在 Azure 机器学习中管理 Azure 机器学习计算。
Azure 机器学习计算 (AmlCompute) 是托管的计算基础结构，可轻松创建单节点或多节点计算。 该计算是在工作区区域内创建的资源，可与其他用户共享。
有关详细信息，请参阅
什么是 Azure 机器学习中的计算目标？
类 ComputeTarget 构造函数。
检索与提供的工作区关联的 Compute 对象的云表示形式。 返回与检索的 Compute 对象的特定类型对应的子类的实例。
在以下示例中，创建了由
AmlCompute
预配的持续计算目标。 此示例中的
provisioning_configuration
参数属于
AmlComputeProvisioningConfiguration
类型，它是
ComputeTargetProvisioningConfiguration
的子类。
from azureml.core.compute import ComputeTarget, AmlCompute
from azureml.core.compute_target import ComputeTargetException
# Choose a name for your CPU cluster
cpu_cluster_name = "cpu-cluster"
# Verify that cluster does not exist already
cpu_cluster = ComputeTarget(workspace=ws, name=cpu_cluster_name)
print('Found existing cluster, use it.')
except ComputeTargetException:
compute_config = AmlCompute.provisioning_configuration(vm_size='STANDARD_D2_V2',
max_nodes=4)
cpu_cluster = ComputeTarget.create(ws, cpu_cluster_name, compute_config)
cpu_cluster.wait_for_completion(show_output=True)
完整示例可从
https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/training/train-on-amlcompute/train-on-amlcompute.ipynb
获取
add_identity
为此 AmlCompute 目标添加标识类型和/或标识 ID。
static provisioning_configuration(vm_size='', vm_priority='dedicated', min_nodes=0, max_nodes=None, idle_seconds_before_scaledown=1800, admin_username=None, admin_user_password=None, admin_user_ssh_key=None, vnet_resourcegroup_name=None, vnet_name=None, subnet_name=None, tags=None, description=None, remote_login_port_public_access='NotSpecified', identity_type=None, identity_id=None, location=None, enable_node_public_ip=True)
vm_size
代理 VM 的大小。 此处提供了更多详细信息：
https://aka.ms/azureml-vm-details
。
请注意，并非所有大小都适用于所有区域，如上一个链接中所述。 如果未指定该项，则默认值为 Standard_NC6。
vm_priority
wait_for_completion(show_output=False, min_node_count=None, timeout_in_minutes=25, is_delete_operation=False)
show_output
