MLClient Třída
Klientská třída pro interakci se službami Azure ML.
Pomocí tohoto klienta můžete spravovat prostředky Azure ML, jako jsou pracovní prostory, úlohy, modely atd.
- Dědičnost
-
builtins.objectMLClient
Konstruktor
MLClient(credential: TokenCredential, subscription_id: str | None = None, resource_group_name: str | None = None, workspace_name: str | None = None, registry_name: str | None = None, **kwargs: Any)Parametry
ID předplatného Azure. Volitelné pouze pro prostředky registru. Výchozí hodnota je Žádná.
Skupina prostředků Azure. Volitelné pouze pro prostředky registru. Výchozí hodnota je Žádná.
Pracovní prostor, který se má použít v klientovi. Volitelné pouze pro operace, které nejsou závislé na pracovním prostoru. Výchozí hodnota je Žádná.
Registr, který se má použít v klientovi. Volitelné pouze pro operace, které nejsou závislé na pracovním prostoru. Výchozí hodnota je Žádná.
Určuje, jestli se mají zobrazit indikátory průběhu pro dlouhotrvající operace (například zákazníci můžou zvážit nastavení na Hodnotu False, pokud tuto sadu SDK nepoužívají v interaktivním nastavení). Výchozí hodnota je Pravda.
Určuje, jestli se má povolit telemetrie. Pokud ne v Jupyter Notebook, přepíše se na False. Výchozí hodnota je True, pokud je v Jupyter Notebook.
Příklady
Při použití suverénních domén (tj. jakéhokoli jiného cloudu než AZURE_PUBLIC_CLOUD) musíte předat název cloudu v kwargs a musíte použít autoritu s DefaultAzureCredential.
from azure.ai.ml import MLClient
from azure.identity import AzureAuthorityHosts, DefaultAzureCredential
kwargs = {"cloud": "AzureChinaCloud"}
ml_client = MLClient(
subscription_id=subscription_id,
resource_group_name=resource_group,
credential=DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_CHINA),
**kwargs,
)
Metody
| begin_create_or_update |
Vytvoří nebo aktualizuje prostředek Azure ML asynchronně. |
| create_or_update |
Vytvoří nebo aktualizuje prostředek Azure ML. |
| from_config |
Vrátí klienta z existujícího pracovního prostoru služby Azure Machine Learning pomocí konfigurace souboru. Tato metoda poskytuje jednoduchý způsob opakovaného použití stejného pracovního prostoru v několika poznámkových blocích nebo projektech Pythonu. Vlastnosti Azure Resource Manager (ARM) pracovního prostoru můžete uložit do konfiguračního souboru JSON pomocí tohoto formátu: Tuto metodu pak můžete použít k načtení stejného pracovního prostoru v různých poznámkových blocích Nebo projektech Pythonu bez přepsání vlastností ARM pracovního prostoru. |
begin_create_or_update
Vytvoří nebo aktualizuje prostředek Azure ML asynchronně.
begin_create_or_update(entity: R, **kwargs) -> LROPoller[R]Parametry
- entity
- Union[Workspace , Registry, Compute, OnlineDeployment , OnlineEndpoint, BatchDeployment , BatchEndpoint, Schedule]
Prostředek, který chcete vytvořit nebo aktualizovat.
Návraty
Prostředek po operaci vytvoření/aktualizace.
Návratový typ
create_or_update
Vytvoří nebo aktualizuje prostředek Azure ML.
create_or_update(entity: T, **kwargs) -> TParametry
Prostředek, který chcete vytvořit nebo aktualizovat.
Návraty
Vytvořený nebo aktualizovaný prostředek.
Návratový typ
from_config
Vrátí klienta z existujícího pracovního prostoru služby Azure Machine Learning pomocí konfigurace souboru.
Tato metoda poskytuje jednoduchý způsob opakovaného použití stejného pracovního prostoru v několika poznámkových blocích nebo projektech Pythonu. Vlastnosti Azure Resource Manager (ARM) pracovního prostoru můžete uložit do konfiguračního souboru JSON pomocí tohoto formátu:
{
"subscription_id": "<subscription-id>",
"resource_group": "<resource-group>",
"workspace_name": "<workspace-name>"
}
Tuto metodu pak můžete použít k načtení stejného pracovního prostoru v různých poznámkových blocích Nebo projektech Pythonu bez přepsání vlastností ARM pracovního prostoru.
from_config(credential: TokenCredential, *, path: PathLike | str | None = None, file_name=None, **kwargs) -> MLClientParametry
Cesta ke konfiguračnímu souboru nebo počátečnímu adresáři, ve které chcete konfigurační soubor vyhledat. Výchozí hodnota je Žádná, což znamená, že se použije aktuální adresář.
Název konfiguračního souboru, který se má vyhledat, když je cesta k adresáři. Výchozí hodnota je config.json.
Návraty
Klient existujícího pracovního prostoru Azure ML.
Návratový typ
Výjimky
Vyvolána, pokud soubor config.json nebo file_name, pokud je přepsán, nelze v adresáři najít. Podrobnosti budou uvedeny v chybové zprávě.
Příklady
Vytvoření MLClient ze souboru s názvem "config.json" v adresáři "src".
from azure.ai.ml import MLClient
client = MLClient.from_config(credential=DefaultAzureCredential(), path="./sdk/ml/azure-ai-ml/samples/src")
Vytvoření MLClient ze souboru s názvem "team_workspace_configuration.json" v aktuálním adresáři
from azure.ai.ml import MLClient
client = MLClient.from_config(
credential=DefaultAzureCredential(),
file_name="./sdk/ml/azure-ai-ml/samples/team_workspace_configuration.json",
)
Atributy
batch_deployments
Kolekce operací souvisejících s nasazením dávky.
Návraty
Operace nasazení služby Batch.
Návratový typ
batch_endpoints
Kolekce operací souvisejících s koncovým bodem dávky.
Návraty
Operace s koncovým bodem služby Batch
Návratový typ
components
Kolekce operací souvisejících se komponentou.
Návraty
Operace komponent.
Návratový typ
compute
Kolekce operací souvisejících s výpočetními prostředky.
Návraty
Výpočetní operace
Návratový typ
connections
Kolekce operací souvisejících s připojením k pracovnímu prostoru.
Návraty
Operace připojení pracovního prostoru
Návratový typ
data
datastores
Kolekce operací souvisejících s úložištěm dat.
Návraty
Operace úložiště dat.
Návratový typ
environments
Kolekce operací souvisejících s prostředím.
Návraty
Operace prostředí.
Návratový typ
feature_sets
další informace aka.ms/azuremlexperimental.
Kolekce operací souvisejících se sadou funkcí.
Návraty
Operace FeatureSet
Návratový typ
feature_store_entities
další informace aka.ms/azuremlexperimental.
Kolekce operací souvisejících s entitou úložiště funkcí
Návraty
Operace FeatureStoreEntity
Návratový typ
feature_stores
další informace aka.ms/azuremlexperimental.
Kolekce operací souvisejících s úložištěm funkcí.
Návraty
Operace FeatureStore
Návratový typ
jobs
models
online_deployments
Kolekce operací souvisejících s online nasazením.
Návraty
Operace online nasazení
Návratový typ
online_endpoints
Kolekce operací souvisejících s online koncovým bodem.
Návraty
Operace s online koncovým bodem
Návratový typ
registries
další informace aka.ms/azuremlexperimental.
Kolekce operací souvisejících s registrem.
Návraty
Operace registru
Návratový typ
resource_group_name
Získejte název skupiny prostředků objektu MLClient.
Návraty
Název skupiny prostředků Azure.
Návratový typ
schedules
subscription_id
workspace_hubs
další informace aka.ms/azuremlexperimental.
Kolekce operací souvisejících s centrem pracovního prostoru.
Návraty
Operace centra
Návratový typ
workspace_name
Název pracovního prostoru, ve kterém se budou provádět operace závislé na pracovním prostoru.
Návraty
Název výchozího pracovního prostoru.
Návratový typ
workspace_outbound_rules
Kolekce operací souvisejících s pravidly odchozích přenosů pracovního prostoru.
Návraty
Operace odchozích pravidel pracovního prostoru
Návratový typ
workspaces
Kolekce operací souvisejících s pracovním prostorem.
Návraty
Operace pracovního prostoru
Návratový typ
R
R = ~RT
T = ~T
Azure SDK for Python
Váš názor
Připravujeme: V průběhu roku 2024 budeme postupně vyřazovat problémy z GitHub coby mechanismus zpětné vazby pro obsah a nahrazovat ho novým systémem zpětné vazby. Další informace naleznete v tématu: https://aka.ms/ContentUserFeedback.
Odeslat a zobrazit názory pro