VS Code 中的 Azure 机器学习
Azure 机器学习是一个基于云的环境，可用于训练、部署、自动化、管理和跟踪机器学习模型。有关 Azure 机器学习的更多信息，请参阅 什么是 Azure 机器学习？
Azure 机器学习 VS Code 扩展程序让您可以使用 Visual Studio Code 中熟悉的功能来开发机器学习应用程序。
桌面或 Web
您可以在 VS Code 桌面版或 VS Code 网页版中使用 Azure 机器学习。VS Code 网页版在 https://vscode.dev 上提供了一个免费、零安装的、完全在浏览器中运行的 VS Code 体验。查看启动 Azure 机器学习指南以了解更多信息。
连接到远程计算实例
计算实例是一个托管的、基于云的工作站，用于开发机器学习应用程序。
Azure 机器学习 VS Code 扩展程序可以轻松地实时连接和访问计算实例中的资源。有关更多信息，请参阅连接到 Azure 机器学习计算实例。
Azure 机器学习 2.0 CLI 支持 (预览版)
Azure 机器学习 2.0 CLI 使您能够从命令行训练和部署模型。它的功能在跟踪模型生命周期的同时，加速了数据科学的横向和纵向扩展。
在使用 Azure 机器学习规范文件时，VS Code 扩展程序为以下功能提供支持：
- 规范文件创作
- 语言支持
- 资源自动补全
规范文件创作
在命令面板 (⇧⌘P (Windows, Linux Ctrl+Shift+P)) 中使用 Azure ML 命令，或在 VS Code 中使用 Azure 机器学习视图来简化规范文件的创作过程。
语言支持
Azure 机器学习扩展程序会将所有值与您默认工作区中的资源进行交叉引用。如果扩展程序检测到指定不正确的资源或缺失的属性，则会显示内联错误。
资源自动补全
当您开始使用资源时，您会发现 Azure 机器学习扩展程序可以检查规范文件。该扩展程序使用您指定的默认工作区，为该工作区中的资源提供自动补全支持。
训练机器学习模型
在 Azure 机器学习中，您可以使用 scikit-learn、PyTorch、TensorFlow 等流行框架来训练机器学习模型。该扩展程序可以轻松提交和跟踪这些模型的生命周期。
有关更多信息，请参阅训练机器学习模型教程。
管理资源
您可以直接从 VS Code 创建和管理 Azure 机器学习资源。有关更多信息，请参阅如何在 VS Code 中管理资源。
远程 Jupyter 服务器
VS Code 为使用 Jupyter Notebooks 进行开发提供了很好的支持。有关更多信息，请参阅VS Code 中的 Jupyter Notebooks。
Azure 机器学习利用了 VS Code 中强大的 Jupyter Notebooks 支持。这使得连接到远程计算实例并将其用作远程 Jupyter 服务器变得无缝衔接。有关更多信息，请参阅将计算实例配置为远程 Notebook 服务器。
Git 集成
通过使用 Azure 机器学习 VS Code 扩展程序连接到远程计算实例，您将能够使用 VS Code 内置的 Git 支持。