根据这个 https://docs.microsoft.com/en-us/azure/machine-learning/data-science-virtual-machine/tools-included#store-retrieve-and-manipulate-data，似乎SQL DSVM 支持服务器开发人员版 (Ubuntu)，但我在此处的支持列表中找不到名称https://docs.microsoft.com/en-us/azure/machine-learning/data-science-virtual- machine/dsvm-tools-data-platforms#sql-server-developer-edition，此外，Linux 指南没有指南，只有 Windows 指南。我想确保以下几点：

• DSVM 能否支持适用于 Ubuntu 的 SQL Server Developer Edition？
• 如果是，这方面的指导方针在哪里？
• 如果不是，文档是错误的？以及针对 Ubuntu 的 SQL Server Developer Edition 的任何特定支持计划？

谢谢

我们一直在将数据科学虚拟机与 CI 的虚拟机规模集结合使用，然后在连接的 Azure 管道中运行自定义 Docker 映像。

https://github.com/PyTorchLightning/metrics/blob/77e252ec6165ec94e23ce5c5cf9ffdad01bf54a1/azure-pipelines.yml#L29

最近我们正在观察以下失败消息

在此处查看完整输出 - https://dev.azure.com/PytorchLightning/Metrics/_build/results?buildId=9061&view=logs&j=fd70b5b8-241a-53bf-d137-3fd86cf9f066&t=a0ca1fe4-fde6-4a82-9888-52f5ae79d8fe

更新：该问题已在 2021 年 6 月版本中解决，请参阅Azure DSVM 发行说明

Azure DSVM 在端口 8000 上启用了 jupyterlab。但是，jupyterlab 中的启动文件夹始终从 /home/*user-name/notbook 开始。我想更改 jupyterlab 启动文件夹，但我不知道该怎么做。

试过了

1.

我通过参考stackoverflow创建了一个 jupyterlab 配置来更改c.NotebookApp.notbook_dir，但重新启动并再次检查服务器操作。我已经确认它不起作用。

2.

我也尝试创建一个jupyterhub配置，但结果是没有名为jupyterhub的命令。我以为它在docker中工作，但是docker中没有jupyterhub的进程。

3.

网络统计-tnlp

ps辅助| grep jupyter

我正在 Azure 中运行全新的 Windows Server 2019 数据科学虚拟机。我正在使用具有 Tesla K80 GPU 的 NC6_Promo 尺寸。部署完成后，我尝试使用以下 python 命令检查 CUDA 是否正常工作：

这将返回一个错误的语句，表明 CUDA 不可用。

使用 nvidia-smi 工具检查时，我得到以下响应：

这告诉我 CUDA 版本 11.4 可用。

虚拟机的设备管理器还显示 Tesla K80 GPU 已安装并正常工作：

特斯拉 K80 状态

到目前为止我采取的步骤：

1. 启用 nVidia 虚拟机扩展
2. （重新）为 Tesla K80 安装了最新的 nVidia 驱动程序
3. 将 CUDA 升级到 11.5 版

但是我仍然不能使用 PyTorch 的 GPU。我可以采取任何其他步骤来使其正常工作吗？这真的应该开箱即用。

我正在使用烧瓶为自动 ml 应用程序构建 api 层。

该应用程序基本上是在 DSVM 服务器上构建的，它用于通过构建 xgboost 模型使用 shap 值给出影响问题的最重要特征。因此，对于每次运行，都会根据单变量、混杂和多变量分析自动丢弃特征，最后使用剩余特征 xgboost 确定这些特征的重要性。

如果我必须为普通模型构建 API 层，我们将使用 pickle 文件来部署模型，并且 API 仅用于从模型中获取预测。有没有办法使用 REST 部署这个应用程序，以便前端可以使用它们？