Vad är Azure Data Science Virtual Machine för Linux och Windows?
Den Data Science Virtual Machine (DSVM) är en anpassad VM-avbildning på Azure-molnplattformen som skapats specifikt för datavetenskap. Det har många populära verktyg för datavetenskap förinstallerade och förkonfigurerade för att snabbt komma igång med att skapa intelligenta program för avancerad analys.
DSVM är tillgänglig på:
- Windows Server 2019
- Ubuntu 18.04 LTS
Jämförelse med Azure Machine Learning
DSVM är en anpassad VM-avbildning för datavetenskap, men Azure Machine Learning (AzureML) är en plattform från start till slut som omfattar:
- Fullständigt hanterad beräkning
- Beräkningsinstanser
- Beräkningskluster för distribuerade ML uppgifter
- Härledningskluster för bedömning i realtid
- Datalager (till exempel Blob, ADLS Gen2, SQL DB)
- Experimentspårning
- Modellhantering
- Notebooks
- Miljöer (hantera Conda- och R-beroenden)
- Märkning
- Pipelines (automatisera arbetsflöden för datavetenskap från slutet till slut)
Jämförelse med AzureML-beräkningsinstanser
Azure Machine Learning beräkningsinstanser är en fullständigt konfigurerad och hanterad VM-avbildning medan DSVM är en ohanterad virtuell dator.
De viktigaste skillnaderna mellan dessa två produkterbjudanden beskrivs nedan:
| Funktion | Datavetenskap Virtuell dator |
AzureML Compute Instance (Beräkningsinstans) |
|---|---|---|
| Fullständigt hanterad | Inga | Ja |
| Stöd för språk | Python, R, Julia, SQL, C#, Java, Node.js, F # |
Python och R |
| Operativsystem | Ubuntu Windows |
Ubuntu |
| Förkonfigurerat GPU-alternativ | Ja | Ja |
| Alternativet Skala upp | Ja | Ja |
| SSH-åtkomst | Ja | Ja |
| RDP-åtkomst | Ja | Inga |
| Inbyggd Värdindelade notebook-datorer |
Inga (kräver ytterligare konfiguration) |
Ja |
| Inbyggd enkel inloggning | Inga (kräver ytterligare konfiguration) |
Ja |
| Inbyggt samarbete | Inga | Ja |
| Förinstallerade verktyg | Jupyter(lab), RStudio Server, VSCode, Visual Studio, PyCharm, Juno, Power BI Desktop, SSMS, Microsoft Office 365, Apache Drill |
Jupyter(lab) RStudio Server |
Exempel på användningsfall
Nedan illustrerar vi några vanliga användningsfall för DSVM-kunder.
Kortsiktig experimentering och utvärdering
Du kan använda DSVM för att utvärdera eller lära dig nya datavetenskapsverktyg, särskilt genom att gå igenom några av våra publicerade exempel och genomgångar.
Djupinlärning med GPU:er
I DSVM kan dina träningsmodeller använda djupinlärningsalgoritmer på maskinvara som baseras på GPU:er (Graphics Processing Units). Genom att dra nytta av vm-skalningsfunktioner i Azure-plattformen hjälper DSVM dig att använda GPU-baserad maskinvara i molnet efter dina behov. Du kan växla till en GPU-baserad virtuell dator vid utbildning av stora modeller eller vid behov av snabba beräkningar samtidigt som samma OS-disk behålls. Du kan välja någon av N-seriens GPU:er aktiverade SKU:er för virtuella datorer med DSVM. Observera att GPU-aktiverade SKU:er för virtuella datorer inte stöds på kostnadsfria Azure-konton.
De Windows versionerna av DSVM är förinstallerade med GPU-drivrutiner, ramverk och GPU-versioner av djupinlärningsramverk. I Linux-versionerna är djupinlärning på GPU:er aktiverat på Ubuntu DSVM.
Du kan också distribuera Ubuntu- Windows-versionerna av DSVM till en virtuell Azure-dator som inte baseras på GPU:er. I det här fallet kommer alla ramverk för djupinlärning att gå tillbaka till CPU-läget.
Läs mer om tillgängliga ramverk för djupinlärning och AI.
Kurser och utbildning om datavetenskap
Företagsutbildare och lärare som undervisar datavetenskapsklasser brukar tillhandahålla en avbildning av en virtuell dator. Bilden säkerställer att eleverna har en konsekvent konfiguration och att exemplen fungerar förutsägbart.
DSVM skapar en miljö på begäran med en konsekvent konfiguration som underlättar support- och inkompatibilitetsutmaningarna. Det är mycket användbart i fall där de här miljöerna behöver skapas ofta, särskilt för kortare kurser.
Vad ingår i DSVM?
Se en fullständig lista över verktyg på både Windows och Linux DSVM här.
Nästa steg
Läs mer med de här artiklarna: