Trabalhar no VS Code remotamente conectado a uma instância de computação

Neste artigo, aprenda as especificidades do trabalho em uma conexão remota do VS Code com uma instância de computação do Azure Machine Learning. Use o VS Code como seu ambiente de desenvolvimento integrado (IDE) completo com o poder dos recursos do Azure Machine Learning. Você pode trabalhar com uma conexão remota com sua instância de computação no navegador com o VS Code para a Web ou o aplicativo de desktop VS Code.

• Recomendamos o VS Code para a Web, pois pode fazer todo o seu trabalho de aprendizagem automática diretamente a partir do browser e sem instalações obrigatórias ou dependências.

Pré-requisitos

Antes de começar, você vai precisar de:

• Um espaço de trabalho e uma instância de computação do Azure Machine Learning. Complete Crie os recursos necessários para começar a criar ambos.

Configurar o IDE conectado remotamente

O VS Code tem várias extensões que podem ajudá-lo a atingir seus objetivos de aprendizado de máquina. Use a extensão do Azure para se conectar e trabalhar com sua assinatura do Azure. Use a extensão do Azure Machine Learning para exibir, atualizar e criar ativos de espaço de trabalho, como computadores, dados, ambientes, trabalhos e muito mais.

Quando você usa o VS Code para a Web, as versões mais recentes dessas extensões ficam automaticamente disponíveis para você. Se utilizar a aplicação de ambiente de trabalho, poderá ter de instalá-la.

Ao iniciar o VS Code conectado a uma instância de computação pela primeira vez, siga estas etapas e reserve alguns momentos para se orientar sobre as ferramentas em seu ambiente de desenvolvimento integrado.

1. Localize a extensão do Azure e entre

2. Assim que as suas subscrições estiverem listadas, pode filtrar para as que utiliza frequentemente. Você também pode fixar espaços de trabalho usados com mais frequência nas assinaturas.

   

3. O espaço de trabalho a partir do qual você iniciou a conexão remota do VS Code (o espaço de trabalho em que a instância de computação está) deve ser definido automaticamente como padrão. Você pode atualizar o espaço de trabalho padrão na barra de status do VS Code.

   

4. Se você planeja usar a CLI do Azure Machine Learning, abra um terminal no menu e entre na CLI do Azure Machine Learning usando az login --identity.

   

Das vezes subsequentes que você se conectar a essa instância de computação, não será necessário repetir essas etapas.

Conectar-se a um kernel

Existem algumas maneiras de se conectar a um kernel Jupyter a partir do VS Code. É importante entender as diferenças de comportamento e os benefícios das diferentes abordagens.

Se você já abriu este bloco de anotações no Aprendizado de Máquina do Azure, recomendamos que você se conecte a uma sessão existente na instância de computação. Essa ação se reconecta a uma sessão existente que você tinha para este bloco de anotações no Aprendizado de Máquina do Azure.

1. Localize o seletor de kernel no canto superior direito do seu bloco de anotações e selecione-o

   

2. Escolha a opção 'Instância de computação do Azure Machine Learning' e, em seguida, a opção 'Remoto' se você tiver se conectado antes

   

3. Selecionar uma sessão de bloco de notas com uma ligação existente

   

Se o seu bloco de anotações não tiver uma sessão existente, você pode escolher entre os kernels disponíveis nessa lista para criar uma nova. Esta ação cria uma sessão de kernel específica do VS Code. Essas sessões específicas do VS Code são utilizáveis apenas dentro do VS Code e devem ser gerenciadas lá. Você pode gerenciar essas sessões instalando a extensão Jupyter PowerToys.

Embora existam algumas maneiras de conectar e gerenciar kernels no VS Code, conectar-se a uma sessão de kernel existente é a maneira recomendada de habilitar uma transição perfeita do estúdio de Aprendizado de Máquina do Azure para o VS Code. Se você planeja trabalhar principalmente dentro do VS Code, você pode fazer uso de qualquer abordagem de conexão do kernel que funcione para você.

Transição entre o Azure Machine Learning e o VS Code

Recomendamos não tentar trabalhar nos mesmos arquivos em ambos os aplicativos ao mesmo tempo, pois você pode ter conflitos que precisa resolver. Guardaremos o seu ficheiro atual no estúdio antes de navegar para o VS Code. Em vez disso, você pode executar muitas das ações fornecidas no estúdio do Azure Machine Learning no VS Code, usando uma abordagem YAML-first. Você pode achar que prefere executar determinadas ações (por exemplo, editar e depurar arquivos) no VS Code e outras ações (por exemplo, Criar um trabalho de treinamento) no estúdio do Azure Machine Learning. Você deve descobrir que você pode navegar perfeitamente para frente e para trás entre os dois.

Próximo passo

Para obter mais informações sobre como gerenciar kernels Jupyter no VS Code, consulte Jupyter kernel management.