在本文中，您將學習如何在遠端連接 Azure 機器學習運算實例的情況下啟動 Visual Studio Code。 使用 VS Code 作為你的整合開發環境（IDE），搭配 Azure 機器學習資源的強大功能。 透過 VS Code for the Web 在瀏覽器使用 VS Code ，或使用 VS Code 桌面應用程式。
你可以使用兩種方式用 VS Code 連接到計算實例。 我們建議第一種方式。
用 VS Code 作為你工作區的 IDE。 此選項提供完整的開發環境，協助您建置機器學習專案。
- 你可以從工作區開啟 VS Code，無論是在瀏覽器中使用 VS Code for the Web ，或是使用 VS Code 桌面版。
- 我們推薦 VS Code for the Web，因為你可以直接從瀏覽器完成所有機器學習工作，無需安裝或依賴。
使用遠端的 Jupyter Notebook 伺服器。 此選項允許您將運算實例設定為遠端 Jupyter Notebook 伺服器。 此選項僅在 VS Code 桌面版中提供。
重要事項
關於如何在防火牆後連接計算實例的資訊，請參見 「配置進出網路流量」。
先決條件
- Azure Machine Learning 工作區和計算執行個體。 完成 建立您需要的資源以開始以建立它們。
- 登入工作室，並選取您的工作區 (如果其尚未開啟的話)。
將 VS Code 當作工作區 IDE
使用下列其中一個選項，將 VS Code 連線到計算執行個體和工作區檔案。
VS Code for the Web 提供一個功能完整的開發環境，讓你能從瀏覽器建立機器學習專案，且無需安裝或依賴。 當您連接 Azure 機器學習運算實例時，VS Code 所提供的豐富且整合的開發體驗，將因 Azure 機器學習的力量而更加豐富。
你可以在 Azure Machine Learning Studio 一鍵啟動 VS Code for the Web，無縫地繼續你的工作。
登入 Azure Machine Learning Studio，並依照步驟啟動連線至 Azure Machine Learning 計算執行個體的 VS Code for the Web 瀏覽器分頁。
你可以從 Notebook 或 Azure Machine Learning Studio 的 Compute 區段建立連線。
Notebooks
在左側選單中，選擇 筆記本。
在 檔案 清單中，選擇你想編輯的檔案。
如果計算執行個體已停止，請選取 [啟動計算]，並等到其執行為止。
在程式碼編輯器清單中，選擇 「在 VS Code （Web）編輯」。
你也可以在不打開筆記本的情況下，透過在檔案列表中選擇 VS Code （Web） 按鈕，或在檔案列表中右鍵點擊資料夾來啟動 VS Code for Web。
Compute
- 在左側選單中，選擇 「計算」。
- 如果你想使用的運算實例是停止狀態，先選取它，然後選擇 開始。
- 當運算實例執行時，在「應用程式」欄位選擇 VS Code （Web）。
如果你選擇其中一個點擊退出體驗，會開啟一個新的 VS Code 視窗，並嘗試連接遠端運算實例。 當你嘗試建立這種連結時，會進行以下步驟：
- 授權。 系統會執行一些檢查，以確保嘗試建立連線的使用者有權使用計算執行個體。
- VS Code 遠端伺服器安裝在計算執行個體。
- 建立 WebSocket 連線以進行即時互動。
連線建立後，就會持續存在。 會話開始時會發出一個令牌，並自動刷新以維持與你的運算實例的連線。
連線到您的遠端計算執行個體後，使用編輯器以：
- 在遠端計算執行個體或檔案共用撰寫並管理檔案。
- 使用 VS Code 整合式終端機在您的遠端計算執行個體執行命令和應用程式。
- 除錯你的腳本和應用程式。
- 使用 VS Code 來管理你的 Git 倉庫。
遠端 Jupyter Notebook 伺服器
此選項允許您將計算實例作為 VS Code 桌面的遠端 Jupyter Notebook 伺服器使用。 這個選項只會連接到運算實例，不會連接到整個工作區的其他部分。 使用這個選項時，你在 VS Code 裡不會看到你的工作區檔案。
要將運算實例設定為遠端 Jupyter Notebook 伺服器，請先安裝 Azure Machine Learning VS Code 擴充功能。 更多資訊請參閱 Azure Machine Learning VS Code 擴充設定指南。
如何連線至計算執行個體：
在 VS Code 中開啟 Jupyter 筆記本。
當整合的筆記型電腦體驗載入時，點擊 選擇核心。
或者，使用命令選擇區：
- 選擇 「檢視 > 指令面板 」以開啟指令面板。
- 篩選並選取 [Azure ML：連線到計算執行個體 Jupyter 伺服器]。
從 Jupyter 伺服器選項列表中選擇 Azure ML compute instance 。
選擇核心。
在訂閱清單中選擇您的訂閱。 如果您之前已設定預設的 Azure Machine Learning 工作區，此步驟會略過。
選取您的工作區。
從清單中選取您的計算執行個體。 如果您沒有計算執行個體，請選取 [建立新的 Azure Machine Learning 計算執行個體]，並遵循提示來建立。
要讓變更生效，你需要重新載入 VS Code。
開啟 Jupyter Notebook 並執行儲存格。
重要事項
您必須執行儲存格才能建立連線。
在此階段，您可以在 Jupyter Notebook 繼續執行儲存格。
秘訣
您也可以使用包含類 Jupyter 程式碼儲存格的 Python 指令碼檔案 (.py)。 欲了解更多資訊，請參閱 Visual Studio Code Python 互動文件。
後續步驟
現在你已經遠端連接到運算實例開始使用 VS Code，就可以準備資料、編輯和除錯程式碼，並用 Azure Machine Learning 擴充功能提交訓練工作。
想了解如何善用 VS Code 與 Azure 機器學習整合，請參閱「 遠端連接至計算實例的 VS Code 工作」。