Azure Machine Learning in VS Code
Azure 机器学习是一个基于云的环境，你可以用来训练、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，请参见“什么是Azure机器学习？”
Azure Machine Learning VS Code 扩展允许你使用你在 Visual Studio Code 中熟悉的功能来开发机器学习应用。
桌面或网页
你可以在VS Code Desktop或VS Code for the Web中使用Azure机器学习。VS Code for the Web 提供免费、零安装的 VS Code 体验，完全在你的浏览器中运行，且在 https://vscode.dev。查看Azure机器学习启动指南以了解更多信息。
连接远程计算实例
计算实例是一种托管的基于云的工作站，用于开发机器学习应用。
Azure 机器学习 VS Code 扩展使得实时连接和访问计算实例中的资源变得轻松。欲了解更多信息，请参见连接 Azure 机器学习计算实例。
Azure Machine Learning 2.0 CLI support （preview）
Azure Machine Learning 2.0 CLI支持你从命令行训练和部署模型。其功能加速数据科学的扩展，同时跟踪模型生命周期。
在处理 Azure 机器学习规范文件时，VS Code 扩展支持以下功能：
- 规范文件编写
- 语言支持
- 资源自动补全
规范文件编写
在命令调色板中使用Azure ML命令（⇧⌘P（Windows，Linux Ctrl+Shift+P））或在VS Code中使用Azure机器学习视图，简化规范文件的创作过程。
语言支持
Azure 机器学习扩展会将所有值与默认工作区中的资源进行交叉核对。如果扩展检测到错误指定的资源或缺失属性，会显示内联错误。
资源自动补全
当你开始使用资源时，你会发现Azure机器学习扩展可以检查规范文件。扩展使用你指定的默认工作区来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，您可以使用流行的机器学习模型框架，如 scikit-learn、PyTorch、TensorFlow 等。该扩展使提交和跟踪这些模型的生命周期变得简单。
更多信息请参见机器学习模型训练教程。
管理资源
你可以直接从 VS Code 创建和管理 Azure 机器学习资源。更多信息请参见如何在VS Code中管理资源。
远程Jupyter服务器
VS Code 为使用 Jupyter 笔记本的开发提供了很好的支持。更多信息请参见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。它使得连接远程计算实例并将其作为远程Jupyter服务器无缝使用。更多信息请参见“配置计算实例为远程笔记本服务器”。
Git 集成
通过使用 Azure Machine Learning VS Code 扩展连接到远程计算实例，你就能使用 VS Code 内置的 Git 支持。