Mengelola instans komputasi Azure Pembelajaran Mesin

BERLAKU UNTUK:Ekstensi ml Azure CLI v2 (saat ini)Python SDK azure-ai-ml v2 (saat ini)

Pelajari cara mengelola instans komputasi di ruang kerja Azure Pembelajaran Mesin Anda.

Gunakan instans komputasi sebagai lingkungan pengembangan anda yang sepenuhnya dikonfigurasi dan dikelola di cloud. Untuk pengembangan dan pengujian, Anda juga dapat menggunakan instans sebagai target komputasi pelatihan. Instans komputasi dapat menjalankan beberapa pekerjaan secara paralel dan memiliki antrean pekerjaan. Sebagai lingkungan pengembangan, instans komputasi tidak dapat dibagikan dengan pengguna lain di ruang kerja Anda.

Dalam artikel ini, Anda mempelajari cara memulai, menghentikan, memulai ulang, menghapus instans komputasi. Untuk mempelajari cara membuat instans komputasi, lihat Membuat instans komputasi Azure Pembelajaran Mesin.

Catatan

Artikel ini memperlihatkan CLI v2 di bagian di bawah ini. Jika Anda masih menggunakan CLI v1, lihat Membuat Kluster komputasi Azure Pembelajaran Mesin CLI v1.

Prasyarat

• Ruang kerja Azure Machine Learning. Untuk informasi lebih lanjut, lihat Mengelola ruang kerja Azure Machine Learning.

Pilih tab yang sesuai untuk prasyarat lainnya berdasarkan metode pilihan Anda untuk mengelola instans komputasi Anda.

Python SDK

• Jika Anda tidak menjalankan kode pada instans komputasi, instal Azure Pembelajaran Mesin Python SDK. SDK ini sudah diinstal untuk Anda pada instans komputasi.

• Lampirkan ke ruang kerja di skrip Python Anda:

  Jalankan kode ini untuk menyambungkan ke ruang kerja Azure Pembelajaran Mesin Anda.

  Ganti ID Langganan, nama Grup Sumber Daya, dan Nama ruang kerja Anda dalam kode berikut. Untuk menemukan nilai-nilai ini:

  1. Masuk ke Studio Azure Machine Learning.
  2. Buka ruang kerja yang ingin Anda gunakan.
  3. Pilih nama ruang kerja Anda di toolbar studio Azure Pembelajaran Mesin kanan atas.
  4. Salin nilai untuk ruang kerja, grup sumber daya, dan ID langganan ke dalam kode.
  5. Salin satu nilai, tutup area dan tempel, lalu kembali untuk nilai berikutnya saat Anda menempelkan ke buku catatan di dalam studio.

  BERLAKU UNTUK: Python SDK azure-ai-ml v2 (saat ini)

  # Enter details of your AML workspace
  subscription_id = "<SUBSCRIPTION_ID>"
  resource_group = "<RESOURCE_GROUP>"
  workspace = "<AML_WORKSPACE_NAME>"

  # get a handle to the workspace
  from azure.ai.ml import MLClient
  from azure.identity import DefaultAzureCredential
  
  ml_client = MLClient(
      DefaultAzureCredential(), subscription_id, resource_group, workspace
  )

  ml_client adalah handler ke ruang kerja yang Anda gunakan untuk mengelola sumber daya dan pekerjaan lain.

Azure CLI

• Jika Anda tidak menjalankan perintah ini pada instans komputasi, instal ekstensi Azure CLI untuk layanan Pembelajaran Mesin (v2). Ekstensi ini sudah diinstal untuk Anda pada instans komputasi.

• Autentikasi dan atur ruang kerja dan grup sumber daya default. Biarkan terminal terbuka untuk menjalankan perintah lainnya dalam artikel ini.

  • Jika Anda menggunakan instans komputasi:

    az login --identity
    # next line needed only if you have multiple subscriptions:
    az account set --subscription "<SUBSCRIPTION-NAME>" # replace with your subscription name
    az configure --defaults group=$CI_RESOURCE_GROUP workspace=$CI_WORKSPACE
    

  • Jika Anda menjalankan perintah secara lokal, hilangkan --identity dan ikuti instruksi untuk autentikasi. $CI_RESOURCE_GROUP Ganti juga dan $CI_WORKSPACE dengan nilai Anda.

Studio

Mulai di studio Azure Pembelajaran Mesin.

Kelola

Memulai, menghentikan, memulai ulang, dan menghapus instans komputasi. Instans komputasi tidak selalu menurunkan skala secara otomatis, jadi pastikan untuk menghentikan sumber daya untuk mencegah biaya yang sedang berlangsung. Menghentikan instans komputasi yang membatalkannya. Kemudian mulai lagi ketika Anda membutuhkannya. Saat menghentikan instans komputasi menghentikan penagihan selama jam komputasi, Anda masih akan ditagih untuk disk, IP publik, dan penyeimbang beban standar.

Anda dapat mengaktifkan matikan otomatis untuk menghentikan instans komputasi secara otomatis setelah waktu yang ditentukan.

Anda juga dapat membuat jadwal instans komputasi untuk memulai dan berhenti secara otomatis berdasarkan waktu dan hari dalam seminggu.

Tip

Instans komputasi memiliki disk OS 120GB. Jika Anda kehabisan ruang disk, gunakan terminal untuk menghapus setidaknya 1-2 GB sebelum Anda menghentikan atau memulai ulang instans komputasi. Jangan hentikan instans komputasi dengan mengeluarkan pematian sudo dari terminal. Ukuran disk sementara pada instans komputasi bergantung pada ukuran VM yang dipilih dan dipasang di /mnt.

Python SDK

BERLAKU UNTUK: Python SDK azure-ai-ml v2 (saat ini)

Dalam contoh ini, nama instans komputasi disimpan dalam variabel ci_basic_name.

• Dapatkan status

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Get compute
  ci_basic_state = ml_client.compute.get(ci_basic_name)

• Stop

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Stop compute
  ml_client.compute.begin_stop(ci_basic_name).wait()

• Mulai

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Start compute
  ml_client.compute.begin_start(ci_basic_name).wait()

• Mulai ulang

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  # Restart compute
  ml_client.compute.begin_restart(ci_basic_name).wait()

• Hapus

  from azure.ai.ml.entities import ComputeInstance, AmlCompute
  
  ml_client.compute.begin_delete(ci_basic_name).wait()

Azure CLI

BERLAKU UNTUK:ekstensi ml Azure CLI v2 (saat ini)

Dalam contoh ini, nama instans komputasi adalah instans.

• Stop

  az ml compute stop --name instance 
  

• Mulai

  az ml compute start --name instance 
  

• Mulai ulang

  az ml compute restart --name instance 
  

• Hapus

  az ml compute delete --name instance 
  

Studio

Di ruang kerja Anda, di studio Azure Machine Learning, pilih Komputasi, lalu pilih instans komputasi di bagian atas.

Anda dapat melakukan tindakan berikut ini:

• Membuat instans komputasi baru
• Segarkan tab instans komputasi.
• Mulai, hentikan, dan mulai kembali instans komputasi. Anda membayar instans setiap kali berjalan. Hentikan instans komputasi saat Anda tidak menggunakannya untuk mengurangi biaya. Menghentikan instans komputasi yang membatalkannya. Kemudian mulai lagi ketika Anda membutuhkannya. Anda juga dapat menjadwalkan waktu untuk instans komputasi untuk memulai dan berhenti.
• Hapus instans komputasi.
• Filter daftar instans komputasi untuk hanya menampilkan instans yang Anda buat.

Untuk setiap instans komputasi di ruang kerja yang Anda buat (atau yang dibuat untuk Anda), Anda dapat:

• Mengakses Jupyter, JupyterLab, RStudio pada instans komputasi.
• SSH ke dalam instans komputasi. Akses SSH dinonaktifkan secara default tetapi dapat diaktifkan pada waktu pembuatan instans komputasi. Akses SSH melalui mekanisme kunci publik/privat. Tab ini memberi Anda detail untuk koneksi SSH seperti alamat IP, nama pengguna, dan nomor port. Dalam penyebaran jaringan virtual, menonaktifkan SSH mencegah akses SSH dari internet publik. Anda masih dapat SSH dari dalam jaringan virtual menggunakan alamat IP privat node instans komputasi dan port 22.
• Pilih nama komputasi untuk:
  • Dapatkan detail tentang instans komputasi tertentu seperti alamat IP, dan wilayah.
  • Buat atau ubah jadwal untuk memulai dan menghentikan instans komputasi. Gulir ke bawah ke bagian bawah halaman untuk mengedit jadwal.

Azure RBAC memungkinkan Anda mengontrol pengguna mana di ruang kerja yang dapat membuat, menghapus, memulai, menghentikan, memulai ulang instans komputasi. Semua pengguna dalam peran kontributor dan pemilik ruang kerja dapat membuat, menghapus, memulai, menghentikan, dan memulai ulang instans komputasi di seluruh ruang kerja. Namun, hanya pembuat instans komputasi tertentu, atau pengguna yang ditetapkan jika dibuat atas nama mereka, yang diizinkan untuk mengakses Jupyter, JupyterLab, dan RStudio pada instans komputasi tersebut. Instans komputasi didedikasikan untuk satu pengguna yang memiliki akses root. Pengguna tersebut memiliki akses ke Jupyter/JupyterLab/RStudio yang berjalan pada instans. Instans komputasi memiliki masuk pengguna tunggal dan semua tindakan menggunakan identitas pengguna tersebut untuk Azure RBAC dan atribusi pekerjaan eksperimen. Akses SSH dikontrol melalui mekanisme kunci publik/privat.

Tindakan ini dapat dikontrol oleh Azure RBAC:

• Microsoft.MachineLearningServices/workspaces/computes/read
• Microsoft.MachineLearningServices/workspaces/computes/write
• Microsoft.MachineLearningServices/workspaces/computes/write
• Microsoft.MachineLearningServices/workspaces/computes/start/action
• Microsoft.MachineLearningServices/workspaces/computes/stop/action
• Microsoft.MachineLearningServices/workspaces/computes/restart/action
• Microsoft.Machine Pembelajaran Services/workspaces/computes/updateSchedules/action

Untuk membuat instans komputasi, Anda memerlukan izin untuk tindakan berikut:

• Microsoft.MachineLearningServices/workspaces/computes/write
• Microsoft.MachineLearningServices/workspaces/computes/write

Mengaudit dan mengamati versi instans komputasi

Setelah instans komputasi disebarkan, instans tersebut tidak diperbarui secara otomatis. Microsoft merilis gambar VM baru setiap bulan. Untuk memahami opsi untuk menjaga terbaru dengan versi terbaru, lihat manajemen kerentanan.

Untuk melacak apakah versi sistem operasi instans terkini, Anda dapat mengkueri versinya menggunakan CLI, SDK, atau Studio UI.

Python SDK

BERLAKU UNTUK: Python SDK azure-ai-ml v2 (saat ini)

from azure.ai.ml.entities import ComputeInstance, AmlCompute

# Display operating system version
instance = ml_client.compute.get("myci")
print instance.os_image_metadata

Untuk informasi selengkapnya tentang kelas, metode, dan parameter yang digunakan dalam contoh ini, lihat dokumen referensi berikut:

• AmlCompute class
• ComputeInstance class

Azure CLI

BERLAKU UNTUK:ekstensi ml Azure CLI v2 (saat ini)

az ml compute show --name "myci"

# query outdated compute instances:
az ml compute list --query "[?os_image_metadata.is_latest_os_image_version == ``false``].name"

Studio

Di ruang kerja Anda, di studio Azure Machine Learning, pilih Komputasi, lalu pilih instans komputasi di bagian atas. Untuk melihat propertinya termasuk sistem operasi saat ini, pilih nama komputasi instans komputasi.

Administrator TI dapat menggunakan Azure Policy untuk memantau inventarsi instans di seluruh ruang kerja di portal kepatuhan Azure Policy. Tetapkan kebijakan bawaan Audit Azure Machine Learning Compute Instances dengan sistem operasi yang kedaluarsa pada langganan Azure atau cakupan grup manajemen Azure.

Langkah berikutnya

• Mengakses terminal instans komputasi
• Membuat dan mengelola file
• Perbarui instans komputasi ke citra VM terbaru