你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

使用 VS Code 扩展（预览版）管理 Azure 机器学习资源

了解如何使用 VS Code 扩展管理 Azure 机器学习资源。

重要

此功能目前处于公开预览状态。 此预览版在提供时没有附带服务级别协议，我们不建议将其用于生产工作负荷。 某些功能可能不受支持或者受限。

有关详细信息，请参阅 Microsoft Azure 预览版补充使用条款。

先决条件

• Azure 订阅。 如果没有订阅，注册之后即可试用 Azure 机器学习免费版或付费版。
• Visual Studio Code。 如果尚未安装它，请安装它。
• Azure 机器学习扩展。 遵循 Azure 机器学习 VS Code 扩展安装指南安装该扩展。

创建资源

创建资源的最快方法是使用扩展的工具栏。

1. 打开“Azure 机器学习”视图。
2. 在活动栏中选择 +。
3. 从下拉列表中选择你的资源。
4. 配置规范文件。 所需的信息取决于要创建的资源类型。
5. 右键单击规范文件，然后选择“AzureML: 执行 YAML”。

或者，可以使用命令面板来创建资源：

1. 选择“视图”>“命令面板”打开命令面板
2. 在文本框中输入 > Azure ML: Create <RESOURCE-TYPE>。 将 RESOURCE-TYPE 替换为要创建的资源类型。
3. 配置规范文件。
4. 选择“视图”>“命令面板”打开命令面板
5. 在文本框中输入 > Azure ML: Create Resource。

控制资源的版本

某些资源（如环境和模型）允许对资源进行更改并存储不同的版本。

若要控制资源的版本，请执行以下操作：

1. 使用创建了该资源的现有规范文件，或者遵循资源创建过程创建新的规范文件。
2. 在模板中递增版本号。
3. 右键单击规范文件，然后选择“AzureML: 执行 YAML”。

只要已更新的资源名称与前一版本相同，Azure 机器学习就会拾取更改并创建新版本。

工作区

有关详细信息，请参阅工作区。

创建工作区

1. 在“Azure 机器学习”视图中，右键单击你的订阅节点，然后选择“创建工作区”。
2. 此时会显示规范文件。 配置规范文件。
3. 右键单击规范文件，然后选择“AzureML: 执行 YAML”。

或者，在命令面板中使用 > Azure ML: Create Workspace 命令。

删除工作区

1. 展开包含你的工作区的订阅节点。
2. 右键单击要删除的工作区。
3. 选择是否要进行以下删除：
   • 仅工作区：此选项仅删除工作区 Azure 资源。 工作区所附加到的资源组、存储帐户和任何其他资源仍在 Azure 中。
   • 包括关联的资源：此选项会删除工作区以及与其关联的所有资源。

或者，在命令面板中使用 > Azure ML: Remove Workspace 命令。

数据存储

该扩展目前支持以下类型的数据存储：

• Azure Blob
• Azure Data Lake Gen 1
• Azure Data Lake Gen 2
• Azure 文件

有关详细信息，请参阅数据存储。

创建数据存储

1. 展开包含你的工作区的订阅节点。
2. 展开要在其下创建数据存储的工作区节点。
3. 右键单击“数据存储”节点，然后选择“创建数据存储” 。
4. 选择数据存储类型。
5. 此时会显示规范文件。 配置规范文件。
6. 右键单击规范文件，然后选择“AzureML: 执行 YAML”。

或者，在命令面板中使用 > Azure ML: Create Datastore 命令。

管理数据存储

1. 展开包含你的工作区的订阅节点。
2. 展开你的工作区节点。
3. 在工作区中展开“数据存储”节点。
4. 右键单击要对其执行以下操作的数据存储：
   • “取消注册数据存储”。 从工作区中删除该数据存储。
   • “查看数据存储”。 显示只读的数据存储设置

或者，在命令面板中分别使用 > Azure ML: Unregister Datastore 和 > Azure ML: View Datastore 命令。

环境

有关详细信息，请参阅环境。

创建环境

1. 展开包含你的工作区的订阅节点。
2. 展开要在其下创建数据存储的工作区节点。
3. 右键单击“环境”节点，然后选择“创建环境”。
4. 此时会显示规范文件。 配置规范文件。
5. 右键单击规范文件，然后选择“AzureML: 执行 YAML”。

或者，在命令面板中使用 > Azure ML: Create Environment 命令。

查看环境配置

若要在扩展中查看特定环境的依赖项和配置，请执行以下操作：

1. 展开包含你的工作区的订阅节点。
2. 展开你的工作区节点。
3. 展开“环境”节点。
4. 右键单击要查看的环境，并选择“查看环境”。

或者，在命令面板中使用 > Azure ML: View Environment 命令。

创建作业

创建作业的最快方法是单击扩展活动栏中的“创建作业”图标。

在“Azure 机器学习”视图中使用资源节点：

1. 展开包含你的工作区的订阅节点。
2. 展开你的工作区节点。
3. 右键单击工作区中的“试验”节点，然后选择“创建作业” 。
4. 选择作业类型。
5. 此时会显示规范文件。 配置规范文件。
6. 右键单击规范文件，然后选择“AzureML: 执行 YAML”。

或者，在命令面板中使用 > Azure ML: Create Job 命令。

查看作业

若要在 Azure 机器学习工作室中查看作业，请执行以下操作：

1. 展开包含你的工作区的订阅节点。
2. 在工作区中展开“试验”节点。
3. 右键单击要查看的试验，然后选择“在工作室中查看试验”。
4. 此时会出现一个提示，要求你在 Azure 机器学习工作室中打开试验 URL。 选择“打开” 。

或者，在命令面板中相应地使用 > Azure ML: View Experiment in Studio 命令。

跟踪作业进度

运行作业时，你可能希望查看其进度。 若要从扩展中跟踪 Azure 机器学习工作室中某个作业的进度，请执行以下操作：

1. 展开包含你的工作区的订阅节点。
2. 在工作区中展开“试验”节点。
3. 展开要跟踪其进度的作业节点。
4. 右键单击作业并选择“在工作室中查看作业”。
5. 此时会出现一个提示，要求你在 Azure 机器学习工作室中打开作业 URL。 选择“打开”。

下载作业日志和输出

某个作业完成后，你可能希望下载日志和资产，例如在作业中生成的模型。

1. 展开包含你的工作区的订阅节点。
2. 在工作区中展开“试验”节点。
3. 展开要下载其日志和输出的作业节点。
4. 右键单击作业：
   • 若要下载输出，请选择“下载输出”。
   • 若要下载日志，请选择“下载日志”。

或者，在命令面板中分别使用 > Azure ML: Download Outputs 和 > Azure ML: Download Logs 命令。

计算实例

有关详细信息，请参阅计算实例。

创建计算实例

1. 展开包含你的工作区的订阅节点。
2. 展开你的工作区节点。
3. 展开“计算”节点。
4. 右键单击工作区中的“计算实例”节点，然后选择“创建计算” 。
5. 此时会显示规范文件。 配置规范文件。
6. 右键单击规范文件，然后选择“AzureML: 执行 YAML”。

或者，在命令面板中使用 > Azure ML: Create Compute 命令。

连接到计算实例

若要将某个计算实例用作开发环境或远程 Jupyter 服务器，请参阅连接到计算实例。

停止或重启计算实例

1. 展开包含你的工作区的订阅节点。
2. 展开你的工作区节点。
3. 展开“计算”节点内的“计算实例”节点 。
4. 右键单击要停止或重启的计算实例，分别选择“停止计算实例”或“重启计算实例” 。

或者，在命令面板中分别使用 > Azure ML: Stop Compute instance 和 Restart Compute instance 命令。

查看计算实例配置

1. 展开包含你的工作区的订阅节点。
2. 展开你的工作区节点。
3. 展开“计算”节点内的“计算实例”节点 。
4. 右键单击要检查的计算实例，然后选择“查看计算实例属性”。

或者，在命令面板中使用 AzureML: View Compute instance Properties 命令。

删除计算实例

1. 展开包含你的工作区的订阅节点。
2. 展开你的工作区节点。
3. 展开“计算”节点内的“计算实例”节点 。
4. 右键单击要删除的计算实例，然后选择“删除计算实例”。

或者，在命令面板中使用 AzureML: Delete Compute instance 命令。

计算群集

有关详细信息，请参阅训练计算目标。

创建计算群集

1. 展开包含你的工作区的订阅节点。
2. 展开你的工作区节点。
3. 展开“计算”节点。
4. 右键单击工作区中的“计算群集”节点，然后选择“创建计算” 。
5. 此时会显示规范文件。 配置规范文件。
6. 右键单击规范文件，然后选择“AzureML: 执行 YAML”。

或者，在命令面板中使用 > Azure ML: Create Compute 命令。

查看计算配置

1. 展开包含你的工作区的订阅节点。
2. 展开你的工作区节点。
3. 展开“计算”节点内的“计算群集”节点 。
4. 右键单击要查看的计算，然后选择“查看计算属性”。

或者，在命令面板中使用 > Azure ML: View Compute Properties 命令。

删除计算群集

1. 展开包含你的工作区的订阅节点。
2. 展开你的工作区节点。
3. 展开“计算”节点内的“计算群集”节点 。
4. 右键单击要删除的计算，然后选择“删除计算”。

或者，在命令面板中使用 > Azure ML: Remove Compute 命令。

推理群集

有关详细信息，请参阅用于推理的计算目标。

管理推理群集

1. 展开包含你的工作区的订阅节点。
2. 展开你的工作区节点。
3. 展开“计算”节点内的“推理群集”节点 。
4. 右键单击要对其执行以下操作的计算：
   • “查看计算属性”。 显示有关附加的计算的只读配置数据。
   • “拆离计算”。 从工作区拆离计算。

或者，在命令面板中分别使用 > Azure ML: View Compute Properties 和 > Azure ML: Detach Compute 命令。

删除推理群集

1. 展开包含你的工作区的订阅节点。
2. 展开你的工作区节点。
3. 展开“计算”节点内的“附加的计算”节点 。
4. 右键单击要删除的计算，然后选择“删除计算”。

或者，在命令面板中使用 > Azure ML: Remove Compute 命令。

附加的计算

有关详细信息，请参阅非托管计算。

管理附加的计算

1. 展开包含你的工作区的订阅节点。
2. 展开你的工作区节点。
3. 展开“计算”节点内的“附加的计算”节点 。
4. 右键单击要对其执行以下操作的计算：
   • “查看计算属性”。 显示有关附加的计算的只读配置数据。
   • “拆离计算”。 从工作区拆离计算。

或者，在命令面板中分别使用 > Azure ML: View Compute Properties 和 > Azure ML: Detach Compute 命令。

模型

有关详细信息，请参阅训练机器学习模型。

创建模型

1. 展开包含你的工作区的订阅节点。
2. 展开你的工作区节点。
3. 右键单击工作区中的“模型”节点，然后选择“创建模型” 。
4. 此时会显示规范文件。 配置规范文件。
5. 右键单击规范文件，然后选择“AzureML: 执行 YAML”。

或者，在命令面板中使用 > Azure ML: Create Model 命令。

查看模型属性

1. 展开包含你的工作区的订阅节点。
2. 在工作区中展开“模型”节点。
3. 右键单击要查看其属性的模型，然后选择“查看模型属性”。 此时会在编辑器中打开一个文件，其中包含你的模型属性。

或者，在命令面板中使用 > Azure ML: View Model Properties 命令。

下载模型

1. 展开包含你的工作区的订阅节点。
2. 在工作区中展开“模型”节点。
3. 右键单击要下载的模型，然后选择“下载模型文件”。

或者，在命令面板中使用 > Azure ML: Download Model File 命令。

删除模型

1. 展开包含你的工作区的订阅节点。
2. 在工作区中展开“模型”节点。
3. 右键单击要删除的模型，然后选择“删除模型”。
4. 此时会出现一个提示，要求你确认是否要删除该模型。 选择“确定”。

或者，在命令面板中使用 > Azure ML: Remove Model 命令。

终结点

有关详细信息，请参阅终结点。

创建终结点

1. 展开包含你的工作区的订阅节点。
2. 展开你的工作区节点。
3. 右键单击工作区中的“模型”节点，然后选择“创建终结点” 。
4. 选择终结点类型。
5. 此时会显示规范文件。 配置规范文件。
6. 右键单击规范文件，然后选择“AzureML: 执行 YAML”。

或者，在命令面板中使用 > Azure ML: Create Endpoint 命令。

删除终结点

1. 展开包含你的工作区的订阅节点。
2. 在工作区中展开“终结点”节点。
3. 右键单击要删除的部署，然后选择“删除服务”。
4. 此时会出现一个提示，要求你确认是否要删除该服务。 选择“确定”。

或者，在命令面板中使用 > Azure ML: Remove Service 命令。

查看服务属性

除了创建和删除部署之外，还可以查看和编辑与部署关联的设置。

1. 展开包含你的工作区的订阅节点。
2. 在工作区中展开“终结点”节点。
3. 右键单击要管理的部署：
   • 若要查看部署配置设置，请选择“查看服务属性”。

或者，在命令面板中使用 > Azure ML: View Service Properties 命令。

后续步骤

使用 VS Code 扩展训练图像分类模型。