Administración de una instancia de proceso de Azure Machine Learning

• Si no ejecuta el código en una instancia de proceso, instale el SDK de Azure Machine Learning para Python. Este SDK ya está instalado para usted en una instancia de proceso.

• Adjunte al área de trabajo en el script de Python:

  Ejecute este código para conectarse al área de trabajo de Azure Machine Learning.

  Reemplace el identificador de suscripción, el nombre del grupo de recursos y el nombre del área de trabajo en el código siguiente. Para establecer estos valores:

  1. Inicie sesión en Azure Machine Learning Studio.
  2. Abra el área de trabajo que quiere usar.
  3. Seleccione el nombre del área de trabajo en la barra de herramientas de Estudio de Azure Machine Learning superior derecha.
  4. Copie el valor del área de trabajo, el grupo de recursos y el identificador de suscripción en el código.

  SE APLICA A: SDK de Python azure-ai-ml v2 (actual)

  # 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 es un controlador del área de trabajo que se usa para administrar otros recursos y trabajos.

• Si no ejecuta estos comandos en una instancia de proceso, instale la extensión de la CLI de Azure para Machine Learning Service (v2). Esta extensión ya está instalada para usted en una instancia de proceso.

• Autentíquese y establezca el área de trabajo y el grupo de recursos predeterminados. Deje abierto el terminal para ejecutar el resto de los comandos de este artículo.

  • Si está en una instancia de proceso:

    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
    

  • Si ejecuta los comandos localmente, omita --identity y siga las instrucciones para la autenticación. Reemplace también $CI_RESOURCE_GROUP y $CI_WORKSPACE por sus valores.

Comience en Estudio de Azure Machine Learning.

SE APLICA A: SDK de Python azure-ai-ml v2 (actual)

En estos ejemplos, el nombre de la instancia de proceso se almacena en la variable ci_basic_name.

• Obtener estado

  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()

• Start

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

• Reinicio

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

• Eliminar

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

SE APLICA A: Extensión de ML de la CLI de Azure v2 (actual)

En estos ejemplos, el nombre de la instancia de proceso es instance.

• Stop

  az ml compute stop --name instance 
  

• Start

  az ml compute start --name instance 
  

• Reinicio

  az ml compute restart --name instance 
  

• Eliminar

  az ml compute delete --name instance 
  

En el área de trabajo de Estudio de Azure Machine Learning, seleccione Proceso y, luego, Instancia de proceso en la parte superior.

Puede realizar las siguientes acciones:

• Crear una nueva instancia de proceso
• Actualizar la pestaña instancias de proceso.
• Iniciar, detener y reiniciar una instancia de proceso. Se paga por la instancia cada vez que se ejecuta. Detenga la instancia de proceso cuando no la use para reducir el costo. Al detener una instancia de proceso, se cancela su asignación. A continuación, inícielo de nuevo cuando lo necesite. También puede programar una hora para que la instancia de proceso se inicie y se detenga.
• Elimine una instancia de proceso.
• Filtre la lista de instancias de proceso para mostrar solo las que ha creado.

Para cada instancia de proceso del área de trabajo que creó, o que se creó automáticamente, puede:

• Acceder a Jupyter, JupyterLab y RStudio en la instancia de proceso.

• SSH en la instancia de proceso. El acceso SSH está deshabilitado de forma predeterminada, pero se puede habilitar en el momento de la creación de la instancia de proceso. El acceso SSH se realiza a través del mecanismo de claves pública y privada. En la pestaña se proporcionan detalles de la conexión SSH, como la dirección IP, el nombre de usuario y el número de puerto. En una implementación de red virtual, deshabilitar SSH impide el acceso SSH desde la red pública de Internet. Todavía puede usar SSH desde dentro de la red virtual mediante la dirección IP privada del nodo de instancia de proceso y el puerto 22.

  Sugerencia

  Si las instancias de proceso están en una red virtual administrada y la dirección IP pública está deshabilitada, use el comando az ml compute connect-ssh para conectarse a la instancia de proceso.

• Seleccione el nombre del proceso para:

  • Ver los detalles sobre una instancia de proceso específica, como la dirección IP y la región.
  • Crear o modificar la programación para iniciar y detener la instancia de proceso. Desplazarse hacia abajo hasta la parte inferior de la página para editar la programación.

SE APLICA A: SDK de Python azure-ai-ml v2 (actual)

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

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

Para más información acerca de las clases, los métodos y los parámetros que se usan en este ejemplo, consulte los siguientes documentos de referencia:

• Clase AmlCompute
• Clase ComputeInstance

SE APLICA A: Extensión de ML de la CLI de Azure v2 (actual)

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"

En el área de trabajo de Estudio de Azure Machine Learning, seleccione Proceso y, luego, Instancia de proceso en la parte superior. Para ver sus propiedades, incluido el sistema operativo actual, seleccione el nombre de proceso de instancia de proceso.