Gerenciar uma instância de computação do Azure Machine Learning

• Se você não estiver executando seu código em uma instância de computação, instale o do SDK do Python do Azure Machine Learning. Esse SDK já está instalado para você em uma instância de computação.

• Anexe ao workspace em seu script Python:

  Execute este código para se conectar ao seu workspace do Azure Machine Learning.

  Substitua a ID da Assinatura, o nome do Grupo de Recursos e o nome do workspace no código a seguir. Para encontrar esses valores:

  1. Entre no Estúdio do Azure Machine Learning.
  2. Abra o espaço de trabalho que você deseja usar.
  3. Selecione o nome do workspace na barra de ferramentas superior direita do Estúdio do Azure Machine Learning.
  4. Copie o valor do espaço de trabalho, do grupo de recursos e da ID da assinatura no código.

  APLICA-SE A: SDK do Python azure-ai-ml v2 (atual)

  # Enter details of your AML workspace
  subscription_id = "<SUBSCRIPTION_ID>"
  resource_group = "<RESOURCE_GROUP>"
  workspace = "<AML_WORKSPACE_NAME>"

  # get a handle to the workspace
  from azure.ai.ml import MLClient
  from azure.identity import DefaultAzureCredential
  
  ml_client = MLClient(
      DefaultAzureCredential(), subscription_id, resource_group, workspace
  )

  ml_client é um manipulador para o workspace que você usará para gerenciar outros recursos e trabalhos.

• Se você não estiver executando esses comandos em uma instância de computação, instale a extensão CLI do Azure para serviço de Machine Learning (v2). Essa extensão já está instalada para você em uma instância de computação.

• Autentique e defina o workspace e o grupo de recursos padrão. Deixe o terminal aberto para executar o restante dos comandos neste artigo.

  • Você precisa de uma instância de computação para:

    az login --identity
    # next line needed only if you have multiple subscriptions:
    az account set --subscription "<SUBSCRIPTION-NAME>" # replace with your subscription name
    az configure --defaults group=$CI_RESOURCE_GROUP workspace=$CI_WORKSPACE
    

  • Se você estiver executando os comandos localmente, omita --identity e siga as instruções para autenticação. Substitua $CI_RESOURCE_GROUP, $CI_WORKSPACE e por seus valores.

Comece no estúdio de aprendizado de máquina do Azure..

APLICA-SE A: SDK do Python azure-ai-ml v2 (atual)

Nesses exemplos, o nome da instância de computação é armazenado na variável .ci_basic_name.

• Obter status

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Get compute
  ci_basic_state = ml_client.compute.get(ci_basic_name)

• Stop

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Stop compute
  ml_client.compute.begin_stop(ci_basic_name).wait()

• Iniciar

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Start compute
  ml_client.compute.begin_start(ci_basic_name).wait()

• Reiniciar

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Restart compute
  ml_client.compute.begin_restart(ci_basic_name).wait()

• Excluir

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  ml_client.compute.begin_delete(ci_basic_name).wait()

APLICA-SE A: Extensão de ML da CLI do Azurev2 (atual)

Nesses exemplos o nome da instância de computação é instance.

• Stop

  az ml compute stop --name instance 
  

• Iniciar

  az ml compute start --name instance 
  

• Reiniciar

  az ml compute restart --name instance 
  

• Excluir

  az ml compute delete --name instance 
  

No workspace no Estúdio do Azure Machine Learning, selecione Computação e, em seguida, selecione instância de computação na parte superior.

Você pode executar as seguintes ações:

• Criar uma nova instância de computação
• Atualizar a guia instâncias de computação.
• Inicie, pare e reinicie uma instância de computação. Você pagará pela instância sempre que ela estiver em execução. Pare a instância de computação quando não a estiver usando para reduzir custos. Parar uma instância de computação a desaloca. Em seguida, inicie-o novamente quando precisar. Você também pode agendar um horário para a instância de computação iniciar e parar.
• Excluir uma instância de computação.
• Filtre a lista de instâncias de computação para mostrar apenas as que você criou.

Para cada instância de computação em um workspace que você criou (ou que foi criada para você), você pode:

• Acessar o Jupyter, JupyterLab, RStudio na instância de computação.

• Efetuar SSH na instância de computação. O acesso SSH é desabilitado por padrão, mas pode ser habilitado no momento da criação da instância de computação. O acesso SSH é por meio do mecanismo de chave pública/privada. A guia fornece detalhes da conexão SSH, como endereço IP, nome de usuário e número da porta. Em uma implantação de rede virtual, desabilitar o SSH impede o acesso SSH da Internet pública. Você ainda pode SSH de dentro da rede virtual usando o endereço IP privado do nó da instância de computação e da porta 22.

  Dica

  Se as instâncias de computação estiverem em uma rede virtual gerenciada e o endereço IP público estiver desabilitado, use o comando az ml compute connect-ssh para se conectar à instância de computação.

• Selecione o nome da computação para:

  • Exibir detalhes sobre uma instância de computação específica, como endereço IP e região.
  • Criar ou modificar o agendamento para iniciar e parar a instância de computação. Rolar para baixo até o fim da página para editar o agendamento.

APLICA-SE A: SDK do Python azure-ai-ml v2 (atual)

from azure.ai.ml.entities import ComputeInstance, AmlCompute

# Display operating system version
instance = ml_client.compute.get("myci")
print instance.os_image_metadata

Para obter mais informações sobre as classes, os métodos e os parâmetros usados neste exemplo, confira os seguintes documentos de referência:

• AmlCompute classe
• ComputeInstance classe

APLICA-SE A:Extensão de ML da CLI do Azurev2 (atual)

az ml compute show --name "myci"

# query outdated compute instances:
az ml compute list --query "[?os_image_metadata.is_latest_os_image_version == ``false``].name"

No workspace no Estúdio do Azure Machine Learning, selecione Computação e, em seguida, selecione instância de computação na parte superior. Para ver suas propriedades, incluindo o sistema operacional atual, selecione o nome de computação de uma instância de computação.