通过

AzureMachineLearningFileSystem 类

访问 Azure 机器学习定义的 URI，就好像它是文件系统一样。 这会在 Azure 机器学习定义的 URI 的基础上公开类似于文件系统的 API

初始化新的 AzureMachineLearningFileSystem 对象

构造函数

AzureMachineLearningFileSystem(*args, **kwargs)

参数

名称 说明
uri
必需
str

Azure 机器学习定义的 URI 支持数据存储 URI、数据资产 URI 和注册表 URI。

  1. 数据存储 URI 格式：“azureml://subscriptions/{subscription_id}/resourcegroups/{resource_group}/ [providers/Microsoft.MachineLearningServices/]workspaces/{workspace}/datastores/{datastore_name}/[path/{path}]”

地点：

  • {subscription_id} 是 Azure 订阅的 ID。
  • {resource_group} 是 Azure 资源组的名称。
  • {workspace} 是 Azure 机器学习工作区的名称。
  • {datastore_name} 是数据存储的名称。
  • [path/{path}] 是表示数据存储内路径的可选段。
  1. 数据资产 URI 格式：“azureml://subscriptions/{subscription_id}/resourcegroups/{resource_group}/ [providers/Microsoft.MachineLearningServices/]workspaces/{workspace}/data/{data_name}/[versions/{version}]”

地点：

  • {subscription_id}、{resource_group} 和 {workspace} 的含义与上述含义相同。
  • {data_name} 是数据资产的名称。
  • [versions/{version}] 是表示数据资产版本的可选段。

注意：这两种 URI 格式的段“providers/Microsoft.MachineLearningServices/”是可选的。 我们同时支持包含和不使用此段的 URI。

  1. 注册表 URI 格式：“azureml://registries/{registry_name}/data/{data_name}/versions/{version}”
uri
必需
str

用于初始化 AzureMachineLearningFileSystem 的 URI。

注解

这将使 pandas/dask 能够加载 Azure 机器学习定义的 URI。

方法

get

将文件复制到本地。
glob

uri 的 globbing 结果
put

将文件复制到本地。
to_absolute_path

将文件系统根中的相对路径转换为绝对路径

get

将文件复制到本地。

get(rpath, lpath, recursive=False, callback=<fsspec.callbacks.NoOpCallback object>, **kwargs)

glob

uri 的 globbing 结果

glob(path=None, **kwargs)

参数

名称 说明
path
必需
str

glob 的路径，可以是长格式的数据存储 URI，也可以是 {datastore}/{relative_path} 格式的相对路径

返回

类型 说明
list[str]

文件路径列表

put

将文件复制到本地。

put(lpath, rpath, recursive=False, callback=<fsspec.callbacks.NoOpCallback object>, **kwargs)

to_absolute_path

将文件系统根中的相对路径转换为绝对路径

static to_absolute_path(path: str)

参数

名称 说明
path
必需

属性

protocol 

protocol: ClassVar[str | tuple[str, ...]] = 'azureml'