Microsoft.MachineLearningServices-Arbeitsbereiche 2018-03-01-preview
- Neueste
- 2023-10-01
- 2023-08-01-preview
- 2023-06-01-preview
- 2023-04-01
- 2023-04-01-preview
- 2023-02-01-preview
- 2022-12-01-preview
- 2022-10-01
- 2022-10-01-preview
- 2022-06-01-preview
- 2022-05-01
- 2022-02-01-preview
- 2022-01-01-preview
- 01.07.2021
- 2021-04-01
- 2021-03-01-preview
- 2021-01-01
- 2020-09-01-preview
- 2020-08-01
- 2020-06-01
- 2020-05-15-preview
- 2020-05-01-preview
- 2020-04-01
- 2020-03-01
- 2020-02-18-preview
- 2020-01-01
- 2019-11-01
- 2019-06-01
- 2019-05-01
- 2018-11-19
- 2018-03-01-preview
Bicep-Ressourcendefinition
Der Ressourcentyp workspaces kann mit Vorgängen bereitgestellt werden, die auf Folgendes abzielen:
- Ressourcengruppen – Siehe Bereitstellungsbefehle für Ressourcengruppen
Eine Liste der geänderten Eigenschaften in jeder API-Version finden Sie im Änderungsprotokoll.
Ressourcenformat
Um eine Microsoft.MachineLearningServices/workspaces-Ressource zu erstellen, fügen Sie ihrer Vorlage den folgenden Bicep hinzu.
resource symbolicname 'Microsoft.MachineLearningServices/workspaces@2018-03-01-preview' = {
name: 'string'
location: 'string'
tags: {
tagName1: 'tagValue1'
tagName2: 'tagValue2'
}
identity: {
type: 'SystemAssigned'
}
properties: {
applicationInsights: 'string'
batchaiWorkspace: 'string'
containerRegistry: 'string'
description: 'string'
discoveryUrl: 'string'
friendlyName: 'string'
keyVault: 'string'
storageAccount: 'string'
}
}
Eigenschaftswerte
workspaces
| Name | BESCHREIBUNG | Wert |
|---|---|---|
| name | Der Ressourcenname | Zeichenfolge (erforderlich) Zeichenlimit: 3-33 Gültige Zeichen: Alphanumerische Zeichen, Bindestriche und Unterstriche. |
| location | Gibt den Speicherort der Ressource an. | Zeichenfolge |
| tags | Enthält Ressourcentags, die als Schlüssel-Wert-Paare definiert sind. | Wörterbuch der Tagnamen und -werte. Weitere Informationen finden Sie unter Tags in Vorlagen. |
| Identität | Die Identität der Ressource. | Identität |
| properties | Die Eigenschaften des Machine Learning-Arbeitsbereichs. | ArbeitsbereichEigenschaften |
Identity
| Name | BESCHREIBUNG | Wert |
|---|---|---|
| type | Der Identitätstyp. | "SystemAssigned" |
ArbeitsbereichEigenschaften
| Name | BESCHREIBUNG | Wert |
|---|---|---|
| applicationInsights | ARM-ID der Application Insights, die diesem Arbeitsbereich zugeordnet sind. Dies kann nicht geändert werden, nachdem der Arbeitsbereich erstellt wurde. | Zeichenfolge |
| batchaiWorkspace | ARM-ID des Batch KI-Arbeitsbereichs, der diesem Arbeitsbereich zugeordnet ist. Dies kann nicht geändert werden, nachdem der Arbeitsbereich erstellt wurde. | Zeichenfolge |
| containerRegistry | ARM-ID der Containerregistrierung, die diesem Arbeitsbereich zugeordnet ist. Dies kann nicht geändert werden, nachdem der Arbeitsbereich erstellt wurde. | Zeichenfolge |
| description | Die Beschreibung dieses Arbeitsbereichs. | Zeichenfolge |
| discoveryUrl | URL für den Ermittlungsdienst zum Identifizieren regionaler Endpunkte für Machine Learning-Experimentierdienste | Zeichenfolge |
| friendlyName | Der Anzeigename für diesen Arbeitsbereich. Dieser Name in veränderlich | Zeichenfolge |
| keyVault | ARM-ID des Schlüsseltresors, der diesem Arbeitsbereich zugeordnet ist. Dies kann nicht geändert werden, nachdem der Arbeitsbereich erstellt wurde. | Zeichenfolge |
| storageAccount | ARM-ID des Speicherkontos, das diesem Arbeitsbereich zugeordnet ist. Dies kann nicht geändert werden, nachdem der Arbeitsbereich erstellt wurde. | Zeichenfolge |
Schnellstartvorlagen
Diesen Ressourcentyp werden in den folgenden Schnellstartvorlagen bereitgestellt.
| Vorlage | BESCHREIBUNG |
|---|---|
Azure Machine Learning-Arbeitsbereich |
Mit dieser Vorlage wird ein neuer Azure Machine Learning-Arbeitsbereich zusammen mit einem verschlüsselten Speicherkonto, KeyVault und Applications Insights-Protokollierung erstellt. |
| Erstellen eines AML-Arbeitsbereichs mit mehreren Datasets & Datenspeichern |
Mit dieser Vorlage wird ein Azure Machine Learning-Arbeitsbereich mit mehreren Datasets & Datenspeichern erstellt. |
| Sichere End-to-End-Einrichtung von Azure Machine Learning |
Dieser Satz von Bicep-Vorlagen veranschaulicht, wie Sie Azure Machine Learning end-to-end in einer sicheren Einrichtung einrichten. Diese Referenzimplementierung umfasst den Arbeitsbereich, einen Computecluster, compute instance und angefügten privaten AKS-Cluster. |
| Sicheres End-to-End-Setup von Azure Machine Learning (Legacy) |
Dieser Satz von Bicep-Vorlagen veranschaulicht, wie Sie Azure Machine Learning end-to-end in einer sicheren Einrichtung einrichten. Diese Referenzimplementierung umfasst den Arbeitsbereich, einen Computecluster, compute instance und angefügten privaten AKS-Cluster. |
| Erstellen eines AKS-Computeziels mit einer privaten IP-Adresse |
Diese Vorlage erstellt ein AKS-Computeziel in einem bestimmten Azure Machine Learning-Dienstarbeitsbereich mit einer privaten IP-Adresse. |
| Erstellen eines Azure Machine Learning Service-Arbeitsbereichs |
Diese Bereitstellungsvorlage gibt einen Azure Machine Learning-Arbeitsbereich und die zugehörigen Ressourcen an, einschließlich Azure Key Vault, Azure Storage, Azure-Anwendung Insights und Azure Container Registry. Diese Konfiguration beschreibt die minimalen Ressourcen, die Sie für die ersten Schritte mit Azure Machine Learning benötigen. |
| Erstellen eines Azure Machine Learning-Dienstarbeitsbereichs (CMK) |
Diese Bereitstellungsvorlage gibt einen Azure Machine Learning-Arbeitsbereich und die zugehörigen Ressourcen an, einschließlich Azure Key Vault, Azure Storage, Azure-Anwendung Insights und Azure Container Registry. Das Beispiel zeigt, wie Sie Azure Machine Learning für die Verschlüsselung mit einem kundenseitig verwalteten Verschlüsselungsschlüssel konfigurieren. |
| Erstellen eines Azure Machine Learning-Dienstarbeitsbereichs (vNET) |
Diese Bereitstellungsvorlage gibt einen Azure Machine Learning-Arbeitsbereich und die zugehörigen Ressourcen an, einschließlich Azure Key Vault, Azure Storage, Azure-Anwendung Insights und Azure Container Registry. Diese Konfiguration beschreibt die Ressourcen, die Sie für die ersten Schritte mit Azure Machine Learning in einer isolierten Netzwerkkonfiguration benötigen. |
| Erstellen eines Azure Machine Learning-Dienstarbeitsbereichs (Legacy) |
Diese Bereitstellungsvorlage gibt einen Azure Machine Learning-Arbeitsbereich und die zugehörigen Ressourcen an, einschließlich Azure Key Vault, Azure Storage, Azure-Anwendung Insights und Azure Container Registry. Diese Konfiguration beschreibt die Ressourcen, die Sie für die ersten Schritte mit Azure Machine Learning in einer isolierten Netzwerkkonfiguration benötigen. |
Ressourcendefinition mit einer ARM-Vorlage
Der Ressourcentyp "Arbeitsbereiche" kann mit Vorgängen bereitgestellt werden, die Folgendes zum Ziel haben:
- Ressourcengruppen : Siehe Ressourcengruppenbereitstellungsbefehle
Eine Liste der geänderten Eigenschaften in jeder API-Version finden Sie unter Änderungsprotokoll.
Ressourcenformat
Um eine Microsoft.MachineLearningServices/workspaces-Ressource zu erstellen, fügen Sie der Vorlage den folgenden JSON-Code hinzu.
{
"type": "Microsoft.MachineLearningServices/workspaces",
"apiVersion": "2018-03-01-preview",
"name": "string",
"location": "string",
"tags": {
"tagName1": "tagValue1",
"tagName2": "tagValue2"
},
"identity": {
"type": "SystemAssigned"
},
"properties": {
"applicationInsights": "string",
"batchaiWorkspace": "string",
"containerRegistry": "string",
"description": "string",
"discoveryUrl": "string",
"friendlyName": "string",
"keyVault": "string",
"storageAccount": "string"
}
}
Eigenschaftswerte
workspaces
| Name | BESCHREIBUNG | Wert |
|---|---|---|
| type | Ressourcentyp | "Microsoft.MachineLearningServices/workspaces" |
| apiVersion | Die Ressourcen-API-Version | "2018-03-01-preview" |
| name | Der Ressourcenname | Zeichenfolge (erforderlich) Zeichenlimit: 3-33 Gültige Zeichen: Alphanumerische Zeichen, Bindestriche und Unterstriche. |
| location | Gibt den Speicherort der Ressource an. | Zeichenfolge |
| tags | Enthält Ressourcentags, die als Schlüssel-Wert-Paare definiert sind. | Wörterbuch der Tagnamen und -werte. Siehe Tags in Vorlagen |
| Identität | Die Identität der Ressource. | Identität |
| properties | Die Eigenschaften des Machine Learning-Arbeitsbereichs. | ArbeitsbereichEigenschaften |
Identity
| Name | BESCHREIBUNG | Wert |
|---|---|---|
| type | Der Identitätstyp. | "SystemAssigned" |
ArbeitsbereichEigenschaften
| Name | BESCHREIBUNG | Wert |
|---|---|---|
| applicationInsights | ARM-ID der Application Insights, die diesem Arbeitsbereich zugeordnet sind. Dies kann nicht geändert werden, nachdem der Arbeitsbereich erstellt wurde. | Zeichenfolge |
| batchaiWorkspace | ARM-ID des Batch KI-Arbeitsbereichs, der diesem Arbeitsbereich zugeordnet ist. Dies kann nicht geändert werden, nachdem der Arbeitsbereich erstellt wurde. | Zeichenfolge |
| containerRegistry | ARM-ID der Containerregistrierung, die diesem Arbeitsbereich zugeordnet ist. Dies kann nicht geändert werden, nachdem der Arbeitsbereich erstellt wurde. | Zeichenfolge |
| description | Die Beschreibung dieses Arbeitsbereichs. | Zeichenfolge |
| discoveryUrl | URL für den Ermittlungsdienst zum Identifizieren regionaler Endpunkte für Machine Learning-Experimentierdienste | Zeichenfolge |
| friendlyName | Der Anzeigename für diesen Arbeitsbereich. Dieser Name in veränderbar | Zeichenfolge |
| keyVault | ARM-ID des Schlüsseltresors, der diesem Arbeitsbereich zugeordnet ist. Dies kann nicht geändert werden, nachdem der Arbeitsbereich erstellt wurde. | Zeichenfolge |
| storageAccount | ARM-ID des Speicherkontos, das diesem Arbeitsbereich zugeordnet ist. Dies kann nicht geändert werden, nachdem der Arbeitsbereich erstellt wurde. | Zeichenfolge |
Schnellstartvorlagen
Diesen Ressourcentyp werden in den folgenden Schnellstartvorlagen bereitgestellt.
| Vorlage | BESCHREIBUNG |
|---|---|
| Azure Machine Learning-Arbeitsbereich |
Mit dieser Vorlage wird ein neuer Azure Machine Learning-Arbeitsbereich zusammen mit einem verschlüsselten Speicherkonto, KeyVault und Applications Insights-Protokollierung erstellt. |
| Erstellen eines AML-Arbeitsbereichs mit mehreren Datasets & Datenspeichern |
Mit dieser Vorlage wird ein Azure Machine Learning-Arbeitsbereich mit mehreren Datasets & Datenspeichern erstellt. |
| Sichere End-to-End-Einrichtung von Azure Machine Learning |
Dieser Satz von Bicep-Vorlagen veranschaulicht, wie Sie Azure Machine Learning end-to-end in einer sicheren Einrichtung einrichten. Diese Referenzimplementierung umfasst den Arbeitsbereich, einen Computecluster, compute instance und angefügten privaten AKS-Cluster. |
| Sicheres End-to-End-Setup von Azure Machine Learning (Legacy) |
Dieser Satz von Bicep-Vorlagen veranschaulicht, wie Sie Azure Machine Learning end-to-end in einer sicheren Einrichtung einrichten. Diese Referenzimplementierung umfasst den Arbeitsbereich, einen Computecluster, compute instance und angefügten privaten AKS-Cluster. |
| Erstellen eines AKS-Computeziels mit einer privaten IP-Adresse |
Diese Vorlage erstellt ein AKS-Computeziel in einem bestimmten Azure Machine Learning-Dienstarbeitsbereich mit einer privaten IP-Adresse. |
| Erstellen eines Azure Machine Learning Service-Arbeitsbereichs |
Diese Bereitstellungsvorlage gibt einen Azure Machine Learning-Arbeitsbereich und die zugehörigen Ressourcen an, einschließlich Azure Key Vault, Azure Storage, Azure-Anwendung Insights und Azure Container Registry. Diese Konfiguration beschreibt die minimalen Ressourcen, die Sie für die ersten Schritte mit Azure Machine Learning benötigen. |
| Erstellen eines Azure Machine Learning-Dienstarbeitsbereichs (CMK) |
Diese Bereitstellungsvorlage gibt einen Azure Machine Learning-Arbeitsbereich und die zugehörigen Ressourcen an, einschließlich Azure Key Vault, Azure Storage, Azure-Anwendung Insights und Azure Container Registry. Das Beispiel zeigt, wie Sie Azure Machine Learning für die Verschlüsselung mit einem kundenseitig verwalteten Verschlüsselungsschlüssel konfigurieren. |
| Erstellen eines Azure Machine Learning-Dienstarbeitsbereichs (vNET) |
Diese Bereitstellungsvorlage gibt einen Azure Machine Learning-Arbeitsbereich und die zugehörigen Ressourcen an, einschließlich Azure Key Vault, Azure Storage, Azure-Anwendung Insights und Azure Container Registry. Diese Konfiguration beschreibt die Ressourcen, die Sie für die ersten Schritte mit Azure Machine Learning in einer isolierten Netzwerkkonfiguration benötigen. |
| Erstellen eines Azure Machine Learning-Dienstarbeitsbereichs (Legacy) |
Diese Bereitstellungsvorlage gibt einen Azure Machine Learning-Arbeitsbereich und die zugehörigen Ressourcen an, einschließlich Azure Key Vault, Azure Storage, Azure-Anwendung Insights und Azure Container Registry. Diese Konfiguration beschreibt die Ressourcen, die Sie für die ersten Schritte mit Azure Machine Learning in einer isolierten Netzwerkkonfiguration benötigen. |
Terraform (AzAPI-Anbieter) Ressourcendefinition
Der Ressourcentyp "Arbeitsbereiche" kann mit Vorgängen bereitgestellt werden, die Folgendes zum Ziel haben:
- Ressourcengruppen
Eine Liste der geänderten Eigenschaften in jeder API-Version finden Sie unter Änderungsprotokoll.
Ressourcenformat
Um eine Microsoft.MachineLearningServices/workspaces-Ressource zu erstellen, fügen Sie Der Vorlage die folgende Terraform-Ressource hinzu.
resource "azapi_resource" "symbolicname" {
type = "Microsoft.MachineLearningServices/workspaces@2018-03-01-preview"
name = "string"
location = "string"
parent_id = "string"
tags = {
tagName1 = "tagValue1"
tagName2 = "tagValue2"
}
identity {
type = "SystemAssigned"
}
body = jsonencode({
properties = {
applicationInsights = "string"
batchaiWorkspace = "string"
containerRegistry = "string"
description = "string"
discoveryUrl = "string"
friendlyName = "string"
keyVault = "string"
storageAccount = "string"
}
})
}
Eigenschaftswerte
workspaces
| Name | BESCHREIBUNG | Wert |
|---|---|---|
| type | Ressourcentyp | "Microsoft.MachineLearningServices/workspaces@2018-03-01-preview" |
| name | Der Ressourcenname | Zeichenfolge (erforderlich) Zeichenlimit: 3-33 Gültige Zeichen: Alphanumerische Zeichen, Bindestriche und Unterstriche. |
| location | Gibt den Speicherort der Ressource an. | Zeichenfolge |
| parent_id | Verwenden Sie zum Bereitstellen in einer Ressourcengruppe die ID dieser Ressourcengruppe. | Zeichenfolge (erforderlich) |
| tags | Enthält Ressourcentags, die als Schlüssel-Wert-Paare definiert sind. | Wörterbuch der Tagnamen und -werte. |
| Identität | Die Identität der Ressource. | Identität |
| properties | Die Eigenschaften des Machine Learning-Arbeitsbereichs. | ArbeitsbereichEigenschaften |
Identity
| Name | BESCHREIBUNG | Wert |
|---|---|---|
| type | Der Identitätstyp. | "SystemAssigned" |
ArbeitsbereichEigenschaften
| Name | BESCHREIBUNG | Wert |
|---|---|---|
| applicationInsights | ARM-ID der Application Insights, die diesem Arbeitsbereich zugeordnet sind. Dies kann nicht geändert werden, nachdem der Arbeitsbereich erstellt wurde. | Zeichenfolge |
| batchaiWorkspace | ARM-ID des Batch KI-Arbeitsbereichs, der diesem Arbeitsbereich zugeordnet ist. Dies kann nicht geändert werden, nachdem der Arbeitsbereich erstellt wurde. | Zeichenfolge |
| containerRegistry | ARM-ID der Containerregistrierung, die diesem Arbeitsbereich zugeordnet ist. Dies kann nicht geändert werden, nachdem der Arbeitsbereich erstellt wurde. | Zeichenfolge |
| description | Die Beschreibung dieses Arbeitsbereichs. | Zeichenfolge |
| discoveryUrl | URL für den Ermittlungsdienst zum Identifizieren regionaler Endpunkte für Machine Learning-Experimentierdienste | Zeichenfolge |
| friendlyName | Der Anzeigename für diesen Arbeitsbereich. Dieser Name in veränderbar | Zeichenfolge |
| keyVault | ARM-ID des Schlüsseltresors, der diesem Arbeitsbereich zugeordnet ist. Dies kann nicht geändert werden, nachdem der Arbeitsbereich erstellt wurde. | Zeichenfolge |
| storageAccount | ARM-ID des Speicherkontos, das diesem Arbeitsbereich zugeordnet ist. Dies kann nicht geändert werden, nachdem der Arbeitsbereich erstellt wurde. | Zeichenfolge |
Feedback
Bald verfügbar: Im Laufe des Jahres 2024 werden wir GitHub-Issues stufenweise als Feedbackmechanismus für Inhalte abbauen und durch ein neues Feedbacksystem ersetzen. Weitere Informationen finden Sie unter https://aka.ms/ContentUserFeedback.
Feedback senden und anzeigen für