在 VS Code 中试用

VS Code 中的 Azure 机器学习

Azure 机器学习是一种基于云的环境,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(Azure Machine Learning)允许你在 Visual Studio Code 中使用熟悉的各种功能来开发机器学习应用程序。

Azure Machine Learning Visual Studio Code extension view

桌面版或 Web 版

你可以在 VS Code 桌面版或Web 版 VS Code 中使用 Azure 机器学习。Web 版 VS Code 提供免费、无需安装的 VS Code 体验,可在浏览器中完全运行,地址为 https://vscode.dev。查看启动 Azure 机器学习的指南,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 扩展可以轻松地实时连接和访问计算实例中的资源。有关详细信息,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 使你能够从命令行训练和部署模型。其功能加速了数据科学的扩展,同时跟踪了模型的生命周期。

使用 Azure 机器学习规范文件时,VS Code 扩展提供了对以下功能的支持

  • 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 的 Azure 机器学习视图中,可以简化规范文件创作过程。

Azure Machine Learning YAML specification file authoring

语言支持

Azure 机器学习扩展会交叉引用默认工作区中的所有资源值。如果扩展检测到指定的资源不正确或缺少属性,则会显示内联错误。

Azure Machine Learning specification file language support

资源自动补全

在开始使用资源时,你会发现 Azure 机器学习扩展可以检查规范文件。该扩展使用你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。

Azure Machine Learning resource autocompletion

训练机器学习模型

在 Azure 机器学习中,你可以使用流行的框架(例如 scikit-learn、PyTorch、TensorFlow 等)来训练机器学习模型。该扩展使提交和跟踪这些模型的生命周期变得容易。

有关详细信息,请参阅训练机器学习模型教程

管理资源

你可以直接在 VS Code 中创建和管理 Azure 机器学习资源。有关详细信息,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 进行开发提供了极大的支持。有关详细信息,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。它可以无缝连接到远程计算实例并将其用作远程 Jupyter 服务器。有关详细信息,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,你将能够使用 VS Code 内置的 Git 支持。

后续步骤