Rychlý Start: nastavení Data Science Virtual Machine pro Linux (Ubuntu)

Načtěte si Ubuntu 18,04 Data Science Virtual Machine a spusťte ho.

Požadavky

Pokud chcete vytvořit Data Science Virtual Machine 18,04 Ubuntu, musíte mít předplatné Azure. Vyzkoušejte si Azure zdarma.

Poznámka

Bezplatné účty Azure nepodporují skladové položky virtuálních počítačů s podporou GPU.

Vytvoření Data Science Virtual Machine pro Linux

Tady je postup vytvoření instance Data Science Virtual Machine Ubuntu 18,04:

  1. Přejděte na Azure Portal. Může se zobrazit výzva, abyste se přihlásili ke svému účtu Azure, pokud ještě nejste přihlášení.

  2. Vyhledejte výpis virtuálního počítače zadáním příkazu "virtuální počítač pro datové vědy" a výběrem Data Science Virtual Machine-Ubuntu 18,04.

  3. V dalším okně vyberte vytvořit.

  4. Měli byste se přesměrovat na okno vytvořit virtuální počítač.

  5. Zadáním následujících informací nakonfigurujte jednotlivé kroky průvodce:

    1. Základy:

      • Předplatné: Pokud máte více než jedno předplatné, vyberte ten, na kterém se bude počítač vytvářet a účtují. Toto předplatné musí mít oprávnění vytvářet prostředky.

      • Skupina prostředků: Vytvořte novou skupinu nebo použijte existující.

      • Název virtuálního počítače: zadejte název virtuálního počítače. Tento název se použije ve vašem Azure Portal.

      • Oblast: vyberte příslušné datové centrum. Pro nejrychlejší přístup k síti je to datové centrum, které má většinu vašich dat nebo je nejblíže vašemu fyzickému umístění. Přečtěte si další informace o oblastech Azure.

      • Obrázek: ponechte výchozí hodnotu.

      • Velikost: Tato možnost by měla automaticky naplnit velikost, která je vhodná pro obecné úlohy. Přečtěte si další informace o velikostech virtuálních počítačů s Linux v Azure.

      • Typ ověřování: pro rychlejší nastavení vyberte možnost heslo.

        Poznámka

        Pokud máte v úmyslu používat JupyterHub, ujistěte se, že jste vybrali možnost "heslo", protože JupyterHub není nakonfigurován k používání veřejných klíčů ssh.

      • Uživatelské jméno: zadejte uživatelské jméno správce. Toto uživatelské jméno použijete k přihlášení k virtuálnímu počítači. Toto uživatelské jméno se nemusí shodovat s vaším uživatelským jménem Azure. Nepoužívejte Velká písmena.

        Důležité

        Pokud v uživatelském jméně použijete velká písmena, JupyterHub nebude fungovat a dojde k chybě 500 interního serveru.

      • Heslo: zadejte heslo, které budete používat pro přihlášení k virtuálnímu počítači.

    2. Vyberte Zkontrolovat a vytvořit.

    3. Zkontrolovat a vytvořit

      • Ověřte správnost všech zadaných informací.
      • Vyberte Vytvořit.

    Zřizování by mělo trvat přibližně 5 minut. Stav se zobrazí v Azure Portal.

Jak přistupovat k Ubuntu Data Science Virtual Machine

K Ubuntu DSVM máte přístup jedním ze tří způsobů:

  • SSH pro terminálové relace
  • X2Go pro grafické relace
  • JupyterHub a JupyterLab pro poznámkové bloky Jupyter

SSH

Pokud jste virtuální počítač nakonfigurovali pomocí ověřování SSH, můžete se přihlásit pomocí přihlašovacích údajů k účtu, které jste vytvořili v části základy kroku 3 pro rozhraní textového prostředí. v Windows si můžete stáhnout klientský nástroj SSH , jako jenapříklad výstup. Pokud dáváte přednost grafické ploše (systém Windows X), můžete použít předávání X11 na výstupu.

Poznámka

Klient X2Go v testování provedl lepší předávání dat než X11. Pro grafické rozhraní plochy doporučujeme použít klienta X2Go.

X2Go

Virtuální počítač se systémem Linux je již zřízený serverem X2Go a připraven k přijetí připojení klienta. Pokud se chcete připojit k virtuální grafické ploše se systémem Linux, proveďte na svém klientovi následující postup:

  1. Stáhněte a nainstalujte klienta X2Go pro klientskou platformu z X2Go.

  2. Poznamenejte si veřejnou IP adresu virtuálního počítače, kterou můžete najít v Azure Portal otevřením virtuálního počítače, který jste vytvořili.

    IP adresa počítače Ubuntu

  3. Spusťte klienta X2Go. Pokud se okno Nová relace automaticky neotevře, přečtěte si relaci-> novou relaci.

  4. Ve výsledném okně konfigurace zadejte následující konfigurační parametry:

    • Karta Relace:
      • Hostitel: Zadejte IP adresu vašeho virtuálního počítače, kterou jste si poznamenali dříve.
      • Přihlášení: Zadejte uživatelské jméno na virtuálním počítači se systémem Linux.
      • Port SSH: Ponechte ho na výchozí hodnotě 22.
      • Typ relace: Změňte hodnotu na XFCE. Virtuální počítač se systémem Linux v současné době podporuje pouze desktop XFCE.
    • Karta Media (Média): Pokud nepotřebujete používat zvukovou podporu a tisk klienta, můžete je vypnout.
    • Sdílené složky: pomocí této karty Přidejte adresář klientských počítačů, který chcete připojit k virtuálnímu počítači.

    Konfigurace X2go

  5. Vyberte OK.

  6. Kliknutím na pole v pravém podokně okna X2Go otevřete obrazovku pro přihlášení k vašemu VIRTUÁLNÍmu počítači.

  7. Zadejte heslo k virtuálnímu počítači.

  8. Vyberte OK.

  9. Je možné, že budete muset udělit oprávnění nástroji X2Go, aby se vynechala brána firewall a bylo možné dokončit připojení.

  10. Nyní byste měli vidět grafické rozhraní pro Ubuntu DSVM.

JupyterHub a JupyterLab

Ubuntu DSVM spouští JupyterHub, víceuživatelského Jupyter serveru. Chcete-li se připojit, proveďte následující kroky:

  1. Poznamenejte si veřejnou IP adresu svého virtuálního počítače tak, že na Azure Portal vyhledáte a vyberete svůj virtuální počítač. IP adresa počítače Ubuntu

  2. Z místního počítače otevřete webový prohlížeč a přejděte na https: / /Your-VM-IP: 8000 a nahraďte "Your-VM-IP" IP adresou, kterou jste si poznamenali dříve.

  3. Váš prohlížeč vám pravděpodobně znemožní otevřít stránku přímo a oznamuje vám, že došlo k chybě certifikátu. DSVM zajišťuje zabezpečení prostřednictvím certifikátu podepsaného svým držitelem. Většina prohlížečů vám po tomto upozornění umožní kliknout na. Mnoho prohlížečů bude nadále poskytovat určitý druh vizuálního upozornění na certifikát v rámci vaší webové relace.

    Poznámka

    Pokud se ERR_EMPTY_RESPONSE v prohlížeči zobrazí chybová zpráva, ujistěte se, že k počítači přistupujete explicitně pomocí protokolu https , a ne pomocí protokolu HTTP nebo pouze webové adresy. Pokud zadáte webovou adresu bez na https:// adresní lince, bude se ve výchozím nastavení většina prohlížečů http zobrazovat a zobrazí se tato chyba.

  4. Zadejte uživatelské jméno a heslo, které jste použili k vytvoření virtuálního počítače, a přihlaste se.

    Zadejte Jupyter přihlášení.

    Poznámka

    Pokud v této fázi obdržíte chybu 500, je pravděpodobně v uživatelském jménu použita velká písmena. Jedná se o známou interakci mezi Jupyter centrem a PAMAuthenticator, kterou používá. Pokud se zobrazí chyba "nelze se spojit s touto stránkou", je pravděpodobně nutné upravit oprávnění skupiny zabezpečení sítě. V Azure Portal vyhledejte prostředek skupiny zabezpečení sítě v rámci vaší skupiny prostředků. Pokud chcete získat přístup k JupyterHub z veřejného Internetu, musíte mít otevřený port 8000. (Obrázek ukazuje, že tento virtuální počítač je nakonfigurovaný pro přístup za běhu, což se důrazně doporučuje. Přečtěte si téma zabezpečení portů pro správu pomocí přístupu za běhu.) Konfigurace skupiny zabezpečení sítě

  5. Projděte si mnoho dostupných ukázkových poznámkových bloků.

JupyterLab, je k dispozici také další generace poznámkových bloků Jupyter a JupyterHub. Abyste k němu měli přístup, přihlaste se k JupyterHub a pak přejděte na adresu URL https: / /Your-VM-IP: 8000/User/Your-username/Lab a nahraďte "Your-username" uživatelským jménem, které jste si zvolili při konfiguraci virtuálního počítače. Je možné, že se zpočátku zablokuje přístup k webu z důvodu chyby certifikátu.

Můžete nastavit JupyterLab jako výchozí Poznámkový Server přidáním tohoto řádku do /etc/jupyterhub/jupyterhub_config.py :

c.Spawner.default_url = '/lab'

Další kroky

Tady je postup, jak můžete pokračovat ve studiu a průzkumu:

  • V názorných kurzech Data Science Virtual Machine pro Linux se dozvíte, jak provést několik běžných úloh vědeckého zpracování dat se systémem Linux DSVM zřízeným zde.
  • Vyzkoušením nástrojů popsaných v tomto článku prozkoumejte různé nástroje pro datové vědy na DSVM. V dsvm-more-info prostředí virtuálního počítače můžete také spustit základní Úvod a odkazy na Další informace o nástrojích nainstalovaných na virtuálním počítači.
  • Naučte se systematicky sestavovat Analytická řešení pomocí vědeckého zpracování týmových dat.
  • Podívejte se na Azure AI Gallery pro strojové učení a ukázky analýzy dat, které používají služby Azure AI.
  • Projděte si příslušnou referenční dokumentaci pro tento virtuální počítač.