Espaces de travail Microsoft.MachineLearningServices 2018-11-19
- La plus récente
- 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
Définition de ressource Bicep
Le type de ressource des espaces de travail peut être déployé avec des opérations qui ciblent :
- Groupes de ressources - Voir commandes de déploiement de groupes de ressources
Pour obtenir la liste des propriétés modifiées dans chaque version de l’API, consultez journal des modifications.
Format des ressources
Pour créer une ressource Microsoft.MachineLearningServices/workspaces, ajoutez le Bicep suivant à votre modèle.
resource symbolicname 'Microsoft.MachineLearningServices/workspaces@2018-11-19' = {
name: 'string'
location: 'string'
tags: {
tagName1: 'tagValue1'
tagName2: 'tagValue2'
}
identity: {
type: 'SystemAssigned'
}
properties: {
applicationInsights: 'string'
containerRegistry: 'string'
description: 'string'
discoveryUrl: 'string'
friendlyName: 'string'
keyVault: 'string'
storageAccount: 'string'
}
}
Valeurs de propriétés
workspaces
Nom | Description | Valeur |
---|---|---|
name | Nom de la ressource | chaîne (obligatoire) Limite de caractères : 3-33 Caractères valides : Caractères alphanumériques, traits d’union et traits de soulignement. |
location | Spécifie l’emplacement de la ressource. | string |
tags | Contient des balises de ressources définies en tant que paires clé/valeur. | Dictionnaire de noms et de valeurs d’étiquettes. Voir Balises dans les modèles |
identité | Identité de la ressource. | Identité |
properties | Propriétés de l’espace de travail Machine Learning. | WorkspaceProperties |
Identité
Nom | Description | Valeur |
---|---|---|
type | Type d’identité. | 'SystemAssigned' |
WorkspaceProperties
Nom | Description | Valeur |
---|---|---|
applicationInsights | ID ARM des insights d’application associés à cet espace de travail. Cela ne peut pas être modifié une fois l’espace de travail créé | string |
containerRegistry | ID ARM du registre de conteneurs associé à cet espace de travail. Cela ne peut pas être modifié une fois l’espace de travail créé | string |
description | Description de cet espace de travail. | string |
discoveryUrl | URL du service de découverte pour identifier les points de terminaison régionaux pour les services d’expérimentation Machine Learning | string |
friendlyName | Nom convivial de cet espace de travail. Ce nom en mutable | string |
keyVault | ID ARM du coffre de clés associé à cet espace de travail. Cela ne peut pas être modifié une fois l’espace de travail créé | string |
storageAccount | ID ARM du compte de stockage associé à cet espace de travail. Cela ne peut pas être modifié une fois l’espace de travail créé | string |
Modèles de démarrage rapide
Les modèles de démarrage rapide suivants déploient ce type de ressource.
Modèle | Description |
---|---|
Espace de travail Azure Machine Learning |
Ce modèle crée un espace de travail Azure Machine Learning, ainsi qu’un compte de stockage chiffré, KeyVault et la journalisation Des applications Insights |
Créer un espace de travail AML avec plusieurs jeux de données & magasins de données |
Ce modèle crée un espace de travail Azure Machine Learning avec plusieurs jeux de données & magasins de données. |
Configuration sécurisée de bout en bout d’Azure Machine Learning |
Cet ensemble de modèles Bicep montre comment configurer Azure Machine Learning de bout en bout dans une configuration sécurisée. Cette implémentation de référence inclut l’espace de travail, un cluster de calcul, des instance de calcul et un cluster AKS privé attaché. |
Configuration sécurisée d’Azure Machine Learning de bout en bout (héritée) |
Cet ensemble de modèles Bicep montre comment configurer Azure Machine Learning de bout en bout dans une configuration sécurisée. Cette implémentation de référence inclut l’espace de travail, un cluster de calcul, des instance de calcul et un cluster AKS privé attaché. |
Créer une cible de calcul AKS avec une adresse IP privée |
Ce modèle crée une cible de calcul AKS dans un espace de travail de service Azure Machine Learning donné avec une adresse IP privée. |
Créer un espace de travail Azure Machine Learning service |
Ce modèle de déploiement spécifie un espace de travail Azure Machine Learning et ses ressources associées, notamment Azure Key Vault, Stockage Azure, Azure Application Insights et Azure Container Registry. Cette configuration décrit l’ensemble minimal de ressources dont vous avez besoin pour commencer à utiliser Azure Machine Learning. |
Créer un espace de travail de service Azure Machine Learning (CMK) |
Ce modèle de déploiement spécifie un espace de travail Azure Machine Learning et ses ressources associées, notamment Azure Key Vault, Stockage Azure, Azure Application Insights et Azure Container Registry. L’exemple montre comment configurer Azure Machine Learning pour le chiffrement avec une clé de chiffrement gérée par le client. |
Créer un espace de travail de service Azure Machine Learning (réseau virtuel) |
Ce modèle de déploiement spécifie un espace de travail Azure Machine Learning et ses ressources associées, notamment Azure Key Vault, Stockage Azure, Azure Application Insights et Azure Container Registry. Cette configuration décrit l’ensemble des ressources dont vous avez besoin pour commencer à utiliser Azure Machine Learning dans une configuration réseau isolée. |
Créer un espace de travail de service Azure Machine Learning (hérité) |
Ce modèle de déploiement spécifie un espace de travail Azure Machine Learning et ses ressources associées, notamment Azure Key Vault, Stockage Azure, Azure Application Insights et Azure Container Registry. Cette configuration décrit l’ensemble des ressources dont vous avez besoin pour commencer à utiliser Azure Machine Learning dans une configuration réseau isolée. |
Définition de ressources de modèle ARM
Le type de ressource des espaces de travail peut être déployé avec des opérations qui ciblent :
- Groupes de ressources - Voir commandes de déploiement de groupes de ressources
Pour obtenir la liste des propriétés modifiées dans chaque version de l’API, consultez journal des modifications.
Format des ressources
Pour créer une ressource Microsoft.MachineLearningServices/workspaces, ajoutez le code JSON suivant à votre modèle.
{
"type": "Microsoft.MachineLearningServices/workspaces",
"apiVersion": "2018-11-19",
"name": "string",
"location": "string",
"tags": {
"tagName1": "tagValue1",
"tagName2": "tagValue2"
},
"identity": {
"type": "SystemAssigned"
},
"properties": {
"applicationInsights": "string",
"containerRegistry": "string",
"description": "string",
"discoveryUrl": "string",
"friendlyName": "string",
"keyVault": "string",
"storageAccount": "string"
}
}
Valeurs de propriétés
workspaces
Nom | Description | Valeur |
---|---|---|
type | Type de ressource | « Microsoft.MachineLearningServices/workspaces » |
apiVersion | Version de l’API de ressource | '2018-11-19' |
name | Nom de la ressource | chaîne (obligatoire) Limite de caractères : 3-33 Caractères valides : Caractères alphanumériques, traits d’union et traits de soulignement. |
location | Spécifie l’emplacement de la ressource. | string |
tags | Contient des balises de ressources définies en tant que paires clé/valeur. | Dictionnaire de noms et de valeurs d’étiquettes. Voir Balises dans les modèles |
identité | Identité de la ressource. | Identité |
properties | Propriétés de l’espace de travail Machine Learning. | WorkspaceProperties |
Identité
Nom | Description | Valeur |
---|---|---|
type | Type d’identité. | 'SystemAssigned' |
WorkspaceProperties
Nom | Description | Valeur |
---|---|---|
applicationInsights | ID ARM des insights d’application associés à cet espace de travail. Cela ne peut pas être modifié une fois l’espace de travail créé | string |
containerRegistry | ID ARM du registre de conteneurs associé à cet espace de travail. Cela ne peut pas être modifié une fois l’espace de travail créé | string |
description | Description de cet espace de travail. | string |
discoveryUrl | URL du service de découverte pour identifier les points de terminaison régionaux pour les services d’expérimentation Machine Learning | string |
friendlyName | Nom convivial de cet espace de travail. Ce nom en mutable | string |
keyVault | ID ARM du coffre de clés associé à cet espace de travail. Cela ne peut pas être modifié une fois l’espace de travail créé | string |
storageAccount | ID ARM du compte de stockage associé à cet espace de travail. Cela ne peut pas être modifié une fois l’espace de travail créé | string |
Modèles de démarrage rapide
Les modèles de démarrage rapide suivants déploient ce type de ressource.
Modèle | Description |
---|---|
Espace de travail Azure Machine Learning |
Ce modèle crée un espace de travail Azure Machine Learning, ainsi qu’un compte de stockage chiffré, keyVault et la journalisation Applications Insights |
Créer un espace de travail AML avec plusieurs jeux de données & magasins de données |
Ce modèle crée un espace de travail Azure Machine Learning avec plusieurs jeux de données & magasins de données. |
Configuration sécurisée de bout en bout d’Azure Machine Learning |
Cet ensemble de modèles Bicep montre comment configurer Azure Machine Learning de bout en bout dans une configuration sécurisée. Cette implémentation de référence inclut l’espace de travail, un cluster de calcul, des instance de calcul et un cluster AKS privé attaché. |
Configuration sécurisée de bout en bout d’Azure Machine Learning (héritée) |
Cet ensemble de modèles Bicep montre comment configurer Azure Machine Learning de bout en bout dans une configuration sécurisée. Cette implémentation de référence inclut l’espace de travail, un cluster de calcul, des instance de calcul et un cluster AKS privé attaché. |
Créer une cible de calcul AKS avec une adresse IP privée |
Ce modèle crée une cible de calcul AKS dans un espace de travail de service Azure Machine Learning donné avec une adresse IP privée. |
Créer un espace de travail Azure Machine Learning service |
Ce modèle de déploiement spécifie un espace de travail Azure Machine Learning et ses ressources associées, notamment Azure Key Vault, Stockage Azure, Azure Application Insights et Azure Container Registry. Cette configuration décrit l’ensemble minimal de ressources dont vous avez besoin pour commencer à utiliser Azure Machine Learning. |
Créer un espace de travail azure Machine Learning Service (CMK) |
Ce modèle de déploiement spécifie un espace de travail Azure Machine Learning et ses ressources associées, notamment Azure Key Vault, Stockage Azure, Azure Application Insights et Azure Container Registry. L’exemple montre comment configurer Azure Machine Learning pour le chiffrement avec une clé de chiffrement gérée par le client. |
Créer un espace de travail du service Azure Machine Learning (réseau virtuel) |
Ce modèle de déploiement spécifie un espace de travail Azure Machine Learning et ses ressources associées, notamment Azure Key Vault, Stockage Azure, Azure Application Insights et Azure Container Registry. Cette configuration décrit l’ensemble des ressources dont vous avez besoin pour commencer à utiliser Azure Machine Learning dans une configuration réseau isolée. |
Créer un espace de travail du service Azure Machine Learning (hérité) |
Ce modèle de déploiement spécifie un espace de travail Azure Machine Learning et ses ressources associées, notamment Azure Key Vault, Stockage Azure, Azure Application Insights et Azure Container Registry. Cette configuration décrit l’ensemble des ressources dont vous avez besoin pour commencer à utiliser Azure Machine Learning dans une configuration réseau isolée. |
Définition de ressource Terraform (fournisseur AzAPI)
Le type de ressource d’espaces de travail peut être déployé avec des opérations qui ciblent :
- Groupes de ressources
Pour obtenir la liste des propriétés modifiées dans chaque version d’API, consultez journal des modifications.
Format des ressources
Pour créer une ressource Microsoft.MachineLearningServices/workspaces, ajoutez le Terraform suivant à votre modèle.
resource "azapi_resource" "symbolicname" {
type = "Microsoft.MachineLearningServices/workspaces@2018-11-19"
name = "string"
location = "string"
parent_id = "string"
tags = {
tagName1 = "tagValue1"
tagName2 = "tagValue2"
}
identity {
type = "SystemAssigned"
}
body = jsonencode({
properties = {
applicationInsights = "string"
containerRegistry = "string"
description = "string"
discoveryUrl = "string"
friendlyName = "string"
keyVault = "string"
storageAccount = "string"
}
})
}
Valeurs de propriétés
workspaces
Nom | Description | Valeur |
---|---|---|
type | Type de ressource | « Microsoft.MachineLearningServices/workspaces@2018-11-19 » |
name | Nom de la ressource | string (obligatoire) Limite de caractères : 3-33 Caractères valides : Caractères alphanumériques, traits d’union et traits de soulignement. |
location | Spécifie l’emplacement de la ressource. | string |
parent_id | Pour effectuer un déploiement dans un groupe de ressources, utilisez l’ID de ce groupe de ressources. | string (obligatoire) |
tags | Contient des étiquettes de ressources définies en tant que paires clé/valeur. | Dictionnaire de noms et de valeurs d’étiquettes. |
identité | Identité de la ressource. | Identité |
properties | Propriétés de l’espace de travail Machine Learning. | WorkspaceProperties |
Identité
Nom | Description | Valeur |
---|---|---|
type | Type d’identité. | « SystemAssigned » |
WorkspaceProperties
Nom | Description | Valeur |
---|---|---|
applicationInsights | ID ARM de l’application Insights associée à cet espace de travail. Cela ne peut pas être modifié une fois l’espace de travail créé | string |
containerRegistry | ID ARM du registre de conteneurs associé à cet espace de travail. Cela ne peut pas être modifié une fois l’espace de travail créé | string |
description | Description de cet espace de travail. | string |
discoveryUrl | URL du service de découverte pour identifier les points de terminaison régionaux pour les services d’expérimentation Machine Learning | string |
friendlyName | Nom convivial de cet espace de travail. Ce nom en mutable | string |
keyVault | ID ARM du coffre de clés associé à cet espace de travail. Cela ne peut pas être modifié une fois l’espace de travail créé | string |
storageAccount | ID ARM du compte de stockage associé à cet espace de travail. Cela ne peut pas être modifié une fois l’espace de travail créé | string |
Commentaires
https://aka.ms/ContentUserFeedback.
Bientôt disponible : Tout au long de 2024, nous allons supprimer progressivement GitHub Issues comme mécanisme de commentaires pour le contenu et le remplacer par un nouveau système de commentaires. Pour plus d’informations, consultezEnvoyer et afficher des commentaires pour