在工作室中管理模型的定型和部署計算資源

本文會說明如何在 Azure Machine 工作室中管理您用於模型定型和部署的計算資源。

使用 Azure Machine Learning，您可以在各種資源或環境上 (統稱為計算目標) 將您的模型定型。 計算目標可以是本機電腦或雲端資源，例如 Azure Machine Learning Compute、Azure HDInsight 或遠端虛擬機器。

您也可以使用無伺服器計算作為計算目標。 當您使用無伺服器計算時，沒有可讓您管理的項目。

必要條件

• 如果您沒有 Azure 訂用帳戶，請在開始前建立免費帳戶。 立即試用免費或付費版本的 Azure Machine Learning
• Azure Machine Learning 工作區

檢視計算目標

如要查看您工作區的計算目標，請使用下列步驟：

1. 瀏覽至 Azure Machine Learning Studio。

2. 在 [管理] 底下選取 [計算]。

3. 選取頂端的索引標籤，以顯示每種類型的計算目標。

   

建立計算執行個體和叢集

您可以使用 Azure Machine Learning SDK、CLI 或工作室，在工作區中建立計算執行個體和計算叢集：

• 計算執行個體
• 計算叢集

此外，您也可以使用 VS Code 延伸模組在工作區中建立計算執行個體和計算叢集。

連結 Kubernetes 叢集

如需設定 Kubernetes 叢集並將其連結至工作區的詳細資訊，請參閱為 Azure Machine Learning 設定 Kubernetes 叢集。

連結其他計算目標

若要使用在 Azure Machine Learning 工作區外建立的 VM，您必須先將這些連結至自己的工作區。 換句話說，連結計算資源才能讓您的工作區使用該資源。

1. 瀏覽至 Azure Machine Learning Studio。

2. 在 [管理] 底下選取 [計算]。

3. 在頂端的索引標籤中選取 [附加的計算]，將計算目標連結用於定型，

4. 選取 [+ 新增]，然後選擇要附加的計算類型。 並非所有計算類型都可以從 Azure Machine Learning Studio 連結。

5. 填寫表單，並提供必要屬性的值。

   注意

   Microsoft 建議使用 SSH 金鑰，因為它們比密碼更安全。 密碼很容易遭受暴力密碼破解攻擊。 SSH 金鑰需要密碼編譯簽章。 如需有關如何建立 SSH 金鑰以搭配 Azure 虛擬機器使用的資訊，請參閱下列文件：

   • 在 Linux 或 macOS 上建立及使用 SSH 金鑰
   • 在 Windows 上建立及使用 SSH 金鑰

6. 選取附加。

使用下列步驟中斷連結您的計算：

1. 在 Azure Machine Learning 工作室中，選取 [計算]、[推斷叢集] 以及您要移除的計算。
2. 使用 [中斷連結] 連結來中斷連結計算。

使用 SSH 存取連線

建立已啟用 SSH 存取的計算之後，請使用下列步驟進行存取。

1. 在您的工作區資源中尋找計算：

   1. 在左側，選取 [計算]。
   2. 使用頂端的索引標籤來選取 [計算執行個體] 或 [計算叢集]，以尋找您的電腦。

2. 在資源清單中選取計算名稱。

3. 尋找連接字串：

   • 針對計算執行個體，選取 [詳細資訊] 區段頂端的 [連線]。

     

   • 針對計算叢集，選取頂端的 [節點]，然後在資料表中為您的節點選取 [連接字串]。

4. 複製連接字串。

5. 針對 Windows，開啟 PowerShell 或命令提示字元：

   1. 移至金鑰儲存所在的目錄或資料夾

   2. 將 -i 旗標新增至連接字串，以找出私密金鑰並指向其儲存位置：

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

6. 針對 Linux 使用者，請遵循在 Azure 中建立和使用 Linux vm 的 SSH 金鑰組中的步驟

7. 若為 SCP，請使用：

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

相關內容

• 使用計算資源來提交定型執行。
• 擁有定型的模型之後，請了解部署模型的方式和位置。
• 搭配使用 Azure Machine Learning 與 Azure 虛擬網路