Condividi tramite


MLClient Classe

Classe client per interagire con i servizi di Azure ML.

Usare questo client per gestire le risorse di Azure ML, ad esempio aree di lavoro, processi, modelli e così via.

Ereditarietà
builtins.object
MLClient

Costruttore

MLClient(credential: TokenCredential, subscription_id: str | None = None, resource_group_name: str | None = None, workspace_name: str | None = None, registry_name: str | None = None, **kwargs: Any)

Parametri

credential
TokenCredential
Necessario

Credenziali da usare per l'autenticazione.

subscription_id
Optional[str]
valore predefinito: None

ID sottoscrizione di Azure. Facoltativo solo per gli asset del Registro di sistema. Il valore predefinito è Nessuno.

resource_group_name
Optional[str]
valore predefinito: None

Gruppo di risorse di Azure. Facoltativo solo per gli asset del Registro di sistema. Il valore predefinito è Nessuno.

workspace_name
Optional[str]
valore predefinito: None

Area di lavoro da usare nel client. Facoltativo solo per le operazioni non dipendenti dall'area di lavoro. Il valore predefinito è Nessuno.

registry_name
Optional[str]
valore predefinito: None

Registro di sistema da utilizzare nel client. Facoltativo solo per le operazioni non dipendenti dall'area di lavoro. Il valore predefinito è Nessuno.

show_progress
Optional[bool]

Specifica se visualizzare o meno le barre di stato per le operazioni a esecuzione prolungata, ad esempio i clienti possono prendere in considerazione l'impostazione su False se non si usa questo SDK in un'installazione interattiva. Il valore predefinito è True.

enable_telemetry
Optional[bool]

Specifica se abilitare o meno i dati di telemetria. Verrà sottoposto a override su False se non in un Jupyter Notebook. Il valore predefinito è True se in un Jupyter Notebook.

cloud
Optional[str]

Nome del cloud da usare. Il valore predefinito è "AzureCloud".

Esempio

Quando si usano domini sovrani,ad esempio qualsiasi cloud diverso da AZURE_PUBLIC_CLOUD, è necessario passare il nome del cloud in kwargs ed è necessario usare un'autorità con DefaultAzureCredential.


   from azure.ai.ml import MLClient
   from azure.identity import AzureAuthorityHosts, DefaultAzureCredential

   kwargs = {"cloud": "AzureChinaCloud"}
   ml_client = MLClient(
       subscription_id=subscription_id,
       resource_group_name=resource_group,
       credential=DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_CHINA),
       **kwargs,
   )

Metodi

begin_create_or_update

Crea o aggiorna una risorsa di Azure ML in modo asincrono.

create_or_update

Crea o aggiorna una risorsa di Azure ML.

from_config

Restituisce un client da un'area di lavoro di Azure Machine Learning esistente usando una configurazione di file.

Questo metodo offre un modo semplice per riutilizzare la stessa area di lavoro in più notebook o progetti Python. È possibile salvare le proprietà di Azure Resource Manager (ARM) di un'area di lavoro in un file di configurazione JSON usando questo formato:


   {
       "subscription_id": "<subscription-id>",
       "resource_group": "<resource-group>",
       "workspace_name": "<workspace-name>"
   }

È quindi possibile usare questo metodo per caricare la stessa area di lavoro in diversi notebook o progetti Python senza digitare di nuovo le proprietà arm dell'area di lavoro.

begin_create_or_update

Crea o aggiorna una risorsa di Azure ML in modo asincrono.

begin_create_or_update(entity: R, **kwargs) -> LROPoller[R]

Parametri

entity
Union[Workspace , Registry, Compute, OnlineDeployment , OnlineEndpoint, BatchDeployment , BatchEndpoint, Schedule]
Necessario

Risorsa da creare o aggiornare.

Restituisce

Risorsa dopo l'operazione di creazione/aggiornamento.

Tipo restituito

create_or_update

Crea o aggiorna una risorsa di Azure ML.

create_or_update(entity: T, **kwargs) -> T

Parametri

entity
Union[Job , Model, Environment, Component , Datastore]
Necessario

Risorsa da creare o aggiornare.

Restituisce

Risorsa creata o aggiornata.

Tipo restituito

from_config

Restituisce un client da un'area di lavoro di Azure Machine Learning esistente usando una configurazione di file.

Questo metodo offre un modo semplice per riutilizzare la stessa area di lavoro in più notebook o progetti Python. È possibile salvare le proprietà di Azure Resource Manager (ARM) di un'area di lavoro in un file di configurazione JSON usando questo formato:


   {
       "subscription_id": "<subscription-id>",
       "resource_group": "<resource-group>",
       "workspace_name": "<workspace-name>"
   }

È quindi possibile usare questo metodo per caricare la stessa area di lavoro in diversi notebook o progetti Python senza digitare di nuovo le proprietà arm dell'area di lavoro.

from_config(credential: TokenCredential, *, path: PathLike | str | None = None, file_name=None, **kwargs) -> MLClient

Parametri

credential
TokenCredential
Necessario

Oggetto credenziale per l'area di lavoro.

path
Optional[Union[PathLike, str]]

Percorso del file di configurazione o della directory iniziale in cui cercare il file di configurazione. Il valore predefinito è Nessuno, che indica che verrà usata la directory corrente.

file_name
Optional[str]

Nome del file di configurazione da cercare quando il percorso è un percorso di directory. Il valore predefinito è "config.json".

cloud
Optional[str]

Nome del cloud da usare. Il valore predefinito è "AzureCloud".

Restituisce

Client per un'area di lavoro di Azure ML esistente.

Tipo restituito

Eccezioni

Generato se "config.json" o file_name se sottoposto a override, non è possibile trovare nella directory . I dettagli verranno forniti nel messaggio di errore.

Esempio

Creazione di un MLClient da un file denominato "config.json" nella directory "src".


   from azure.ai.ml import MLClient

   client = MLClient.from_config(credential=DefaultAzureCredential(), path="./sdk/ml/azure-ai-ml/samples/src")

Creazione di un MLClient da un file denominato "team_workspace_configuration.json" nella directory corrente.


   from azure.ai.ml import MLClient

   client = MLClient.from_config(
       credential=DefaultAzureCredential(),
       file_name="./sdk/ml/azure-ai-ml/samples/team_workspace_configuration.json",
   )

Attributi

batch_deployments

Raccolta di operazioni correlate alla distribuzione batch.

Restituisce

Operazioni di distribuzione batch.

Tipo restituito

batch_endpoints

Raccolta di operazioni correlate all'endpoint batch.

Restituisce

Operazioni degli endpoint batch

Tipo restituito

components

Raccolta di operazioni correlate ai componenti.

Restituisce

Operazioni dei componenti.

Tipo restituito

compute

Raccolta di operazioni correlate al calcolo.

Restituisce

Operazioni di calcolo

Tipo restituito

connections

Raccolta di operazioni correlate alla connessione all'area di lavoro.

Restituisce

Operazioni connessioni all'area di lavoro

Tipo restituito

data

Raccolta di operazioni correlate ai dati.

Restituisce

Operazioni dati.

Tipo restituito

datastores

Raccolta di operazioni correlate all'archivio dati.

Restituisce

Operazioni dell'archivio dati.

Tipo restituito

environments

Raccolta di operazioni correlate all'ambiente.

Restituisce

Operazioni dell'ambiente.

Tipo restituito

feature_sets

aka.ms/azuremlexperimental per altre informazioni.

Raccolta di operazioni correlate al set di funzionalità.

Restituisce

Operazioni featureset

Tipo restituito

feature_store_entities

aka.ms/azuremlexperimental per altre informazioni.

Raccolta di operazioni correlate all'entità dell'archivio funzionalità.

Restituisce

Operazioni FeatureStoreEntity

Tipo restituito

feature_stores

aka.ms/azuremlexperimental per altre informazioni.

Raccolta di operazioni correlate all'archivio funzionalità.

Restituisce

Operazioni di FeatureStore

Tipo restituito

jobs

Raccolta di operazioni correlate ai processi.

Restituisce

Operazioni di processo

Tipo restituito

models

Raccolta di operazioni correlate al modello.

Restituisce

Operazioni del modello

Tipo restituito

online_deployments

Raccolta di operazioni correlate alla distribuzione online.

Restituisce

Operazioni di distribuzione online

Tipo restituito

online_endpoints

Raccolta di operazioni correlate all'endpoint online.

Restituisce

Operazioni degli endpoint online

Tipo restituito

registries

aka.ms/azuremlexperimental per altre informazioni.

Raccolta di operazioni correlate al Registro di sistema.

Restituisce

Operazioni sui registri

Tipo restituito

resource_group_name

Ottenere il nome del gruppo di risorse di un oggetto MLClient.

Restituisce

Nome del gruppo di risorse di Azure.

Tipo restituito

str

schedules

Raccolta di operazioni correlate alla pianificazione.

Restituisce

Pianificare le operazioni.

Tipo restituito

subscription_id

Ottenere l'ID sottoscrizione di un oggetto MLClient.

Restituisce

Un ID sottoscrizione di Azure.

Tipo restituito

str

workspace_hubs

aka.ms/azuremlexperimental per altre informazioni.

Raccolta di operazioni correlate all'hub dell'area di lavoro.

Restituisce

Operazioni hub

Tipo restituito

<xref:HubOperations>

workspace_name

Nome dell'area di lavoro in cui verranno eseguite le operazioni dipendenti dall'area di lavoro.

Restituisce

Nome dell'area di lavoro predefinita.

Tipo restituito

workspace_outbound_rules

Raccolta di operazioni correlate alle regole in uscita dell'area di lavoro.

Restituisce

Operazioni delle regole in uscita dell'area di lavoro

Tipo restituito

workspaces

Raccolta di operazioni correlate all'area di lavoro.

Restituisce

Operazioni dell'area di lavoro

Tipo restituito

R

R = ~R

T

T = ~T