什麼是 Azure Machine Learning 計算執行個體？

Azure Machine Learning 計算執行個體是提供資料科學家使用的完全受控雲端式工作站。 每個運算實例只有一個擁有者，但你可以在多個運算實例間共享檔案。

計算執行個體可讓您輕鬆地開始使用 Azure Machine Learning 開發，以及為 IT 系統管理員提供管理和企業就緒功能。

請在雲端中使用計算執行個體，做為已完整設定且完全受控的開發環境進行機器學習。 你也可以將運算實例作為訓練和推理的計算目標，用於開發和測試。

若要讓計算執行個體 Jupyter 功能能夠運作，請確定您未停用 Web 通訊端通訊。 確保您的網路允許與 *.instances.azureml.net 和 *.instances.azureml.ms 進行 Websocket 連線。

為何要使用計算執行個體？

計算執行個體是完全受控的雲端式工作站，並已針對機器學習開發環境進行最佳化。 它提供了下列優點：

• 使用非公用 IP，保護計算執行個體。
• 計算執行個體也是類似於計算叢集的安全定型計算目標，但其為單一節點。
• 您可以自行建立計算執行個體，或者系統管理員亦可代表您建立計算執行個體。
• 您也可以使用安裝指令碼，以自動化方式依據您的需求自訂和設定計算執行個體。
• 為了節省成本，可以建立一個排 程 來自動啟動和停止運算實例，或 啟用閒置關機。

工具和環境

Azure Machine Learning 計算執行個體可讓您在工作區中以完全整合的筆記本體驗來撰寫、定型和部署模型。

您可以從 Azure Machine Learning 工作區、Jupyter、JupyterLab 或 Visual Studio Code 執行筆記本。 你可以設定 VS Code Desktop 來存取你的運算實例。 也能直接透過瀏覽器使用 VS Code 網頁版，且不需要任何必要安裝或相依性。

試試 VS Code for the Web，利用它提供的簡單整合與豐富的開發環境。 VS Code 網頁版提供許多您喜愛的 VS Code Desktop 功能，包括在瀏覽和編輯時進行搜尋和醒目提示語法。 如需使用 VS Code Desktop 和適用於 Web 的 VS Code 的詳細資訊，請參閱啟動與 Azure Machine Learning 整合的 Visual Studio Code (預覽) 和在遠端連線到計算執行個體的 VS Code 中工作 (預覽)。

您可以安裝套件，並將核心新增至計算執行個體。

下列工具和環境已安裝在計算執行個體上：

您在建立執行個體時，可以新增 RStudio 或 Posit Workbench (先前稱為 RStudio Workbench)。

計算執行個體的基底 OS 為 Ubuntu。

存取檔案

你工作空間在 Azure 檔案分享中的預設儲存帳號會儲存筆記本和 Python 腳本。 你可以在你的「使用者檔案」目錄中找到這些檔案。 此儲存體可讓您輕鬆地在計算執行個體之間共用筆記本。 當您停止或刪除計算執行個體時，儲存體帳戶也會讓您的筆記本安全地保留下來。

您工作區的 Azure 檔案共用會以磁碟機形式掛載到計算執行個體上。 此磁碟機是 Jupyter、Jupyter Labs、RStudio 和 Posit Workbench 的預設工作目錄。 這種設定意味著你在 Jupyter、JupyterLab、VS Code for Web、RStudio 或 Posit 中建立的筆記本和其他檔案會自動儲存在檔案分享中，並且也能在其他運算實例中使用。

同一工作區中的所有運算實例都能存取檔案分享中的檔案。 計算實例上這些檔案的任何變更都會可靠地保存回檔案共用。

您也可以將最新的 Azure Machine Learning 範例複製到工作區檔案共用中「使用者檔案」目錄下的資料夾。

在網路磁碟機上寫入小型檔案的速度，可能會比寫入至計算執行個體本機磁碟本身來得更慢。 如果您要撰寫許多小型檔案，請嘗試直接在計算執行個體上使用目錄，例如 /tmp 目錄。 請注意，計算實例上的檔案無法從其他計算實例存取。

請勿在筆記本檔案共用區上儲存訓練資料。 如需各種儲存資料選項的相關資訊，請參閱存取作業中的資料。

您可以在計算執行個體上使用 /tmp 目錄來儲存暫存資料。 不過，請勿在計算執行個體的 OS 磁碟上寫入大型資料檔案。 運算實例的作業系統磁碟容量為 120 GB。 你也可以將暫存訓練資料存放在掛載於 /mnt的臨時磁碟上。 暫存磁碟大小是根據所選的虛擬機器大小計算，若選擇較大容量的虛擬機，則可儲存更多資料。 你安裝的任何軟體套件都會儲存在計算實例的作業系統磁碟上。 請注意，目前作業系統磁碟不支援客戶管理的金鑰加密。 運算實例的作業系統磁碟以 Microsoft 管理的金鑰加密。

建立​​

要建立基本的運算實例，請參見 「建立你需要的資源以開始」。

如需其他選項，請參閱建立新的計算執行個體。

若您是系統管理員，可在工作區中為其他人建立計算執行個體。 你必須為這樣的運算實例停用單點登入（SSO）。

您也可以使用安裝指令碼，以自動化方式自訂和設定計算執行個體。

建立計算執行個體的其他方式：

• 直接從整合式筆記本體驗。
• 從 Azure Resource Manager 範本。 如需範例範本，請參閱建立 Azure Machine Learning Compute 執行個體範本。
• 使用 Azure Machine Learning SDK
• 從適用於 Azure Machine Learning 的 CLI 延伸模組

適用於建立計算執行個體的每個區域、每個 VM 系列的專用核心配額，以及區域總配額，已統一並與 Azure Machine Learning 訓練計算叢集配額共用。 停止運算執行處理不會釋放配額，以確保您可以重新啟動運算執行處理。 請勿藉由執行 sudo 關機的方式，透過 OS 終端停止計算執行個體。

運算執行個體配有 P10 作業系統磁碟。 暫存磁碟類型取決於所選擇的 VM 大小。 目前你無法更改作業系統的磁碟類型。

運算目標

計算執行個體可作為訓練計算目標，如同 Azure Machine Learning 的訓練計算叢集。 但計算執行個體僅擁有單一節點，而計算叢集卻可以有更多節點。

一個運算執行個體：

• 具有作業佇列。
• 在虛擬網路環境中安全地執行作業，而無須企業開啟 SSH 連接埠。 作業會在容器化環境中執行，並在 Docker 容器中封裝模型的相依性。
• 您可平行執行多個小型作業。 每個 vCPU 可平行執行一個作業，其餘作業則會排入佇列。
• 支援單一節點多 GPU 分散式訓練作業

您可以使用計算執行個體，作為測試/偵錯情境的本機推論部署目標。

相關內容

• 建立開始使用所需的資源.
• 教學課程：訓練您的第一個 ML 模型 說明如何使用含有整合式筆記本的計算執行個體。