Comment utiliser les diagnostics de l’espace de travail
S’APPLIQUE À :
SDK Python azureml v1
Azure Machine Learning fournit une API de diagnostic qui peut être utilisée pour identifier les problèmes liés à votre espace de travail. Les erreurs retournées dans le rapport des diagnostics incluent des informations sur la façon de résoudre le problème.
Vous pouvez utiliser les diagnostics de l’espace de travail provenant d’Azure Machine Learning Studio ou du SDK Python.
Prérequis
Avant de suivre les étapes décrites dans cet article, vérifiez que vous disposez des composants requis suivants :
Un espace de travail Azure Machine Learning. Si vous n’en avez pas, procédez comme suit dans le Guide de démarrage rapide : Créer des ressources d’espace de travail pour en créer un.
Pour installer le kit SDK Python v2, utilisez la commande suivante :
pip install azure-ai-ml azure-identityPour mettre à jour une installation existante du Kit de développement logiciel (SDK) vers la version la plus récente, utilisez la commande suivante :
pip install --upgrade azure-ai-ml azure-identityPour plus d’informations, consultez Installer le kit SDK Python v2 pour Azure Machine Learning.
- Un espace de travail Azure Machine Learning. Si vous n’en avez pas, consultez Créer un espace de travail.
- Le Kit de développement logiciel (SDK) Azure Machine Learning v1 pour Python.
Diagnostics de Studio
À partir d’Azure Machine Learning studio, vous pouvez exécuter des diagnostics sur votre espace de travail pour vérifier votre configuration. Pour exécuter les diagnostics, sélectionnez l’icône « ? » dans le coin supérieur droit de la page. Sélectionnez ensuite Exécuter les diagnostics de l’espace de travail.
Une fois les diagnostics exécutés, une liste de tous les problèmes détectés est retournée. Cette liste contient des liens vers des solutions possibles.
Diagnostics de Python
L’extrait de code suivant montre comment utiliser les diagnostics de l’espace de travail à partir de Python.
S’APPLIQUE À : Kit de développement logiciel (SDK) Python azure-ai-mlv2 (préversion)
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 réponse est un objet DiagnoseResponseResultValue qui contient des informations sur les problèmes détectés au niveau de l’espace de travail.
S’APPLIQUE À :SDK Python azureml v1
from azureml.core import Workspace
ws = Workspace.from_config()
diag_param = {
"value": {
}
}
resp = ws.diagnose_workspace(diag_param)
print(resp)
La réponse est un document JSON contenant des informations sur les problèmes détectés avec l’espace de travail. Le code JSON suivant est un exemple de réponse :
{
"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 aucun problème n’est détecté, un document JSON vide est retourné.
Pour plus d’informations, consultez les informations de référence sur l’Espace de travail.
Pour plus d’informations, consultez la référence Workspace.diagnose_workspace().