Workspace Kelas
Menentukan sumber daya Azure Machine Learning untuk mengelola pelatihan dan artefak penyebaran.
Ruang Kerja adalah sumber daya dasar untuk pembelajaran mesin di Azure Machine Learning. Anda menggunakan ruang kerja untuk bereksperimen, melatih, dan menyebarkan model pembelajaran mesin. Setiap ruang kerja terkait dengan langganan Azure dan grup sumber daya, dan memiliki SKU terkait.
Untuk informasi selengkapnya tentang ruang kerja, lihat:
Konstruktor Ruang Kerja Kelas untuk memuat Ruang Kerja Azure Machine Learning yang ada.
Konstruktor
Workspace(subscription_id, resource_group, workspace_name, auth=None, _location=None, _disable_service_check=False, _workspace_id=None, sku='basic', tags=None, _cloud='AzureCloud')Parameter
| Nama | Deskripsi |
|---|---|
|
subscription_id
Diperlukan
|
ID langganan Azure yang berisi ruang kerja. |
|
resource_group
Diperlukan
|
Grup sumber daya yang berisi ruang kerja. |
|
workspace_name
Diperlukan
|
Nama ruang kerja yang ada. |
|
auth
|
Objek autentikasi. Untuk detail selengkapnya, lihat https://aka.ms/aml-notebook-auth. Jika Tidak Ada, kredensial Azure CLI default akan digunakan atau API akan meminta kredensial. Nilai default: None
|
|
_location
|
Untuk penggunaan internal saja. Nilai default: None
|
|
_disable_service_check
|
Untuk penggunaan internal saja. Nilai default: False
|
|
_workspace_id
|
Untuk penggunaan internal saja. Nilai default: None
|
|
sku
|
Parameter hadir untuk kompatibilitas mundur dan diabaikan. Nilai default: basic
|
|
_cloud
|
Untuk penggunaan internal saja. Nilai default: AzureCloud
|
|
subscription_id
Diperlukan
|
ID langganan Azure yang berisi ruang kerja. |
|
resource_group
Diperlukan
|
Grup sumber daya yang berisi ruang kerja. |
|
workspace_name
Diperlukan
|
Nama ruang kerja. Panjang nama harus antara 2 dan 32 karakter. Karakter pertama nama harus alfanumerik (huruf atau angka), tetapi nama lainnya mungkin berisi alfanumerik, tanda hubung, dan garis bawah. Spasi kosong tidak diperbolehkan. |
|
auth
Diperlukan
|
Objek autentikasi. Untuk detail selengkapnya, lihat https://aka.ms/aml-notebook-auth. Jika Tidak Ada, kredensial Azure CLI default akan digunakan atau API akan meminta kredensial. |
|
_location
Diperlukan
|
Untuk penggunaan internal saja. |
|
_disable_service_check
Diperlukan
|
Untuk penggunaan internal saja. |
|
_workspace_id
Diperlukan
|
Untuk penggunaan internal saja. |
|
sku
Diperlukan
|
Parameter hadir untuk kompatibilitas mundur dan diabaikan. |
|
tags
|
Tag yang akan dikaitkan dengan ruang kerja. Nilai default: None
|
|
_cloud
Diperlukan
|
Untuk penggunaan internal saja. |
Keterangan
Contoh berikut menunjukkan cara membuat ruang kerja.
from azureml.core import Workspace
ws = Workspace.create(name='myworkspace',
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup',
create_resource_group=True,
location='eastus2'
)
Setel create_resource_group ke False jika Anda memiliki grup sumber daya Azure yang ingin Anda gunakan untuk ruang kerja.
Untuk menggunakan ruang kerja yang sama di beberapa lingkungan, buat file konfigurasi JSON. File konfigurasi menyimpan langganan, sumber daya, dan nama ruang kerja Anda sehingga dapat dengan mudah dimuat. Untuk menyimpan konfigurasi, gunakan write_config metode .
ws.write_config(path="./file-path", file_name="ws_config.json")
Lihat Membuat file konfigurasi ruang kerja untuk contoh file konfigurasi.
Untuk memuat ruang kerja dari file konfigurasi, gunakan metode .from_config
ws = Workspace.from_config()
ws.get_details()
Atau, gunakan get metode untuk memuat ruang kerja yang ada tanpa menggunakan file konfigurasi.
ws = Workspace.get(name="myworkspace",
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup')
Sampel di atas dapat meminta kredensial autentikasi Azure menggunakan dialog masuk interaktif. Untuk kasus penggunaan lainnya, termasuk menggunakan Azure CLI untuk mengautentikasi dan mengautentikasi dalam alur kerja otomatis, lihat Autentikasi di Azure Machine Learning.
Metode
| add_private_endpoint |
Tambahkan titik akhir privat ke ruang kerja. |
| create |
Buat Ruang Kerja Azure Machine Learning baru. Memberikan pengecualian jika ruang kerja sudah ada atau persyaratan ruang kerja apa pun tidak terpenuhi. |
| delete |
Hapus sumber daya terkait Ruang Kerja Azure Machine Learning. |
| delete_connection |
Menghapus koneksi ruang kerja. |
| delete_private_endpoint_connection |
Hapus koneksi titik akhir privat ke ruang kerja. |
| diagnose_workspace |
Mendiagnosis masalah penyiapan ruang kerja. |
| from_config |
Mengembalikan objek ruang kerja dari Ruang Kerja Azure Machine Learning yang sudah ada. Membaca konfigurasi ruang kerja dari file. Melemparkan pengecualian jika file konfigurasi tidak dapat ditemukan. Metode ini menyediakan cara sederhana untuk menggunakan kembali ruang kerja yang sama di beberapa buku catatan atau proyek Python. Pengguna dapat menyimpan properti Azure Resource Manager (ARM) ruang kerja menggunakan write_config metode , dan menggunakan metode ini untuk memuat ruang kerja yang sama di notebook atau proyek Python yang berbeda tanpa mengetik ulang properti ARM ruang kerja. |
| get |
Mengembalikan objek ruang kerja untuk Ruang Kerja Azure Machine Learning yang sudah ada. Melemparkan pengecualian jika ruang kerja tidak ada atau bidang yang diperlukan tidak mengidentifikasi ruang kerja secara unik. |
| get_connection |
Dapatkan koneksi ruang kerja. |
| get_default_compute_target |
Dapatkan target komputasi default untuk ruang kerja. |
| get_default_datastore |
Dapatkan datastore default untuk ruang kerja. |
| get_default_keyvault |
Dapatkan objek brankas kunci default untuk ruang kerja. |
| get_details |
Mengembalikan detail ruang kerja. |
| get_mlflow_tracking_uri |
Dapatkan URI pelacakan MLflow untuk ruang kerja. MLflow (https://mlflow.org/) adalah platform sumber terbuka untuk melacak eksperimen pembelajaran mesin dan mengelola model. Anda dapat menggunakan API pengelogan MLflow dengan Azure Machine Learning sehingga metrik, model, dan artefak dicatat ke ruang kerja Azure Machine Learning Anda. |
| get_run |
Mengembalikan eksekusi dengan run_id yang ditentukan di ruang kerja. |
| list |
Cantumkan semua ruang kerja yang dapat diakses pengguna dalam langganan. Daftar ruang kerja dapat difilter berdasarkan grup sumber daya. |
| list_connections |
Cantumkan koneksi di bawah ruang kerja ini. |
| list_keys |
Mencantumkan kunci untuk ruang kerja saat ini. |
| set_connection |
Tambahkan atau perbarui koneksi di bawah ruang kerja. |
| set_default_datastore |
Atur datastore default untuk ruang kerja. |
| setup |
Buat ruang kerja baru atau ambil ruang kerja yang sudah ada. |
| sync_keys |
Memicu ruang kerja untuk segera menyinkronkan kunci. Jika kunci untuk sumber daya apa pun di ruang kerja diubah, diperlukan waktu sekitar satu jam agar sumber daya diperbarui secara otomatis. Fungsi ini memungkinkan kunci diperbarui berdasarkan permintaan. Contoh skenario membutuhkan akses langsung ke penyimpanan setelah meregenerasi kunci penyimpanan. |
| update |
Perbarui nama, deskripsi, tag, komputasi build gambar, dan pengaturan lain yang terkait dengan ruang kerja. |
| update_dependencies |
Perbarui sumber daya terkait yang ada untuk ruang kerja dalam kasus berikut. a) Ketika pengguna secara tidak sengaja menghapus sumber daya terkait yang ada dan ingin memperbaruinya dengan yang baru tanpa harus membuat ulang seluruh ruang kerja. b) Ketika pengguna memiliki sumber daya terkait yang ada dan ingin mengganti sumber daya saat ini yang terkait dengan ruang kerja. c) Ketika sumber daya terkait belum dibuat dan mereka ingin menggunakan sumber daya yang sudah mereka miliki (hanya berlaku untuk registri kontainer). |
| write_config |
Tulis properti Azure Resource Manager (ARM) ruang kerja ke file konfigurasi. Properti ARM ruang kerja dapat dimuat nanti menggunakan from_config metode . Default Metode ini menyediakan cara sederhana untuk menggunakan kembali ruang kerja yang sama di beberapa buku catatan atau proyek Python. Pengguna dapat menyimpan properti ARM ruang kerja menggunakan fungsi ini, dan menggunakan from_config untuk memuat ruang kerja yang sama di notebook atau proyek Python yang berbeda tanpa mengetik ulang properti ARM ruang kerja. |
add_private_endpoint
Tambahkan titik akhir privat ke ruang kerja.
add_private_endpoint(private_endpoint_config, private_endpoint_auto_approval=True, location=None, show_output=True, tags=None)Parameter
| Nama | Deskripsi |
|---|---|
|
private_endpoint_config
Diperlukan
|
Konfigurasi titik akhir privat untuk membuat titik akhir privat ke ruang kerja. |
|
private_endpoint_auto_approval
|
Bendera boolean yang menunjukkan apakah pembuatan titik akhir privat harus disetujui secara otomatis atau disetujui secara manual dari Azure Private Link Center. Jika ada persetujuan manual, pengguna dapat melihat permintaan yang tertunda di portal Private Link untuk menyetujui/menolak permintaan. Nilai default: True
|
|
location
|
Lokasi titik akhir privat, defaultnya adalah lokasi ruang kerja Nilai default: None
|
|
show_output
|
Bendera untuk memperlihatkan kemajuan pembuatan ruang kerja Nilai default: True
|
|
tags
|
Tag yang akan dikaitkan dengan ruang kerja. Nilai default: None
|
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Objek PrivateEndPoint dibuat. |
create
Buat Ruang Kerja Azure Machine Learning baru.
Memberikan pengecualian jika ruang kerja sudah ada atau persyaratan ruang kerja apa pun tidak terpenuhi.
static create(name, auth=None, subscription_id=None, resource_group=None, location=None, create_resource_group=True, sku='basic', tags=None, friendly_name=None, storage_account=None, key_vault=None, app_insights=None, container_registry=None, adb_workspace=None, primary_user_assigned_identity=None, cmk_keyvault=None, resource_cmk_uri=None, hbi_workspace=False, default_cpu_compute_target=None, default_gpu_compute_target=None, private_endpoint_config=None, private_endpoint_auto_approval=True, exist_ok=False, show_output=True, user_assigned_identity_for_cmk_encryption=None, system_datastores_auth_mode='accessKey', v1_legacy_mode=None)Parameter
| Nama | Deskripsi |
|---|---|
|
name
Diperlukan
|
Nama ruang kerja baru. Panjang nama harus antara 2 dan 32 karakter. Karakter pertama nama harus alfanumerik (huruf atau angka), tetapi nama lainnya mungkin berisi alfanumerik, tanda hubung, dan garis bawah. Spasi kosong tidak diperbolehkan. |
|
auth
|
Objek autentikasi. Untuk detail selengkapnya, lihat https://aka.ms/aml-notebook-auth. Jika Tidak Ada, kredensial Azure CLI default akan digunakan atau API akan meminta kredensial. Nilai default: None
|
|
subscription_id
|
ID langganan langganan yang berisi untuk ruang kerja baru. Parameter diperlukan jika pengguna memiliki akses ke lebih dari satu langganan. Nilai default: None
|
|
resource_group
|
Grup sumber daya Azure yang berisi ruang kerja. Parameter default ke mutasi nama ruang kerja. Nilai default: None
|
|
location
|
Lokasi ruang kerja. Parameter default ke lokasi grup sumber daya. Lokasi harus menjadi wilayah yang didukung untuk Azure Machine Learning. Nilai default: None
|
|
create_resource_group
|
Menunjukkan apakah akan membuat grup sumber daya jika tidak ada. Nilai default: True
|
|
sku
|
Parameter hadir untuk kompatibilitas mundur dan diabaikan. Nilai default: basic
|
|
tags
|
Tag yang akan dikaitkan dengan ruang kerja. Nilai default: None
|
|
friendly_name
|
Nama ramah opsional untuk ruang kerja yang dapat ditampilkan di UI. Nilai default: None
|
|
storage_account
|
Akun penyimpanan yang sudah ada dalam format ID sumber daya Azure. Penyimpanan akan digunakan oleh ruang kerja untuk menyimpan output, kode, log, dll. Jika Tidak Ada, akun penyimpanan baru akan dibuat. Nilai default: None
|
|
key_vault
|
Brankas kunci yang ada dalam format ID sumber daya Azure. Lihat contoh kode di bawah ini untuk detail format ID sumber daya Azure. Brankas kunci akan digunakan oleh ruang kerja untuk menyimpan kredensial yang ditambahkan ke ruang kerja oleh pengguna. Jika Tidak Ada, brankas kunci baru akan dibuat. Nilai default: None
|
|
app_insights
|
Application Insights yang ada dalam format ID sumber daya Azure. Lihat contoh kode di bawah ini untuk detail format ID sumber daya Azure. Application Insights akan digunakan oleh ruang kerja untuk mencatat peristiwa layanan web. Jika Tidak Ada, Application Insights baru akan dibuat. Nilai default: None
|
|
container_registry
|
Registri kontainer yang ada dalam format ID sumber daya Azure (lihat contoh kode di bawah ini untuk detail format ID sumber daya Azure). Registri kontainer akan digunakan oleh ruang kerja untuk menarik dan mendorong eksperimen dan gambar layanan web. Jika Tidak Ada, registri kontainer baru hanya akan dibuat jika diperlukan dan tidak bersama dengan pembuatan ruang kerja. Nilai default: None
|
|
adb_workspace
|
Ruang Kerja Adb yang ada dalam format ID sumber daya Azure (lihat contoh kode di bawah ini untuk detail format ID sumber daya Azure). Ruang Kerja Adb akan digunakan untuk menautkan dengan ruang kerja. Jika Tidak Ada, tautan ruang kerja tidak akan terjadi. Nilai default: None
|
|
primary_user_assigned_identity
|
Id sumber daya identitas yang ditetapkan pengguna yang digunakan untuk mewakili ruang kerja Nilai default: None
|
|
cmk_keyvault
|
Brankas kunci yang berisi kunci yang dikelola pelanggan dalam format ID sumber daya Azure:
Nilai default: None
|
|
resource_cmk_uri
|
URI kunci kunci yang dikelola pelanggan untuk mengenkripsi data tidak aktif.
Format URI adalah: Nilai default: None
|
|
hbi_workspace
|
Menentukan apakah ruang kerja berisi data Dampak Bisnis Tinggi (HBI), yaitu, berisi informasi bisnis sensitif. Bendera ini hanya dapat diatur selama pembuatan ruang kerja. Nilainya tidak dapat diubah setelah ruang kerja dibuat. Nilai defaultnya adalah False. Ketika diatur ke True, langkah-langkah enkripsi lebih lanjut dilakukan, dan tergantung pada komponen SDK, menghasilkan informasi yang diredaksi dalam telemetri yang dikumpulkan secara internal. Untuk informasi selengkapnya, lihat Enkripsi data. Ketika bendera ini diatur ke True, satu kemungkinan dampaknya adalah peningkatan masalah pemecahan masalah kesulitan. Ini bisa terjadi karena beberapa telemetri tidak dikirim ke Microsoft dan ada lebih sedikit visibilitas ke tingkat keberhasilan atau jenis masalah, dan oleh karena itu mungkin tidak dapat bereaksi secara proaktif ketika bendera ini Benar. Rekomendasi ini menggunakan default False untuk bendera ini kecuali diharuskan benar-benar True. Nilai default: False
|
|
default_cpu_compute_target
|
(Tidak digunakan lagi) Konfigurasi yang akan digunakan untuk membuat komputasi CPU. Parameter default ke {min_nodes=0, max_nodes=2, vm_size="STANDARD_DS2_V2", vm_priority="dedicated"} Jika Tidak Ada, tidak ada komputasi yang akan dibuat. Nilai default: None
|
|
default_gpu_compute_target
|
(Tidak digunakan lagi) Konfigurasi yang akan digunakan untuk membuat komputasi GPU. Parameter default ke {min_nodes=0, max_nodes=2, vm_size="STANDARD_NC6", vm_priority="dedicated"} Jika Tidak Ada, tidak ada komputasi yang akan dibuat. Nilai default: None
|
|
private_endpoint_config
|
Konfigurasi titik akhir privat untuk membuat titik akhir privat ke ruang kerja Azure ML. Nilai default: None
|
|
private_endpoint_auto_approval
|
Bendera boolean yang menunjukkan apakah pembuatan titik akhir privat harus disetujui secara otomatis atau disetujui secara manual dari Azure Private Link Center. Jika ada persetujuan manual, pengguna dapat melihat permintaan yang tertunda di portal Private Link untuk menyetujui/menolak permintaan. Nilai default: True
|
|
exist_ok
|
Menunjukkan apakah metode ini berhasil jika ruang kerja sudah ada. Jika False, metode ini gagal jika ruang kerja ada. Jika True, metode ini mengembalikan ruang kerja yang ada jika ada. Nilai default: False
|
|
show_output
|
Menunjukkan apakah metode ini akan mencetak kemajuan inkremental. Nilai default: True
|
|
user_assigned_identity_for_cmk_encryption
|
Id sumber daya identitas yang ditetapkan pengguna yang perlu digunakan untuk mengakses kunci pengelolaan pelanggan Nilai default: None
|
|
system_datastores_auth_mode
|
Menentukan apakah akan menggunakan kredensial untuk datastore sistem ruang kerja 'workspaceblobstore' dan 'workspacefilestore'. Nilai defaultnya adalah 'accessKey', dalam hal ini, ruang kerja akan membuat penyimpanan data sistem dengan kredensial. Jika diatur ke 'identitas', ruang kerja akan membuat penyimpanan data sistem tanpa kredensial. Nilai default: accessKey
|
|
v1_legacy_mode
|
Mencegah penggunaan layanan API v2 di Azure Resource Manager publik Nilai default: None
|
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Objek ruang kerja. |
Pengecualian
| Jenis | Deskripsi |
|---|---|
|
Dimunculkan untuk masalah saat membuat ruang kerja. |
Keterangan
Contoh pertama ini hanya memerlukan spesifikasi minimal, dan semua sumber daya dependen serta grup sumber daya akan dibuat secara otomatis.
from azureml.core import Workspace
ws = Workspace.create(name='myworkspace',
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup',
create_resource_group=True,
location='eastus2')
Contoh berikut menunjukkan cara menggunakan kembali sumber daya Azure yang ada menggunakan format ID sumber daya Azure. ID sumber daya Azure tertentu dapat diambil melalui Portal Microsoft Azure atau SDK. Ini mengasumsikan bahwa grup sumber daya, akun penyimpanan, brankas kunci, App Insights, dan registri kontainer sudah ada.
import os
from azureml.core import Workspace
from azureml.core.authentication import ServicePrincipalAuthentication
service_principal_password = os.environ.get("AZUREML_PASSWORD")
service_principal_auth = ServicePrincipalAuthentication(
tenant_id="<tenant-id>",
username="<application-id>",
password=service_principal_password)
ws = Workspace.create(name='myworkspace',
auth=service_principal_auth,
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup',
create_resource_group=False,
location='eastus2',
friendly_name='My workspace',
storage_account='subscriptions/<azure-subscription-id>/resourcegroups/myresourcegroup/providers/microsoft.storage/storageaccounts/mystorageaccount',
key_vault='subscriptions/<azure-subscription-id>/resourcegroups/myresourcegroup/providers/microsoft.keyvault/vaults/mykeyvault',
app_insights='subscriptions/<azure-subscription-id>/resourcegroups/myresourcegroup/providers/microsoft.insights/components/myappinsights',
container_registry='subscriptions/<azure-subscription-id>/resourcegroups/myresourcegroup/providers/microsoft.containerregistry/registries/mycontainerregistry',
exist_ok=False)
delete
Hapus sumber daya terkait Ruang Kerja Azure Machine Learning.
delete(delete_dependent_resources=False, no_wait=False)Parameter
| Nama | Deskripsi |
|---|---|
|
delete_dependent_resources
|
Apakah akan menghapus sumber daya yang terkait dengan ruang kerja, yaitu, registri kontainer, akun penyimpanan, brankas kunci, dan wawasan aplikasi. Defaultnya adalah False. Atur ke True untuk menghapus sumber daya ini. Nilai default: False
|
|
no_wait
|
Apakah akan menunggu penghapusan ruang kerja selesai. Nilai default: False
|
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Tidak ada jika berhasil; jika tidak, melemparkan kesalahan. |
delete_connection
Menghapus koneksi ruang kerja.
delete_connection(name)Parameter
| Nama | Deskripsi |
|---|---|
|
name
Diperlukan
|
Nama unik koneksi di bawah ruang kerja |
delete_private_endpoint_connection
Hapus koneksi titik akhir privat ke ruang kerja.
delete_private_endpoint_connection(private_endpoint_connection_name)Parameter
| Nama | Deskripsi |
|---|---|
|
private_endpoint_connection_name
Diperlukan
|
Nama unik koneksi titik akhir privat di bawah ruang kerja |
diagnose_workspace
Mendiagnosis masalah penyiapan ruang kerja.
diagnose_workspace(diagnose_parameters)Parameter
| Nama | Deskripsi |
|---|---|
|
diagnose_parameters
Diperlukan
|
<xref:_restclient.models.DiagnoseWorkspaceParameters>
Parameter mendiagnosis kesehatan ruang kerja |
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
<xref:msrestazure.azure_operation.AzureOperationPoller>[<xref:_restclient.models.DiagnoseResponseResult>]
|
Instans AzureOperationPoller yang mengembalikan DiagnoseResponseResult |
from_config
Mengembalikan objek ruang kerja dari Ruang Kerja Azure Machine Learning yang sudah ada.
Membaca konfigurasi ruang kerja dari file. Melemparkan pengecualian jika file konfigurasi tidak dapat ditemukan.
Metode ini menyediakan cara sederhana untuk menggunakan kembali ruang kerja yang sama di beberapa buku catatan atau proyek Python. Pengguna dapat menyimpan properti Azure Resource Manager (ARM) ruang kerja menggunakan write_config metode , dan menggunakan metode ini untuk memuat ruang kerja yang sama di notebook atau proyek Python yang berbeda tanpa mengetik ulang properti ARM ruang kerja.
static from_config(path=None, auth=None, _logger=None, _file_name=None)Parameter
| Nama | Deskripsi |
|---|---|
|
path
|
Jalur ke file konfigurasi atau memulai direktori untuk dicari. Parameter default untuk memulai pencarian di direktori saat ini. Nilai default: None
|
|
auth
|
Objek autentikasi. Untuk detail selengkapnya, lihat https://aka.ms/aml-notebook-auth. Jika Tidak Ada, kredensial Azure CLI default akan digunakan atau API akan meminta kredensial. Nilai default: None
|
|
_logger
|
Memungkinkan pengesampingan pencatat default. Nilai default: None
|
|
_file_name
|
Memungkinkan pengesampingan nama file konfigurasi untuk mencari kapan jalur adalah jalur direktori. Nilai default: None
|
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Objek ruang kerja untuk Ruang Kerja Azure ML yang sudah ada. |
get
Mengembalikan objek ruang kerja untuk Ruang Kerja Azure Machine Learning yang sudah ada.
Melemparkan pengecualian jika ruang kerja tidak ada atau bidang yang diperlukan tidak mengidentifikasi ruang kerja secara unik.
static get(name, auth=None, subscription_id=None, resource_group=None, location=None, cloud='AzureCloud', id=None)Parameter
| Nama | Deskripsi |
|---|---|
|
name
Diperlukan
|
Nama ruang kerja yang akan didapatkan. |
|
auth
|
Objek autentikasi. Untuk detail selengkapnya, lihat https://aka.ms/aml-notebook-auth. Jika Tidak Ada, kredensial Azure CLI default akan digunakan atau API akan meminta kredensial. Nilai default: None
|
|
subscription_id
|
ID langganan yang akan digunakan. Parameter diperlukan jika pengguna memiliki akses ke lebih dari satu langganan. Nilai default: None
|
|
resource_group
|
Grup sumber daya yang akan digunakan. Jika Tidak Ada, metode akan mencari semua grup sumber daya dalam langganan. Nilai default: None
|
|
location
|
Lokasi ruang kerja. Nilai default: None
|
|
cloud
|
Nama cloud target. Dapat berupa salah satu dari "AzureCloud", "AzureChinaCloud", atau "AzureUSGovernment". Jika tidak ada cloud yang ditentukan "AzureCloud" yang digunakan. Nilai default: AzureCloud
|
|
id
|
Id ruang kerja. Nilai default: None
|
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Objek ruang kerja. |
get_connection
Dapatkan koneksi ruang kerja.
get_connection(name)Parameter
| Nama | Deskripsi |
|---|---|
|
name
Diperlukan
|
Nama unik koneksi di bawah ruang kerja |
get_default_compute_target
Dapatkan target komputasi default untuk ruang kerja.
get_default_compute_target(type)Parameter
| Nama | Deskripsi |
|---|---|
|
type
Diperlukan
|
Jenis komputasi. Nilai yang mungkin adalah 'CPU' atau 'GPU'. |
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Target komputasi default untuk jenis komputasi tertentu. |
get_default_datastore
Dapatkan datastore default untuk ruang kerja.
get_default_datastore()Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Datastore default. |
get_default_keyvault
Dapatkan objek brankas kunci default untuk ruang kerja.
get_default_keyvault()Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Objek KeyVault yang terkait dengan ruang kerja. |
get_details
Mengembalikan detail ruang kerja.
get_details()Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Detail ruang kerja dalam format kamus. |
Keterangan
Kamus yang dikembalikan berisi pasangan kunci-nilai berikut.
id: URI menunjuk ke sumber daya ruang kerja ini, berisi ID langganan, grup sumber daya, dan nama ruang kerja.
nama: Nama ruang kerja ini.
lokasi: Wilayah ruang kerja.
type: URI format "{providerName}/workspaces".
tag: Saat ini tidak digunakan.
workspaceid: ID ruang kerja ini.
deskripsi: Saat ini tidak digunakan.
friendlyName: Nama yang mudah diingat untuk ruang kerja yang ditampilkan di UI.
creationTime: Waktu ruang kerja ini dibuat, dalam format ISO8601.
containerRegistry: Registri kontainer ruang kerja yang digunakan untuk menarik dan mendorong eksperimen dan gambar layanan web.
keyVault: Brankas kunci ruang kerja yang digunakan untuk menyimpan kredensial yang ditambahkan ke ruang kerja oleh pengguna.
applicationInsights: Application Insights akan digunakan oleh ruang kerja untuk mencatat peristiwa layanan web.
identityPrincipalId:
identityTenantId
identityType
storageAccount: Penyimpanan akan digunakan oleh ruang kerja untuk menyimpan output eksekusi, kode, log, dll.
sku: SKU ruang kerja (juga disebut sebagai edisi). Parameter hadir untuk kompatibilitas mundur dan diabaikan.
resourceCmkUri: URI kunci kunci yang dikelola pelanggan untuk mengenkripsi data tidak aktif. https://docs.microsoft.com/en-us/azure-stack/user/azure-stack-key-vault-manage-portal?view=azs-1910 Lihat langkah-langkah tentang cara membuat kunci dan mendapatkan URI-nya.
hbiWorkspace: Menentukan apakah data pelanggan memiliki dampak bisnis yang tinggi.
imageBuildCompute: Target komputasi untuk build gambar.
systemDatastoresAuthMode: Menentukan apakah akan menggunakan kredensial untuk penyimpanan data sistem ruang kerja 'workspaceblobstore' dan 'workspacefilestore'. Nilai defaultnya adalah 'accessKey', dalam hal ini, ruang kerja akan membuat penyimpanan data sistem dengan kredensial. Jika diatur ke 'identitas', ruang kerja akan membuat penyimpanan data sistem tanpa kredensial.
Untuk informasi selengkapnya tentang pasangan kunci-nilai ini, lihat create.
get_mlflow_tracking_uri
Dapatkan URI pelacakan MLflow untuk ruang kerja.
MLflow (https://mlflow.org/) adalah platform sumber terbuka untuk melacak eksperimen pembelajaran mesin dan mengelola model. Anda dapat menggunakan API pengelogan MLflow dengan Azure Machine Learning sehingga metrik, model, dan artefak dicatat ke ruang kerja Azure Machine Learning Anda.
get_mlflow_tracking_uri(_with_auth=False)Parameter
| Nama | Deskripsi |
|---|---|
|
_with_auth
|
(Tidak digunakan lagi) Tambahkan info autentikasi ke URI pelacakan. Nilai default: False
|
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
URI pelacakan yang kompatibel dengan MLflow. |
Keterangan
Gunakan sampel berikut untuk mengonfigurasi pelacakan MLflow untuk mengirim data ke Ruang Kerja Azure ML:
import mlflow
from azureml.core import Workspace
workspace = Workspace.from_config()
mlflow.set_tracking_uri(workspace.get_mlflow_tracking_uri())
get_run
list
Cantumkan semua ruang kerja yang dapat diakses pengguna dalam langganan.
Daftar ruang kerja dapat difilter berdasarkan grup sumber daya.
static list(subscription_id, auth=None, resource_group=None)Parameter
| Nama | Deskripsi |
|---|---|
|
subscription_id
Diperlukan
|
ID langganan untuk mencantumkan ruang kerja. |
|
auth
|
Objek autentikasi. Untuk detail selengkapnya, lihat https://aka.ms/aml-notebook-auth. Jika Tidak Ada, kredensial Azure CLI default akan digunakan atau API akan meminta kredensial. Nilai default: None
|
|
resource_group
|
Grup sumber daya untuk memfilter ruang kerja yang dikembalikan. Jika Tidak Ada, metode akan mencantumkan semua ruang kerja dalam langganan yang ditentukan. Nilai default: None
|
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Kamus tempat kunci adalah nama ruang kerja dan nilainya adalah daftar objek Ruang Kerja. |
list_connections
list_keys
set_connection
Tambahkan atau perbarui koneksi di bawah ruang kerja.
set_connection(name, category, target, authType, value)Parameter
| Nama | Deskripsi |
|---|---|
|
name
Diperlukan
|
Nama unik koneksi di bawah ruang kerja |
|
category
Diperlukan
|
Kategori koneksi ini |
|
target
Diperlukan
|
target koneksi ini tersambung ke |
|
authType
Diperlukan
|
jenis otorisasi koneksi ini |
|
value
Diperlukan
|
string serialisasi format json dari detail koneksi |
set_default_datastore
setup
Buat ruang kerja baru atau ambil ruang kerja yang sudah ada.
static setup()Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Objek Ruang Kerja. |
sync_keys
Memicu ruang kerja untuk segera menyinkronkan kunci.
Jika kunci untuk sumber daya apa pun di ruang kerja diubah, diperlukan waktu sekitar satu jam agar sumber daya diperbarui secara otomatis. Fungsi ini memungkinkan kunci diperbarui berdasarkan permintaan. Contoh skenario membutuhkan akses langsung ke penyimpanan setelah meregenerasi kunci penyimpanan.
sync_keys(no_wait=False)Parameter
| Nama | Deskripsi |
|---|---|
|
no_wait
|
Apakah akan menunggu kunci sinkronisasi ruang kerja selesai. Nilai default: False
|
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Tidak ada jika berhasil; jika tidak, melemparkan kesalahan. |
update
Perbarui nama, deskripsi, tag, komputasi build gambar, dan pengaturan lain yang terkait dengan ruang kerja.
update(friendly_name=None, description=None, tags=None, image_build_compute=None, service_managed_resources_settings=None, primary_user_assigned_identity=None, allow_public_access_when_behind_vnet=None, v1_legacy_mode=None)Parameter
| Nama | Deskripsi |
|---|---|
|
friendly_name
|
Nama yang mudah diingat untuk ruang kerja yang dapat ditampilkan di UI. Nilai default: None
|
|
description
|
Deskripsi ruang kerja. Nilai default: None
|
|
tags
|
Tag yang akan dikaitkan dengan ruang kerja. Nilai default: None
|
|
image_build_compute
|
Nama komputasi untuk build gambar. Nilai default: None
|
|
service_managed_resources_settings
|
<xref:azureml._base_sdk_common.workspace.models.ServiceManagedResourcesSettings>
Pengaturan sumber daya terkelola layanan. Nilai default: None
|
|
primary_user_assigned_identity
|
Id sumber daya identitas yang ditetapkan pengguna yang mewakili identitas ruang kerja. Nilai default: None
|
|
allow_public_access_when_behind_vnet
|
Izinkan akses publik ke ruang kerja tautan privat. Nilai default: None
|
|
v1_legacy_mode
|
Mencegah penggunaan layanan API v2 di Azure Resource Manager publik Nilai default: None
|
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Kamus informasi yang diperbarui. |
update_dependencies
Perbarui sumber daya terkait yang ada untuk ruang kerja dalam kasus berikut.
a) Ketika pengguna secara tidak sengaja menghapus sumber daya terkait yang ada dan ingin memperbaruinya dengan yang baru tanpa harus membuat ulang seluruh ruang kerja. b) Ketika pengguna memiliki sumber daya terkait yang ada dan ingin mengganti sumber daya saat ini yang terkait dengan ruang kerja. c) Ketika sumber daya terkait belum dibuat dan mereka ingin menggunakan sumber daya yang sudah mereka miliki (hanya berlaku untuk registri kontainer).
update_dependencies(container_registry=None, force=False)Parameter
| Nama | Deskripsi |
|---|---|
|
container_registry
|
ID ARM untuk registri kontainer. Nilai default: None
|
|
force
|
Jika memaksa memperbarui sumber daya dependen tanpa konfirmasi yang diminta. Nilai default: False
|
Mengembalikan
| Jenis | Deskripsi |
|---|---|
write_config
Tulis properti Azure Resource Manager (ARM) ruang kerja ke file konfigurasi.
Properti ARM ruang kerja dapat dimuat nanti menggunakan from_config metode . Default path ke '.azureml/' di direktori kerja saat ini dan file_name default ke 'config.json'.
Metode ini menyediakan cara sederhana untuk menggunakan kembali ruang kerja yang sama di beberapa buku catatan atau proyek Python. Pengguna dapat menyimpan properti ARM ruang kerja menggunakan fungsi ini, dan menggunakan from_config untuk memuat ruang kerja yang sama di notebook atau proyek Python yang berbeda tanpa mengetik ulang properti ARM ruang kerja.
write_config(path=None, file_name=None)Parameter
| Nama | Deskripsi |
|---|---|
|
path
|
Lokasi yang disediakan pengguna untuk menulis file config.json. Parameter default ke '.azureml/' di direktori kerja saat ini. Nilai default: None
|
|
file_name
|
Nama yang akan digunakan untuk file konfigurasi. Parameter default ke config.json. Nilai default: None
|
Atribut
compute_targets
Cantumkan semua target komputasi di ruang kerja.
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Kamus dengan kunci sebagai nama target komputasi dan nilai sebagai ComputeTarget objek. |
datasets
datastores
discovery_url
Mengembalikan URL penemuan ruang kerja ini.
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
URL penemuan ruang kerja ini. |
environments
Mencantumkan semua lingkungan di ruang kerja.
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Kamus dengan kunci sebagai nama lingkungan dan nilai sebagai Environment objek. |
experiments
Mencantumkan semua eksperimen di ruang kerja.
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Kamus dengan kunci sebagai nama eksperimen dan nilai sebagai Experiment objek. |
images
Mengembalikan daftar gambar di ruang kerja.
WebserviceException Menimbulkan jika ada masalah saat berinteraksi dengan layanan manajemen model.
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Kamus dengan kunci sebagai nama gambar dan nilai sebagai Image objek. |
Pengecualian
| Jenis | Deskripsi |
|---|---|
|
Ada masalah saat berinteraksi dengan layanan manajemen model. |
linked_services
Cantumkan semua layanan tertaut di ruang kerja.
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Kamus di mana kunci adalah nama dan nilai layanan tertaut adalah LinkedService objek. |
location
models
Mengembalikan daftar model di ruang kerja.
WebserviceException Menimbulkan jika ada masalah saat berinteraksi dengan layanan manajemen model.
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Kamus model dengan kunci sebagai nama model dan nilai sebagai Model objek. |
Pengecualian
| Jenis | Deskripsi |
|---|---|
|
Ada masalah saat berinteraksi dengan layanan manajemen model. |
name
private_endpoints
Mencantumkan semua titik akhir privat ruang kerja.
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Dict objek PrivateEndPoint yang terkait dengan ruang kerja. Kuncinya adalah nama titik akhir privat. |
resource_group
Mengembalikan nama grup sumber daya untuk ruang kerja ini.
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Nama grup sumber daya. |
service_context
Mengembalikan konteks layanan untuk ruang kerja ini.
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
<xref:azureml._restclient.service_context.ServiceContext>
|
Mengembalikan objek ServiceContext. |
sku
subscription_id
tags
webservices
Mengembalikan daftar layanan web di ruang kerja.
WebserviceException Memunculkan jika ada masalah saat mengembalikan daftar.
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Daftar layanan web di ruang kerja. |
Pengecualian
| Jenis | Deskripsi |
|---|---|
|
Ada masalah saat mengembalikan daftar. |
DEFAULT_CPU_CLUSTER_CONFIGURATION
DEFAULT_CPU_CLUSTER_CONFIGURATION = <azureml.core.compute.amlcompute.AmlComputeProvisioningConfiguration object>DEFAULT_CPU_CLUSTER_NAME
DEFAULT_CPU_CLUSTER_NAME = 'cpu-cluster'DEFAULT_GPU_CLUSTER_CONFIGURATION
DEFAULT_GPU_CLUSTER_CONFIGURATION = <azureml.core.compute.amlcompute.AmlComputeProvisioningConfiguration object>DEFAULT_GPU_CLUSTER_NAME
DEFAULT_GPU_CLUSTER_NAME = 'gpu-cluster'