在 Azure Machine Learning 中使用計算資源

雲端最的主要優點之一，是能夠使用可調整的隨選計算資源，以進行符合成本效益的大型資料處理。

在本練習中，您將了解如何在 Azure Machine Learning 中使用雲端計算，大規模執行實驗和生產程式碼。

在您開始使用 Intune 之前

您將需要具有系統管理層級存取權的 Azure 訂用帳戶。

Azure Machine Learning 工作區** 會提供一個集中位置，用來管理您定型和管理模型所需的所有資源和資產。您可以透過 Studio、Python SDK 和 Azure CLI 與 Azure Machine Learning 工作區互動。

若要建立 Azure Machine Learning 工作區，您將使用 Azure CLI。所有必要的命令會分組在殼層指令碼中，供您執行。

在瀏覽器中，開啟位於 https://portal.azure.com/ 的 Azure 入口網站，並使用您的 Microsoft 帳戶登入。
選取頁面頂端搜尋方塊右邊的 [>_] (Cloud Shell) 按鈕。這會在入口網站底部開啟 Cloud Shell 窗格。
若系統詢問，請選取 [Bash]**。第一次開啟 Cloud Shell 時，系統會要求您選擇要使用的殼層類型 ([Bash] 或 [PowerShell]**)。
檢查是否已指定正確的訂用帳戶，並 選取 [不需要 記憶體帳戶]。選取套用。
若要避免與舊版發生任何衝突，請在終端機中執行此命令，以移除第 1 版和第 2 版) (任何 ML CLI 延伸模組:
```
 az extension remove -n azure-cli-ml
 az extension remove -n ml
```
使用 SHIFT + INSERT 將複製的程式碼貼到 Cloud Shell 中。

忽略表示未安裝延伸模組的任何 (錯誤) 訊息。
使用下列命令安裝 Azure Machine Learning (v2) 延伸模組:
```
 az extension add -n ml -y
```

建立資源群組。選擇接近您的位置。

 az group create --name "rg-dp100-labs" --location "eastus"

若要建立工作區：

 az ml workspace create --name "mlw-dp100-labs" -g "rg-dp100-labs"

若要在 Azure Machine Learning 工作區內執行筆記本，您需要計算執行個體。您可以使用安裝指令碼在建立時設定計算執行個體。

在 Azure 入口網站中，瀏覽至名為 mlw-dp100-labs 的 Azure Machine Learning 工作區。
選取 Azure Machine Learning 工作區，然後在其 [概觀]** 頁面中，選取 [啟動工作室]**。另一個索引標籤將在瀏覽器中開啟，以開啟 Azure Machine Learning 工作室。
關閉任何出現在工作室中的快顯視窗。
在 Azure Machine Learning 工作室內，瀏覽至 [筆記本]** 頁面。
在 [檔案]** 窗格中，選取要 [新增檔案]** 的 ⨁ 圖示。
選取 [建立新的檔案]**。
確認檔案位置為 Users/* your-user-name*。
將檔案類型變更為 *Bash (.sh) **。
將檔案名稱變更為 compute-setup.sh。

開啟新建立的 compute-setup.sh 檔案，並將下列內容貼到其內容中:

 #!/bin/bash

 # clone repository
 git clone https://github.com/MicrosoftLearning/mslearn-azure-ml.git azure-ml-labs

若要建立計算執行個體，您可以使用 Studio、Python SDK 或 Azure CLI。您將使用 Studio 來建立計算執行個體，其中包含您剛才建立的設定指令碼。

使用左側的功能表，瀏覽至 [計算]** 頁面。
在 [計算執行個體]** 索引標籤中，選取 [新增]**。
設定 (尚未使用下列設定來建立計算執行個體):
- 計算名稱：輸入唯一的名稱**
- 虛擬機器類型:CPU
- 虛擬機器大小：Standard_DS11_v2
選取 [下一步]。
選取 [新增排程]** 並設定排程，以在每天下午 **18:00 或下午 6:00 停止計算執行個體。
選取 [下一步]。
檢閱安全性設定，但不選取它們:
- 啟用 SSH 存取：您能使用此選項來啟用利用 SSH 用戶端來對虛擬機器進行直接存取。
- 啟用虛擬網路：您通常會在企業環境下使用此選項來增強網路安全性。
- 指派給另一位使用者：您可以使用此選項，將計算執行個體指派給另一個資料科學家。
選取 [下一步]。
選取 [使用建立指令碼佈建]** 的切換。
選取您先前建立的 compute-setup.sh 指令碼。
選取 [檢閱 + 建立]** 以建立計算執行個體，並等候其啟動，並將其狀態變更為 [執行中]**。
當計算執行個體執行時，瀏覽至 [Notebooks]** 頁面。按一下 [檔案]** 窗格中的 [↻]** 以重新整理檢視，並確認已建立新的 **/users/your-user-name/dp100-azure-ml-labs 資料夾。

當您建立計算實例時，您可以在該實例上執行筆記本。您可能需要安裝特定套件，才能執行您想要的程式碼。您可以在安裝指令碼中包含套件，或使用終端機加以安裝。

筆記本非常適合用於測試期間的開發或反覆工作。實驗時，您會想要在計算執行個體上執行筆記本，以快速測試和檢閱程式碼。移至生產環境時，您會想要在計算叢集上執行指令碼。您將使用 Python SDK 建立計算叢集，然後使用它來執行指令碼作為作業。

當您完成探索 Azure Machine Learning 時，應該刪除您所建立的資源，以避免產生不必要的 Azure 成本。