Workspace Klas

Voeg een privé-eindpunt toe aan de werkruimte.

add_private_endpoint(private_endpoint_config, private_endpoint_auto_approval=True, location=None, show_output=True, tags=None)

Parameters

Retouren

Maak een nieuwe Azure Machine Learning-werkruimte.

Genereert een uitzondering als de werkruimte al bestaat of als niet aan een van de werkruimtevereisten wordt voldaan.

static create(name, auth=None, subscription_id=None, resource_group=None, location=None, create_resource_group=True, sku='basic', tags=None, friendly_name=None, storage_account=None, key_vault=None, app_insights=None, container_registry=None, adb_workspace=None, primary_user_assigned_identity=None, cmk_keyvault=None, resource_cmk_uri=None, hbi_workspace=False, default_cpu_compute_target=None, default_gpu_compute_target=None, private_endpoint_config=None, private_endpoint_auto_approval=True, exist_ok=False, show_output=True, user_assigned_identity_for_cmk_encryption=None, system_datastores_auth_mode='accessKey', v1_legacy_mode=None)

Parameters

Retouren

Uitzonderingen

Opmerkingen

Voor dit eerste voorbeeld is slechts een minimale specificatie vereist en worden alle afhankelijke resources en de resourcegroep automatisch gemaakt.

   from azureml.core import Workspace
   ws = Workspace.create(name='myworkspace',
                         subscription_id='<azure-subscription-id>',
                         resource_group='myresourcegroup',
                         create_resource_group=True,
                         location='eastus2')

In het volgende voorbeeld ziet u hoe u bestaande Azure-resources hergebruikt met behulp van de Indeling van de Azure-resource-id. De specifieke Azure-resource-id's kunnen worden opgehaald via de Azure-portal of SDK. Hierbij wordt ervan uitgegaan dat de resourcegroep, het opslagaccount, de sleutelkluis, App Insights en het containerregister al bestaan.

   import os
   from azureml.core import Workspace
   from azureml.core.authentication import ServicePrincipalAuthentication

   service_principal_password = os.environ.get("AZUREML_PASSWORD")

   service_principal_auth = ServicePrincipalAuthentication(
       tenant_id="<tenant-id>",
       username="<application-id>",
       password=service_principal_password)

   ws = Workspace.create(name='myworkspace',
                         auth=service_principal_auth,
                         subscription_id='<azure-subscription-id>',
                         resource_group='myresourcegroup',
                         create_resource_group=False,
                         location='eastus2',
                         friendly_name='My workspace',
                         storage_account='subscriptions/<azure-subscription-id>/resourcegroups/myresourcegroup/providers/microsoft.storage/storageaccounts/mystorageaccount',
                         key_vault='subscriptions/<azure-subscription-id>/resourcegroups/myresourcegroup/providers/microsoft.keyvault/vaults/mykeyvault',
                         app_insights='subscriptions/<azure-subscription-id>/resourcegroups/myresourcegroup/providers/microsoft.insights/components/myappinsights',
                         container_registry='subscriptions/<azure-subscription-id>/resourcegroups/myresourcegroup/providers/microsoft.containerregistry/registries/mycontainerregistry',
                         exist_ok=False)

Verwijder de gekoppelde resources van de Azure Machine Learning-werkruimte.

delete(delete_dependent_resources=False, no_wait=False)

Parameters

Retouren

Verwijder een verbinding van de werkruimte.

delete_connection(name)

Parameters

Verwijder de privé-eindpuntverbinding met de werkruimte.

delete_private_endpoint_connection(private_endpoint_connection_name)

Parameters

Problemen met het instellen van werkruimten vaststellen.

diagnose_workspace(diagnose_parameters)

Parameters

Retouren

Retourneert een werkruimteobject uit een bestaande Azure Machine Learning-werkruimte.

Leest de configuratie van de werkruimte uit een bestand. Genereert een uitzondering als het configuratiebestand niet kan worden gevonden.

De methode biedt een eenvoudige manier om dezelfde werkruimte opnieuw te gebruiken in meerdere Python-notebooks of -projecten. Gebruikers kunnen de azure Resource Manager-eigenschappen (ARM) van de werkruimte opslaan met behulp van de write_config methode en deze methode gebruiken om dezelfde werkruimte in verschillende Python-notebooks of projecten te laden zonder de ARM-eigenschappen van de werkruimte opnieuw te typen.

static from_config(path=None, auth=None, _logger=None, _file_name=None)

Parameters

Retouren

Retourneert een werkruimteobject voor een bestaande Azure Machine Learning-werkruimte.

Genereert een uitzondering als de werkruimte niet bestaat of als de vereiste velden een werkruimte niet uniek identificeren.

static get(name, auth=None, subscription_id=None, resource_group=None, location=None, cloud='AzureCloud', id=None)

Parameters

Retouren

Haal een verbinding van de werkruimte op.

get_connection(name)

Parameters

Haal het standaard rekendoel voor de werkruimte op.

get_default_compute_target(type)

Parameters

Retouren

Haal het standaardgegevensarchief voor de werkruimte op.

get_default_datastore()

Retouren

Haal het standaardsleutelkluisobject voor de werkruimte op.

get_default_keyvault()

Retouren

Retourneer de details van de werkruimte.

get_details()

Retouren

Opmerkingen

De geretourneerde woordenlijst bevat de volgende sleutel-waardeparen.

• id: URI die verwijst naar deze werkruimteresource, met abonnements-id, resourcegroep en werkruimtenaam.

• name: De naam van deze werkruimte.

• locatie: de werkruimteregio.

• type: Een URI van de indeling {providerName}/workspaces.

• tags: momenteel niet gebruikt.

• workspaceid: de id van deze werkruimte.

• beschrijving: Momenteel niet gebruikt.

• friendlyName: een beschrijvende naam voor de werkruimte die wordt weergegeven in de gebruikersinterface.

• creationTime: Tijd waarop deze werkruimte is gemaakt, in ISO8601 indeling.

• containerRegistry: het containerregister van de werkruimte dat wordt gebruikt voor het ophalen en pushen van installatiekopieën voor experimenten en webservices.

• keyVault: de werkruimtesleutelkluis die wordt gebruikt voor het opslaan van referenties die door de gebruikers aan de werkruimte zijn toegevoegd.

• applicationInsights: Application Insights wordt door de werkruimte gebruikt om webservices-gebeurtenissen te registreren.

• identityPrincipalId:

• identityTenantId

• identityType

• storageAccount: De opslag wordt door de werkruimte gebruikt om uitvoer, code, logboeken, enzovoort op te slaan.

• sku: De werkruimte-SKU (ook wel editie genoemd). De parameter is aanwezig voor compatibiliteit met eerdere versies en wordt genegeerd.

• resourceCmkUri: de sleutel-URI van de door de klant beheerde sleutel om de data-at-rest te versleutelen. https://docs.microsoft.com/en-us/azure-stack/user/azure-stack-key-vault-manage-portal?view=azs-1910 Raadpleeg de stappen voor het maken van een sleutel en het ophalen van de URI.

• hbiWorkspace: Hiermee geeft u op of de klantgegevens van grote invloed zijn op het bedrijf.

• imageBuildCompute: het rekendoel voor het bouwen van installatiekopieën.

• systemDatastoresAuthMode: bepaalt of referenties moeten worden gebruikt voor de systeemgegevensarchieven van de werkruimte 'workspaceblobstore' en 'workspacefilestore'. De standaardwaarde is accessKey. In dat geval maakt de werkruimte de systeemgegevensarchieven met referenties. Als deze optie is ingesteld op 'identiteit', maakt de werkruimte de systeemgegevensarchieven zonder referenties.

Zie voor meer informatie over deze sleutel-waardeparen create.

Haal de MLflow-tracerings-URI voor de werkruimte op.

MLflow (https://mlflow.org/) is een opensource-platform voor het bijhouden van machine learning-experimenten en het beheren van modellen. U kunt MLflow-logboekregistratie-API's gebruiken met Azure Machine Learning, zodat metrische gegevens, modellen en artefacten worden vastgelegd in uw Azure Machine Learning-werkruimte.

get_mlflow_tracking_uri(_with_auth=False)

Parameters

Retouren

Opmerkingen

Gebruik het volgende voorbeeld om MLflow-tracering te configureren voor het verzenden van gegevens naar de Azure ML-werkruimte:

   import mlflow
   from azureml.core import Workspace
   workspace = Workspace.from_config()
   mlflow.set_tracking_uri(workspace.get_mlflow_tracking_uri())

Retourneer de uitvoering met de opgegeven run_id in de werkruimte.

get_run(run_id)

Parameters

Retouren

Vermeld alle werkruimten waartoe de gebruiker toegang heeft binnen het abonnement.

De lijst met werkruimten kan worden gefilterd op basis van de resourcegroep.

static list(subscription_id, auth=None, resource_group=None)

Parameters

Retouren

Maak een lijst met verbindingen onder deze werkruimte.

list_connections(category=None, target=None)

Parameters

Sleutels weergeven voor de huidige werkruimte.

list_keys()

Retouren

Voeg een verbinding toe of werk deze bij onder de werkruimte.

set_connection(name, category, target, authType, value)

Parameters

Stel het standaardgegevensarchief voor de werkruimte in.

set_default_datastore(name)

Parameters

Maak een nieuwe werkruimte of haal een bestaande werkruimte op.

static setup()

Retouren

Hiermee wordt de werkruimte geactiveerd om sleutels onmiddellijk te synchroniseren.

Als sleutels voor een resource in de werkruimte worden gewijzigd, kan het ongeveer een uur duren voordat deze automatisch worden bijgewerkt. Met deze functie kunnen sleutels op aanvraag worden bijgewerkt. Een voorbeeldscenario is onmiddellijke toegang tot opslag nodig na het opnieuw genereren van opslagsleutels.

sync_keys(no_wait=False)

Parameters

Retouren

Werk beschrijvende naam, beschrijving, tags, rekenkracht voor installatiekopieën en andere instellingen bij die zijn gekoppeld aan een werkruimte.

update(friendly_name=None, description=None, tags=None, image_build_compute=None, service_managed_resources_settings=None, primary_user_assigned_identity=None, allow_public_access_when_behind_vnet=None, v1_legacy_mode=None)

Parameters

Retouren

Werk in de volgende gevallen bestaande gekoppelde resources voor de werkruimte bij.

a) Wanneer een gebruiker per ongeluk een bestaande gekoppelde resource verwijdert en deze bijwerkt met een nieuwe resource zonder dat de hele werkruimte opnieuw hoeft te worden gemaakt. b) Wanneer een gebruiker een bestaande gekoppelde resource heeft en de huidige resource wil vervangen die is gekoppeld aan de werkruimte. c) Wanneer een gekoppelde resource nog niet is gemaakt en ze een bestaande resource willen gebruiken die ze al hebben (alleen van toepassing op containerregister).

update_dependencies(container_registry=None, force=False)

Parameters

Retouren

Schrijf de azure Resource Manager-eigenschappen (ARM) van de werkruimte naar een configuratiebestand.

Arm-eigenschappen voor werkruimten kunnen later worden geladen met behulp van de from_config methode. De path standaardwaarde is '.azureml/' in de huidige werkmap en file_name wordt standaard ingesteld op 'config.json'.

De methode biedt een eenvoudige manier om dezelfde werkruimte opnieuw te gebruiken in meerdere Python-notebooks of -projecten. Gebruikers kunnen de ARM-eigenschappen van de werkruimte opslaan met deze functie en from_config gebruiken om dezelfde werkruimte in verschillende Python-notebooks of -projecten te laden zonder de ARM-eigenschappen van de werkruimte opnieuw te typen.

write_config(path=None, file_name=None)

Parameters

Geef alle rekendoelen in de werkruimte weer.

Retouren

Geef alle gegevenssets in de werkruimte weer.

Retouren

Geef alle gegevensarchieven in de werkruimte weer. Deze bewerking retourneert geen referenties van de gegevensarchieven.

Retouren

Retourneert de detectie-URL van deze werkruimte.

Retouren

Geef alle omgevingen in de werkruimte weer.

Retouren

Geef alle experimenten in de werkruimte weer.

Retouren

Retourneert de lijst met afbeeldingen in de werkruimte.

Hiermee wordt een WebserviceException probleem weergegeven als er een probleem is opgetreden bij het werken met de modelbeheerservice.

Retouren

Uitzonderingen

Geef alle gekoppelde services in de werkruimte weer.

Retouren

Hiermee wordt de locatie van deze werkruimte geretourneerd.

Retouren

Retourneert een lijst met modellen in de werkruimte.

Hiermee wordt een WebserviceException probleem weergegeven als er een probleem is opgetreden bij het werken met de modelbeheerservice.

Retouren

Uitzonderingen

Geef de naam van de werkruimte als resultaat.

Retouren

Een lijst weergeven van alle privé-eindpunten van de werkruimte.

Retouren

Retourneert de naam van de resourcegroep voor deze werkruimte.

Retouren

Retourneert de servicecontext voor deze werkruimte.

Retouren

Hiermee wordt de SKU van deze werkruimte geretourneerd.

Retouren

Retourneer de abonnements-id voor deze werkruimte.

Retouren

Hiermee worden de tags van deze werkruimte geretourneerd.

Retouren

Hiermee wordt een lijst met webservices in de werkruimte geretourneerd.

Hiermee wordt een WebserviceException probleem weergegeven als er een probleem is opgetreden bij het retourneren van de lijst.

Retouren

Uitzonderingen

DEFAULT_CPU_CLUSTER_CONFIGURATION = <azureml.core.compute.amlcompute.AmlComputeProvisioningConfiguration object>

DEFAULT_CPU_CLUSTER_NAME = 'cpu-cluster'

DEFAULT_GPU_CLUSTER_CONFIGURATION = <azureml.core.compute.amlcompute.AmlComputeProvisioningConfiguration object>

DEFAULT_GPU_CLUSTER_NAME = 'gpu-cluster'