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 扩展可让您使用 Visual Studio Code 中熟悉的功能来开发机器学习应用程序。
桌面版或网页版
你可以在 VS Code 桌面版或 网页版 VS Code 中使用 Azure 机器学习。网页版 VS Code 在 https://vscode.dev 上提供免费、零安装、完全在浏览器中运行的 VS Code 体验。请查看关于启动 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式云工作站。
Azure 机器学习 VS Code 扩展使您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。其功能在跟踪模型生命周期的同时，加速了数据科学的纵向和横向扩展。
在使用 Azure 机器学习规范文件时，VS Code 扩展为以下功能提供了支持：
- 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 为 Ctrl+Shift+P））中使用 Azure ML 命令，或在 VS Code 的 Azure 机器学习视图中进行操作，以简化规范文件的创作过程。
语言支持
Azure 机器学习扩展会与您默认工作区中的资源交叉引用所有值。如果扩展检测到指定不正确的资源或缺少属性，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 机器学习扩展可以检查规范文件。该扩展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，您可以使用流行的框架来训练机器学习模型，例如 scikit-learn、PyTorch、TensorFlow 等。该扩展使得提交和跟踪这些模型的生命周期变得简单。
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 Notebook 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 Notebook。
Azure 机器学习利用了 VS Code 中强大的 Jupyter Notebook 支持。它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。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 扩展连接到远程计算实例，您将能够使用 VS Code 的内置 Git 支持。