Gestire le risorse di calcolo per il training e la distribuzione dei modelli in Studio

Questo articolo illustra come gestire le risorse di calcolo usate per il training e la distribuzione dei modelli in studio di Azure Machine.

Con Azure Machine Learning è possibile eseguire il training del modello in varie risorse o ambienti, definiti collettivamente destinazioni di calcolo. Una destinazione di calcolo può essere un computer locale o una risorsa cloud, come un ambiente di calcolo di Azure Machine Learning, Azure HDInsight o una macchina virtuale remota.

È anche possibile usare l'elaborazione serverless come destinazione di calcolo. Non c'è nulla da gestire quando si usa l'elaborazione serverless.

Prerequisiti

• Se non si ha una sottoscrizione di Azure, creare un account gratuito prima di iniziare. Provare la versione gratuita o a pagamento di Azure Machine Learning oggi stesso
• Un'area di lavoro di Azure Machine Learning

Vista destinazioni di calcolo

Per visualizzare tutte le destinazioni di calcolo dell'area di lavoro, usare la procedura seguente:

1. Passare ad Azure Machine Learning Studio.

2. In Gestisci selezionare Calcolo.

3. Selezionare le schede nella parte superiore per visualizzare ogni tipo di destinazione di calcolo.

   

Creare un'istanza di ambiente di calcolo e cluster

È possibile creare istanze di ambiente di calcolo e cluster di elaborazione nell'area di lavoro usando Azure Machine Learning SDK, CLI o studio:

• Istanza di calcolo
• cluster di elaborazione

È anche possibile usare l'estensione VS Code per creare istanze di ambiente di calcolo e cluster di elaborazione nell'area di lavoro.

Collegare cluster Kubernetes

Per informazioni sulla configurazione e sul collegamento di un cluster Kubernetes all'area di lavoro, vedere Configurare il cluster Kubernetes per Azure Machine Learning.

Collegare altre destinazioni di calcolo

Per usare le VM create all'esterno dell'area di lavoro di Azure Machine Learning, è prima necessario collegarle all'area di lavoro. Il collegamento della risorsa di calcolo la rende disponibile per l'area di lavoro.

1. Passare ad Azure Machine Learning Studio.

2. In Gestisci selezionare Calcolo.

3. Nelle schede nella parte superiore selezionare Calcolo collegato per collegare una destinazione di calcolo per il training.

4. Selezionare +Nuovo, quindi selezionare il tipo di calcolo da collegare. Non tutti i tipi di calcolo possono essere collegati usando Azure Machine Learning Studio.

5. Compilare il modulo e fornire i valori per le proprietà necessarie.

   Nota

   Microsoft consiglia di usare le chiavi SSH, che sono più sicure rispetto alle password. Le password sono intuibili e vulnerabili ad attacchi di forza bruta. Le chiavi SSH si basano sulle firme di crittografia. Per informazioni sulla creazione di chiavi SSH per l'uso con Macchine virtuali di Azure, vedere i documenti seguenti:

   • Create and use SSH keys on Linux or macOS (Creare e usare chiavi SSH in Linux o macOS)
   • Create and use SSH keys on Windows (Creare e usare chiavi SSH in Windows)

6. Seleziona Allega.

Scollegare l'ambiente di calcolo con i passaggi seguenti:

1. In studio di Azure Machine Learning selezionare Calcolo, Calcolo collegato e il calcolo da rimuovere.
2. Usare il collegamento Scollega per scollegare il calcolo.

Connettersi tramite accesso SSH

Dopo aver creato un ambiente di calcolo con accesso SSH abilitato, seguire questa procedura per accedere.

1. Trovare l'ambiente di calcolo nelle risorse dell'area di lavoro:

   1. A sinistra selezionare Calcolo.
   2. Usare le schede in alto e selezionare Istanza di ambiente di calcolo o Cluster di elaborazione per trovare il computer.

2. Selezionare il nome dell'ambiente di calcolo nell'elenco delle risorse.

3. Trovare la stringa di connessione:

   • Per un'istanza di ambiente di calcolo selezionare Connetti in alto nella sezione Dettagli.

     

   • Per un cluster di elaborazione selezionare Nodi in alto e quindi selezionare Stringa di connessione nella tabella per il nodo.

4. Copiare la stringa di connessione.

5. Per Windows aprire PowerShell o un prompt dei comandi:

   1. Passare alla directory o alla cartella dove è archiviata la chiave

   2. Aggiungere il flag -i alla stringa di connessione per individuare la chiave privata e il punto di archiviazione:

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

6. Per gli utenti Linux: seguire la procedura da Creare e usare una coppia di chiavi SSH per le VM Linux in Azure

7. Per l'uso di SCP:

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

Contenuto correlato

• Usare la risorsa di calcolo per inviare un'esecuzione di training.
• Dopo aver creato un modello con training, consultare le informazioni su come e dove distribuire i modelli.
• Usare Azure Machine Learning con le reti virtuali di Azure