Sitzungen schließen, um die Ressourcen Ihrer Compute-Instanz zu schonen und die Leistung zu optimieren.