Azure机器学习 - 使用与Azure集成的Visual Studio Code实战教程-CSDN博客

阿里云国内75折回扣微信号：monov8

阿里云国际，腾讯云国际，低至75折。AWS 93折免费开户实名账号代冲值优惠多多微信号：monov8 飞机：@monov6

本文介绍如何启动远程连接到 Azure 机器学习计算实例的 Visual Studio Code。借助 Azure 机器学习资源的强大功能使用 VS Code 作为集成开发环境 (IDE)。在VS Code中将计算实例设置为远程 Jupyter Notebook 服务器。

关注TechLead分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验同济本复旦硕复旦机器人智能实验室成员阿里云认证的资深架构师项目管理专业人士上亿营收AI产品研发负责人。

一、启动与 Azure 机器学习集成的 Visual Studio Code

1.1 准备事项

准备事项

一个 Azure 机器学习工作区和一个计算实例。完成创建入门所需的资源即可同时创建这两者。
登录到工作室选择工作区如果尚未打开。
在“管理预览功能”面板中向下滚动并启用“将计算实例连接到 Visual Studio Code 网页版”。

file

1.2 使用 VS Code 作为工作区 IDE

VS Code 网页版

VS Code 网页版为你提供了一个功能齐全的开发环境可用于构建你的机器学习项目所有操作都可以从浏览器中完成并且不需要安装任何软件或依赖项。通过连接你的 Azure 机器学习计算实例你可以获得丰富的集成开发体验和代码并通过 Azure 机器学习的强大功能得到增强。

从 Azure 机器学习工作室选择一下来 VS Code 网页版并无缝地继续你的工作。

可以从 Azure 机器学习工作室的“笔记本”或“计算”部分创建连接。

笔记本
1. 选择“笔记本”选项卡。
2. 在“笔记本”选项卡中选择要编辑的文件。
3. 如果计算实例已停止请选择“启动计算”并等待它运行。

file

选择“编辑器”>“在 VS Code 中编辑 (Web)”。

file

计算
1. 选择“计算”选项卡
2. 如果希望使用的计算实例已停止请选择它然后选择“开始”。
3. 运行计算实例后在“应用程序”列中选择“VS Code (Web)”。

file

如果看不到这些选项请确保已启用“将计算实例连接到 Web 版 Visual Studio Code”预览功能。

VS Code 桌面版

在初始连接时系统可能会提示你安装 Azure 机器学习 Visual Studio Code 扩展如果你尚未安装。有关详细信息请参阅 Azure 机器学习 Visual Studio Code 扩展安装指南。

若要从 Visual Studio Code 连接到远程计算实例请确保在 Azure 机器学习工作室中登录到的帐户与 Visual Studio Code 中使用的帐户相同。

导航到 ml.azure.com

可以从 Azure 机器学习工作室的“笔记本”或“计算”部分创建连接。

笔记本
1. 选择“笔记本”选项卡
2. 在“笔记本”选项卡中选择要编辑的文件。
3. 如果计算实例已停止请选择“启动计算”并等待它运行。

file
4. 选择“在 VS Code(桌面)中编辑”。
file
5. 还可以从文件资源管理器命令栏或文件资源管理器中文件夹上的操作菜单启动 VS Code 网页版而不打开笔记本
file

计算

选择“计算”选项卡。
如果希望使用的计算实例已停止请选择它然后选择“开始”。
运行计算实例后在“应用程序”列中选择“VS Code (桌面版)”。

file

VS Code 会话

此选项将当前 VS Code 会话连接到远程计算机实例。要从 VS Code 连接到你的计算实例你需要安装 Azure 机器学习 Visual Studio Code 扩展。有关详细信息请参阅 Azure 机器学习 Visual Studio Code 扩展安装指南。

Azure 机器学习扩展

在 VS Code 中启动 Azure 机器学习扩展。
展开扩展中的“计算实例”节点。
右键单击要连接到的计算实例然后选择“连接到计算实例”。

命令面板

在 VS Code 中选择“视图”>“命令面板”打开命令面板。
在文本框中输入“Azure ML: 连接到计算实例”。
选择订阅。
选择工作区。
选择计算实例或新建一个计算实例。

1.3 VS Code 建立连接

如果你选择其中一个点击式体验系统会打开一个新的 VS Code 窗口并尝试连接到远程计算实例。在尝试建立此连接时将执行以下步骤

授权。执行一些检查以确保授权尝试进行连接的用户使用计算实例。
VS Code 远程服务器安装在计算实例上。
建立 WebSocket 连接以进行实时交互。

建立连接后该连接就会持久化。令牌在会话开始时颁发它会自动刷新以维护与计算实例的连接。

连接到远程计算实例之后使用编辑器执行以下操作

二、远程 Jupyter Notebook 服务器

此选项允许你从 Visual Studio Code桌面版将计算实例用作远程 Jupyter 笔记本服务器。此选项仅连接到计算实例不会连接到工作区的其他实例。使用此选项时你不会在 VS Code 中看到自己的工作区文件。

要将计算实例配置为远程 Jupyter 笔记本服务器请首先安装

Azure 机器学习 Visual Studio Code 扩展。有关详细信息请参阅 Azure 机器学习 Visual Studio Code 扩展安装指南。

若要连接到计算实例

在 Visual Studio Code 中打开 Jupyter Notebook。
加载集成笔记本体验时选择“选择内核”。

file

或者可以使用命令面板

a. 从菜单栏中选择“视图”>“命令面板”以打开命令面板。
b. 在文本框中输入 AzureML: Connect to Compute instance Jupyter server。

从 Jupyter 服务器选项列表中选择 Azure ML Compute Instances。
从订阅列表中选择你的订阅。如果之前配置过默认 Azure 机器学习工作区则跳过此步骤。
选择工作区。
从列表中选择你的计算实例。如果没有计算实例请选择“创建新的 Azure 机器学习计算实例”并按照提示进行创建。
要使更改生效必须重新加载 Visual Studio Code。
打开 Jupyter Notebook 并运行一个单元。

你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站请访问 https://docs.azure.cn。

三、在远程连接到计算实例的 VS Code 中工作预览版

3.1 设置远程连接的 IDE

VS Code 有多个扩展可以帮助你实现机器学习目标。使用 Azure 扩展进行连接并使用你的 Azure 订阅。使用 Azure 机器学习扩展可查看、更新和创建工作区资产如计算、数据、环境、作业等。

使用 VS Code 网页版时会自动为你提供这些扩展的最新版本。如果使用桌面应用程序则可能需要安装最新版本。

首次启动连接到计算实例的 VS Code 时请确保遵循这些步骤并花一些时间来了解集成开发环境中的工具。

找到 Azure 扩展并登录
列出你的订阅后你可以筛选出你经常使用的订阅。还可以在订阅中固定你最常使用的工作区。

file

应自动将你从中启动 VS Code 远程连接的工作区计算实例所在的工作区设置为默认工作区。可以从 VS Code 状态栏更新默认工作区。

file

如果你计划使用 Azure 机器学习 CLI请从菜单中打开终端然后使用 az login --identity 登录到 Azure 机器学习 CLI。

以后连接到此计算实例时不必重复这些步骤。

3.2 连接到内核

可以通过多种方法从 VS Code 连接到 Jupyter 内核。请务必了解不同方法区别以及各自的优势。

如果你已在 Azure 机器学习中打开此笔记本我们建议你连接到计算实例上的现有会话。此操作将重新连接到你在 Azure 机器学习中为此笔记本创建的现有会话。

在笔记本的右上角找到内核选取器并选择它

file

选择“Azure 机器学习计算实例”选项然后选择“远程”如果你以前连接过

file

选择具有现有连接的笔记本会话

如果你的笔记本没有现有会话你可以从该列表中选择可用的内核来创建一个新的会话。此操作将创建 VS Code 专用的内核会话。这些特定于 VS Code 的会话只能在 VS Code 中使用并且必须在 VS Code 中进行管理。可以通过安装 Jupyter PowerToys 扩展来管理这些会话。

虽然有几种方法可以连接和管理 VS Code 中的内核但要实现从 Azure 机器学习工作室到 VS Code 的无缝过渡推荐方法是连接到现有的内核会话。如果你计划主要在 VS Code 中工作则可以使用任何适合你的内核连接方法。

3.3 Azure 机器学习与 VS Code 之间的转换

建议不要尝试同时在两个应用程序中处理相同的文件因为这样做可能需要解决某些冲突。在导航到 VS Code 之前我们将在 Azure 机器学习工作室中保存你的当前文件。你可以使用 YAML 优先方法改为在 VS Code 中执行 Azure 机器学习工作室中提供的许多操作。你可能会发现在执行特定操作时例如编辑和调试文件自己喜欢使用 VS Code而执行其他操作时例如创建训练作业则更喜欢使用 Azure 机器学习工作室。你应该会发现你可以在两者之间无缝地来回切换。