Visual Studio 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 扩展使您可以使用您在 Visual Studio Code 中开发机器学习应用程序所熟悉的特性。
桌面或 Web
您可以在 VS Code 桌面或 适用于 Web 的 VS Code 中使用 Azure 机器学习。适用于 Web 的 VS Code 提供了一个免费的、无需安装的 VS Code 体验，它完全在您的浏览器中运行，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 扩展使您能够轻松连接到计算实例并在实时访问其资源。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。它的特性可以加速数据科学的规模化和扩展，同时跟踪模型生命周期。
在使用 Azure 机器学习规范文件时，VS Code 扩展提供了对以下特性的支持：
- 规范文件编写
- 语言支持
- 资源自动完成
规范文件编写
在命令面板 (⇧⌘P (Windows、Linux Ctrl+Shift+P)) 中使用 Azure ML 命令或 VS Code 中的 Azure 机器学习视图来简化规范文件编写过程。
语言支持
Azure 机器学习扩展会将所有值与您默认工作区中的资源进行交叉引用。如果扩展检测到资源指定错误或缺少属性，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 等等。扩展使您能够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
您可以直接在 VS Code 中创建和管理 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 笔记本进行开发提供了良好的支持。有关更多信息，请参阅 VS Code 中的 Jupyter 笔记本。
Azure 机器学习利用了 VS Code 中强大的 Jupyter 笔记本支持。它使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 内置的 Git 支持。