Partekatu honen bidez:

Uso de diagnósticos del área de trabajo

  • Artikulua

Azure Machine Learning proporciona una API de diagnóstico que se puede usar para identificar problemas con el área de trabajo. Los errores devueltos en el informe de diagnóstico incluyen información sobre cómo resolver el problema.

Puede usar los diagnósticos del área de trabajo desde Estudio de Azure Machine Learning o el SDK para Python.

Requisitos previos

Antes de seguir los pasos de este artículo, asegúrese de que tiene los siguientes requisitos previos:

Diagnósticos de Studio

Desde Estudio de Azure Machine Learning, puede ejecutar diagnósticos en el área de trabajo para comprobar la configuración. Para ejecutar diagnósticos, seleccione el icono "?" situado en la esquina superior derecha de la página. A continuación, seleccione Run workspace diagnostics (Ejecutar diagnóstico del área de trabajo).

Captura de pantalla del botón de diagnóstico del área de trabajo.

Después de ejecutar el diagnóstico, se devuelve una lista de los problemas detectados. Esta lista incluye vínculos a posibles soluciones.

Diagnósticos de Python

En el fragmento de código siguiente se muestra cómo usar los diagnósticos del área de trabajo desde Python.

SE APLICA A: SDK de Python azure-ai-ml v2 (actual)

from azure.ai.ml import MLClient
from azure.ai.ml.entities import Workspace
from azure.identity import DefaultAzureCredential

subscription_id = '<your-subscription-id>'
resource_group = '<your-resource-group-name>'
workspace = '<your-workspace-name>'

ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group)
resp = ml_client.workspaces.begin_diagnose(workspace).result()
# Inspect the attributes of the response you are interested in
for result in resp.application_insights_results:
    print(f"Diagnostic result: {result.code}, {result.level}, {result.message}")

La respuesta es un objeto DiagnoseResponseResultValue que contiene información sobre los problemas detectados con el área de trabajo.

SE APLICA A: Azure ML del SDK de Python v1

from azureml.core import Workspace

ws = Workspace.from_config()

diag_param = {
      "value": {
      }
    }

resp = ws.diagnose_workspace(diag_param)
print(resp)

La respuesta es un documento JSON que contiene información sobre los problemas detectados con el área de trabajo. El siguiente código JSON es una solicitud de ejemplo:

{
    "value": {
        "user_defined_route_results": [],
        "network_security_rule_results": [],
        "resource_lock_results": [],
        "dns_resolution_results": [{
            "code": "CustomDnsInUse",
            "level": "Warning",
            "message": "It is detected VNet '/subscriptions/<subscription-id>/resourceGroups/<resource-group-name>/providers/Microsoft.Network/virtualNetworks/<virtual-network-name>' of private endpoint '/subscriptions/<subscription-id>/resourceGroups/<myresourcegroup>/providers/Microsoft.Network/privateEndpoints/<workspace-private-endpoint>' is not using Azure default DNS. You need to configure your DNS server and check https://learn.microsoft.com/azure/machine-learning/how-to-custom-dns to make sure the custom DNS is set up correctly."
        }],
        "storage_account_results": [],
        "key_vault_results": [],
        "container_registry_results": [],
        "application_insights_results": [],
        "other_results": []
    }
}

Si no se detecta ningún problema, se devuelve un documento JSON vacío.

Para más información, vea la referencia Área de trabajo.

Para obtener más información, vea la referencia Workspace.diagnose_workspace().

Paso siguiente

Administración de áreas de trabajo de Azure Machine Learning en el portal o con el SDK de Python (v2)