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 机器学习的详细信息，请参阅什么是 Azure 机器学习？
Azure 机器学习 VS Code 扩展允许您使用 Visual Studio Code 中熟悉的特性来开发机器学习应用程序。
桌面或 Web
您可以在 VS Code Desktop 或 VS Code for the Web 中使用 Azure 机器学习。VS Code for the Web 在 https://vscode.dev 上完全在浏览器中运行，提供免费、零安装的 VS Code 体验。请查看有关启动 Azure 机器学习的指南以了解更多信息。
连接到远程计算实例
计算实例是用于开发机器学习应用程序的托管云工作站。
Azure 机器学习 VS Code 扩展可以轻松实时连接并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。它的功能加速了数据科学的扩展，同时跟踪模型生命周期。
当处理 Azure 机器学习规范文件时，VS Code 扩展为以下功能提供支持
- 规范文件创作
- 语言支持
- 资源自动完成
规范文件创作
使用命令面板中的 Azure ML 命令（⇧⌘P (Windows, Linux Ctrl+Shift+P)）或 VS Code 中的 Azure 机器学习视图来简化规范文件创作过程。
语言支持
Azure 机器学习扩展会使用默认工作区中的资源交叉引用所有值。如果扩展检测到资源指定不正确或缺少属性，则会显示内联错误。
资源自动完成
当您开始使用资源时，您会发现 Azure 机器学习扩展可以检查规范文件。扩展使用您指定的默认工作区来为该工作区中的资源提供自动完成支持。
训练机器学习模型
在 Azure 机器学习中，您可以使用流行的框架来训练机器学习模型，例如 scikit-learn、PyTorch、TensorFlow 等。该扩展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 笔记本的开发提供出色的支持。有关更多信息，请参阅VS Code 中的 Jupyter Notebooks。
Azure 机器学习利用 VS Code 中强大的 Jupyter 笔记本支持。它可以无缝连接到远程计算实例并将它们用作远程 Jupyter 服务器。有关更多信息，请参阅将计算实例配置为远程笔记本服务器。
Git 集成
通过使用 Azure 机器学习 VS Code 扩展连接到远程计算实例，您将能够使用 VS Code 的内置 Git 支持。