在 Azure机器学习——创建Azure机器学习服务一节中给大家介绍过Azure机器学习工作室,与Python SDK不同,它提供了UI界面供使用者管理端到端机器学习过程。
很多Python SDK提供的功能,使用Azure机器学习工作室也能实现。本节主要 介绍如何使用 Azure机器学习工作室配置计算目标。除了实现上两节——“使用 Python SDK配置Azure机器学习计算目标”的结果,也顺便介绍一下Azure机器学习工作室的使用。
本节内容主要分为以下3个方面:
- 查看附加到工作区的计算目标
- 在工作区中创建计算目标
- 附加在工作区外部创建的计算目标
图1 在训练中配置Azure机器学习计算目标
查看计算目标
按照下列步骤查看工作区的计算目标:
- 导航到 Azure 机器学习工作室(Monncake),Azure 机器学习工作室(Global)。
- 在左侧“管理”中选择“计算”。
图2 在Azure机器学习工作室中查看计算目标
从上图可以看到“计算”下面有“计算实例”、“正在训练的集群”、“推理集群”和“附加的计算”这四种类型。
- ”计算实例“可以看作是一台提前安装好了机器学习开发工具和环境(常规工具和环境、R 工具和环境、PYTHON 工具和环境)的虚拟机。更详细的内容请查阅什么是 Azure 机器学习计算实例?
- 创建好的Azure机器学习计算集群会出现在”正在训练集群“中。
- 部署模型时创建的Kubernetes集群会出现在”推理集群中。
- 附加的运行虚拟机(DSVM)、Azure HDinsight等计算资源会出现在 “附加的计算“中。
创建计算目标
使用以下步骤创建计算目标:
- 在需要创建的计算类型下选择加号 (+) 添加计算目标(以创建Azure机器学习计算集群为例,在“正在训练的集群”下创建)。
- 需要输入或者选择计算名称、虚拟机大小、节点数上限和节点数下限等属性。展开下面的“高级设置”,可以设置虚拟网络、用户名、用户密码、SSH密钥等信息,如下图所示。
- 填写完必要的信息后,点击 “创建”。
- 然后在列表中查看创建操作的状态:
- 点击某个计算目标来查看它的详细信息:
附加计算目标
若要使用在 Azure 机器学习工作区外部创建的计算目标,需要先附加这些计算目标。附加后机器学习工作区便可以使用这些计算目标。
使用以下步骤来附加计算目标:
- 在“附加的计算”下选择加号 (+) 添加计算目标。
- 输入附加计算目标的“计算名称”,选择附加计算目标的“计算类型”。
注意: 并非所有计算类型都可以从 Azure 机器学习工作室附加。 目前,可为训练附加的计算类型包括:
- 远程 VM
- Azure Databricks(在机器学习管道中使用)
- Azure Data Lake Analytics(在机器学习管道中使用)
- Azure HDInsight
- 填写必要的属性,如公共IP地址、SSH端口、用户名和密码,如下图所示。
- 点击 “附加”。
- 然后在列表中查看创建操作的状态。
使用计算目标
在Azure机器学习工作区创建计算目标并将其附加到工作区后,可以通过一个 ComputeTarget 对象在运行配置中使用该计算目标:
from azureml.core.compute import ComputeTarget
myvm = ComputeTarget(workspace=ws, name='my-vm-name')
总结
本节主要介绍了使用 Azure机器学习工作室配置计算目标以及在运行配置中使用该计算目标。Azure机器学习工作室能够实现SDK的大部分功能,并且UI界面方便操作,熟练使用它能够起到事半功倍的效果。