Práce ve VS Code vzdáleně připojené k výpočetní instanci (Preview)

  • Článek

V tomto článku se seznámíte s konkrétními informacemi o práci v rámci vzdáleného připojení VS Code k výpočetní instanci služby Azure Machine Learning. Využijte VS Code jako plnohodnotné integrované vývojové prostředí (IDE) s výkonem prostředků služby Azure Machine Learning. Se vzdáleným připojením k výpočetní instanci v prohlížeči můžete pracovat pomocí nástroje VS Code pro web nebo desktopové aplikace VS Code.

  • Doporučujeme VS Code pro web, protože veškerou práci se strojovou učením můžete provádět přímo z prohlížeče a bez požadovaných instalací nebo závislostí.

Důležité

Tato funkce je v současné době ve verzi Public Preview. Tato verze Preview se poskytuje bez smlouvy o úrovni služeb a nedoporučujeme ji pro produkční úlohy. Některé funkce se nemusí podporovat nebo mohou mít omezené možnosti.

Další informace najdete v dodatečných podmínkách použití pro verze Preview v Microsoft Azure.

Důležité

Pokud se chcete připojit k výpočetní instanci za bránou firewall, přečtěte si téma Konfigurace příchozího a odchozího síťového provozu.

Požadavky

Než začnete, budete potřebovat:

Nastavení vzdáleně připojeného integrovaného vývojového prostředí (IDE)

VS Code má několik rozšíření, která vám pomůžou dosáhnout cílů strojového učení. K připojení a práci s předplatným Azure použijte rozšíření Azure. Pomocí rozšíření Azure Machine Learning můžete zobrazit, aktualizovat a vytvářet prostředky pracovního prostoru, jako jsou výpočetní prostředky, data, prostředí, úlohy a další.

Když použijete VS Code pro web, budete automaticky k dispozici nejnovější verze těchto rozšíření. Pokud používáte desktopovou aplikaci, budete je možná muset nainstalovat.

Při prvním spuštění nástroje VS Code připojeného k výpočetní instanci se ujistěte, že postupujete podle těchto kroků, a chvíli se orientujte na nástroje ve vašem integrovaném vývojovém prostředí.

  1. Vyhledejte rozšíření Azure a přihlaste se.

  2. Jakmile jsou vaše předplatná uvedená, můžete vyfiltrovat předplatná, která často používáte. Pracovní prostory, které používáte nejčastěji, můžete také připnout v rámci předplatných.

    Snímek obrazovky ukazuje, jak filtrovat a připnout v okně editoru VS Code.

  3. Pracovní prostor, ze které jste spustili vzdálené připojení editoru VS Code (pracovní prostor, ve které se výpočetní instance nachází), by se měl automaticky nastavit jako výchozí. Výchozí pracovní prostor můžete aktualizovat ze stavového řádku nástroje VS Code.

    Snímek obrazovky se stavovým řádkem editoru VS Code

  4. Pokud plánujete používat rozhraní příkazového řádku služby Azure Machine Learning, otevřete terminál z nabídky a přihlaste se k rozhraní příkazového řádku služby Azure Machine Learning pomocí příkazu az login --identity.

    Snímek obrazovky znázorňující otevření okna terminálu z nástroje VS Code

Až se později připojíte k této výpočetní instanci, neměli byste tyto kroky opakovat.

Připojení k jádru

Existuje několik způsobů, jak se připojit k jádru Jupyter z VS Code. Je důležité pochopit rozdíly v chování a výhody různých přístupů.

Pokud jste už tento poznámkový blok otevřeli ve službě Azure Machine Learning, doporučujeme, abyste se připojili k existující relaci výpočetní instance. Tato akce se znovu připojí k existující relaci, kterou jste měli pro tento poznámkový blok ve službě Azure Machine Learning.

  1. V pravém horním rohu poznámkového bloku vyhledejte nástroj pro výběr jádra a vyberte ho.

    Snímek obrazovky znázorňující výběr jádra v editoru VS Code

  2. Zvolte možnost Výpočetní instance služby Azure Machine Learning a pak možnost Vzdálená, pokud jste se už připojili.

    Snímek obrazovky znázorňující výběr výpočetní instance ve VS Code

  3. Výběr relace poznámkového bloku s existujícím připojením

    Snímek obrazovky znázorňující výběr jádra v editoru VS Code

Pokud váš poznámkový blok nemá existující relaci, můžete vybrat z jader dostupných v seznamu a vytvořit nové. Tato akce vytvoří relaci jádra specifickou pro VS Code. Tyto relace specifické pro VS Code se dají použít jenom v rámci VS Code a musí se tam spravovat. Tyto relace můžete spravovat instalací rozšíření Jupyter PowerToys.

I když existuje několik způsobů, jak v editoru VS Code připojit a spravovat jádra, připojení k existující relaci jádra je doporučený způsob, jak umožnit bezproblémový přechod z studio Azure Machine Learning na VS Code. Pokud plánujete pracovat převážně v rámci nástroje VS Code, můžete využít jakýkoli přístup k připojení k jádru, který vám vyhovuje.

Přechod mezi Azure Machine Learning a VS Code

Doporučujeme nepokoušejte se pracovat na stejných souborech v obou aplikacích ve stejnou dobu, kdy potřebujete vyřešit konflikty. Než přejdete na VS Code, uložíme váš aktuální soubor do studia. Místo toho můžete provádět řadu akcí poskytovaných v studio Azure Machine Learning v editoru VS Code pomocí přístupu yaml. Můžete zjistit, že ve VS Code dáváte přednost provádění určitých akcí (například úprav a ladění souborů) a dalších akcí (například Vytvoření trénovací úlohy) v studio Azure Machine Learning. Měli byste zjistit, že mezi nimi můžete bez problémů přecházet tam a zpět.

Další kroky

Další informace o správě jader Jupyter v nástroji VS Code najdete v tématu Správa jádra Jupyter.