AzureML Notebook VM 入门

内容摘要：Azure 机器学习（AML）是一种基于云端环境，你可以使用它来训练、部署、自动化、管理和跟踪 ML 模型。在下面的教程里，我们将介绍如何创建一个运行 Azure Notebook VM。

AzureML Notebook VMs 有哪些优点？

AzureML Notebook VMs 是一个基于云的环境，它预装了所有你需要用于机器学习和数据科学研究的功能。

AzureML Notebook VM 安全易用，具备完全可自定义的功能，并且直接集成在 Azure 机器学习服务中，为数据科学家提供了代码优先的体验，便于使用 Azure ML 来构建和部署模型。

AzureML Notebook VM 的特性：

• 安全性 — AML 工作区与 Azure Active Directory 相互集成，支持通过该内置功能进行身份验证，访问工作区资源。

• 可扩展性 — 因为 Notebooks 是由 AML 服务进行管理，仅需在 AML 工作区网页上轻点几下鼠标，即可按需增减所需的计算资源。

• 预配置 — 默认提供最新 AML Python 环境，还有 GPU 驱动，Pytorch，Tensorflow，Scikit learn, R 语言等诸多资源。

• 可定制化 — 可通过 ssh 访问虚拟机，安装你自己的工具或驱动，并且所作改动即使关机重启后依然保留。

第一步：登录 Azure

如果你还没有 Azure 订阅，请通过以下链接获取免费账号。

立即创建 Azure 免费帐户

第二步：创建 Azure 机器学习工作区

按照上面动图中的步骤来创建一个新的 Azure 机器学习服务实例。请参考以下教程获得更多信息。

教程：创建你的第一个ML试验 - Azure机器学习

第三步：在 Azure 机器学习中的工作区内选择“Compute”

第四步：点击“New”

第五步：选择合适的 VM 类型并部署

以下文档提供了 VM 类型和价格列表。对于大多数的项目，推荐使用标准系列；而对于 GPU 有一定要求的项目，建议使用 N 系列。

虚拟机系列

选择完成后，点击“Create”按钮。根据配置不同，新虚拟机的创建大约是 5 ~10 分钟。

第六步：Jupyter、JupyterLab 和 RStudio，挑选你喜欢的工具开始编写代码吧

最佳实践：关闭不在使用中的 VM，删除使用标准依赖项的 VM。

不同于 DSVM，由于所有 Notebooks 数据都保留在 Azure 机器学习服务的 Notebooks 区，你的数据能够被恢复并在多个 Notebook VMs 之间共享。因此，可以实现使用一台标准 VM 进行基本数据处理；当需要 GPU 算力时，无缝切换至另一台 N 系列 VM。

后续步骤

现在你已经创建了你的第一台 Notebook VM 了，来看看我之前发布的 9 个机器学习生产环境下的高级技巧。

9 Advanced Tips for Production Machine Learning

还有一篇如何使用Visual Studio Code对你新创建的 Notebook VM 设置远程调试。

https://github.com/danielsc/azureml-debug-training/blob/master/Setting up VSCode Remote on an AzureML Notebook VM.md">danielsc/azureml-debug-training

关于作者

Aaron（Ari）Bornstein是一位狂热的 AI 爱好者，热衷于了解新技术、历史和计算医学。作为一名微软云开发大使团队的开源工程师，他通过与以色列高科技社区的相互协作，运用最前沿技术解决了各种现实场景中的难题。这些技术随后被记录、开源并与全世界分享。

原文链接：https://medium.com/microsoftazure/getting-started-with-azureml-notebook-vms-f637b6e09ed4