Workspace Classe
Definisce una risorsa di Azure Machine Learning per la gestione degli artefatti di training e distribuzione.
Un'area di lavoro è una risorsa fondamentale per Machine Learning in Azure Machine Learning. Si usa un'area di lavoro per sperimentare, eseguire il training e distribuire modelli di Machine Learning. Ogni area di lavoro è associata a una sottoscrizione di Azure e a un gruppo di risorse e ha uno SKU associato.
Per altre informazioni sulle aree di lavoro, vedere:
Costruttore Area di lavoro classi per caricare un'area di lavoro di Azure Machine Learning esistente.
- Ereditarietà
-
builtins.objectWorkspace
Costruttore
Workspace(subscription_id, resource_group, workspace_name, auth=None, _location=None, _disable_service_check=False, _workspace_id=None, sku='basic', tags=None, _cloud='AzureCloud')
Parametri
- auth
- ServicePrincipalAuthentication oppure InteractiveLoginAuthentication oppure MsiAuthentication
Oggetto di autenticazione. Per altri dettagli, vedere https://aka.ms/aml-notebook-auth. Se Nessuno, verranno usate le credenziali predefinite dell'interfaccia della riga di comando di Azure o l'API richiederà le credenziali.
- sku
- str
Il parametro è presente per la compatibilità con le versioni precedenti e viene ignorato.
- workspace_name
- str
Nome dell'area di lavoro. Il nome deve avere una lunghezza compresa tra 2 e 32 caratteri. Il primo carattere del nome deve essere alfanumerico (lettera o numero), ma il resto del nome può contenere caratteri alfanumerici, trattini e caratteri di sottolineatura. Gli spazi vuoti non sono consentiti.
- auth
- ServicePrincipalAuthentication oppure InteractiveLoginAuthentication oppure MsiAuthentication
Oggetto di autenticazione. Per altri dettagli, vedere https://aka.ms/aml-notebook-auth. Se Nessuno, verranno usate le credenziali predefinite dell'interfaccia della riga di comando di Azure o l'API richiederà le credenziali.
- sku
- str
Il parametro è presente per la compatibilità con le versioni precedenti e viene ignorato.
Commenti
Nell'esempio seguente viene illustrato come creare un'area di lavoro.
from azureml.core import Workspace
ws = Workspace.create(name='myworkspace',
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup',
create_resource_group=True,
location='eastus2'
)
Impostare su create_resource_group
False se si dispone di un gruppo di risorse di Azure esistente che si vuole usare per l'area di lavoro.
Per usare la stessa area di lavoro in più ambienti, creare un file di configurazione JSON. Il file di configurazione salva la sottoscrizione, la risorsa e il nome dell'area di lavoro in modo che possa essere caricato facilmente. Per salvare la configurazione, usare il write_config metodo .
ws.write_config(path="./file-path", file_name="ws_config.json")
Vedere Creare un file di configurazione dell'area di lavoro per un esempio del file di configurazione.
Per caricare l'area di lavoro dal file di configurazione, usare il from_config metodo .
ws = Workspace.from_config()
ws.get_details()
In alternativa, usare il get metodo per caricare un'area di lavoro esistente senza usare i file di configurazione.
ws = Workspace.get(name="myworkspace",
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup')
Gli esempi precedenti possono richiedere le credenziali di autenticazione di Azure usando una finestra di dialogo di accesso interattivo. Per altri casi d'uso, tra cui l'uso dell'interfaccia della riga di comando di Azure per l'autenticazione e l'autenticazione nei flussi di lavoro automatizzati, vedere Autenticazione in Azure Machine Learning.
Metodi
add_private_endpoint |
Aggiungere un endpoint privato all'area di lavoro. |
create |
Creare una nuova area di lavoro di Azure Machine Learning. Genera un'eccezione se l'area di lavoro esiste già o uno dei requisiti dell'area di lavoro non è soddisfatta. |
delete |
Eliminare le risorse associate all'area di lavoro di Azure Machine Learning. |
delete_connection |
Eliminare una connessione dell'area di lavoro. |
delete_private_endpoint_connection |
Eliminare la connessione dell'endpoint privato all'area di lavoro. |
diagnose_workspace |
Diagnosticare i problemi di configurazione dell'area di lavoro. |
from_config |
Restituire un oggetto area di lavoro da un'area di lavoro di Azure Machine Learning esistente. Legge la configurazione dell'area di lavoro da un file. Genera un'eccezione se non è possibile trovare il file di configurazione. Il metodo offre un modo semplice per riutilizzare la stessa area di lavoro in più notebook o progetti Python. Gli utenti possono salvare le proprietà di Azure Resource Manager (ARM) dell'area di lavoro usando il write_config metodo e usare questo metodo per caricare la stessa area di lavoro in notebook o progetti Python diversi senza digitare le proprietà di Resource Manager dell'area di lavoro. |
get |
Restituire un oggetto area di lavoro per un'area di lavoro di Azure Machine Learning esistente. Genera un'eccezione se l'area di lavoro non esiste o i campi obbligatori non identificano in modo univoco un'area di lavoro. |
get_connection |
Ottenere una connessione dell'area di lavoro. |
get_default_compute_target |
Ottenere la destinazione di calcolo predefinita per l'area di lavoro. |
get_default_datastore |
Ottenere l'archivio dati predefinito per l'area di lavoro. |
get_default_keyvault |
Ottenere l'oggetto key vault predefinito per l'area di lavoro. |
get_details |
Restituisce i dettagli dell'area di lavoro. |
get_mlflow_tracking_uri |
Ottenere l'URI di rilevamento MLflow per l'area di lavoro. MLflow (https://mlflow.org/) è una piattaforma open source per il rilevamento degli esperimenti di Machine Learning e la gestione dei modelli. È possibile usare le API di registrazione MLflow con Azure Machine Learning in modo che le metriche, i modelli e gli artefatti vengano registrati nell'area di lavoro di Azure Machine Learning. |
get_run |
Restituire l'esecuzione con il run_id specificato nell'area di lavoro. |
list |
Elencare tutte le aree di lavoro a cui l'utente può accedere all'interno della sottoscrizione. L'elenco delle aree di lavoro può essere filtrato in base al gruppo di risorse. |
list_connections |
Elencare le connessioni in questa area di lavoro. |
list_keys |
Elencare le chiavi per l'area di lavoro corrente. |
set_connection |
Aggiungere o aggiornare una connessione nell'area di lavoro. |
set_default_datastore |
Impostare l'archivio dati predefinito per l'area di lavoro. |
setup |
Creare una nuova area di lavoro o recuperare un'area di lavoro esistente. |
sync_keys |
Attiva l'area di lavoro per sincronizzare immediatamente le chiavi. Se le chiavi per qualsiasi risorsa nell'area di lavoro vengono modificate, è possibile che siano aggiornate automaticamente circa un'ora. Questa funzione consente di aggiornare le chiavi al momento della richiesta. Uno scenario di esempio richiede l'accesso immediato all'archiviazione dopo la rigenerazione delle chiavi di archiviazione. |
update |
Aggiornare il nome descrittivo, la descrizione, i tag, il calcolo di compilazione delle immagini e altre impostazioni associate a un'area di lavoro. |
update_dependencies |
Aggiornare le risorse associate per l'area di lavoro nei casi seguenti. a) Quando un utente elimina accidentalmente una risorsa associata esistente e vuole aggiornarla con una nuova senza dover ricreare l'intera area di lavoro. b) Quando un utente ha una risorsa associata esistente e vuole sostituire quella corrente associata all'area di lavoro. c) Quando non è ancora stata creata una risorsa associata e si vuole usare una esistente che hanno già (si applica solo al registro contenitori). |
write_config |
Scrivere le proprietà di Azure Resource Manager (ARM) nell'area di lavoro in un file di configurazione. Le proprietà arm dell'area di lavoro possono essere caricate in un secondo momento usando il from_config metodo . Il Il metodo offre un modo semplice per riutilizzare la stessa area di lavoro in più notebook o progetti Python. Gli utenti possono salvare le proprietà arm dell'area di lavoro usando questa funzione e usare from_config per caricare la stessa area di lavoro in notebook o progetti Python diversi senza digitare le proprietà arm dell'area di lavoro. |
add_private_endpoint
Aggiungere un endpoint privato all'area di lavoro.
add_private_endpoint(private_endpoint_config, private_endpoint_auto_approval=True, location=None, show_output=True, tags=None)
Parametri
- private_endpoint_config
- PrivateEndPointConfig
Configurazione dell'endpoint privato per creare un endpoint privato nell'area di lavoro.
- private_endpoint_auto_approval
- bool
Flag booleano che indica se la creazione dell'endpoint privato deve essere approvata automaticamente o approvata manualmente da collegamento privato di Azure Center. In caso di approvazione manuale, gli utenti possono visualizzare la richiesta in sospeso in collegamento privato portale per approvare/rifiutare la richiesta.
- location
- string
Posizione dell'endpoint privato, il valore predefinito è il percorso dell'area di lavoro
- show_output
- bool
Flag per visualizzare lo stato di avanzamento della creazione dell'area di lavoro
Restituisce
Oggetto PrivateEndPoint creato.
Tipo restituito
create
Creare una nuova area di lavoro di Azure Machine Learning.
Genera un'eccezione se l'area di lavoro esiste già o uno dei requisiti dell'area di lavoro non è soddisfatta.
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)
Parametri
- name
- str
Nuovo nome dell'area di lavoro. Il nome deve avere una lunghezza compresa tra 2 e 32 caratteri. Il primo carattere del nome deve essere alfanumerico (lettera o numero), ma il resto del nome può contenere caratteri alfanumerici, trattini e caratteri di sottolineatura. Lo spazio vuoto non è consentito.
Oggetto di autenticazione. Per altre informazioni, vedere https://aka.ms/aml-notebook-auth. Se None, le credenziali predefinite dell'interfaccia della riga di comando di Azure verranno usate o l'API richiederà le credenziali.
- subscription_id
- str
ID sottoscrizione della sottoscrizione contenente per la nuova area di lavoro. Il parametro è necessario se l'utente ha accesso a più sottoscrizioni.
- resource_group
- str
Gruppo di risorse di Azure contenente l'area di lavoro. Il parametro è predefinito in una mutazione del nome dell'area di lavoro.
- location
- str
Posizione dell'area di lavoro. Il parametro viene predefinito nel percorso del gruppo di risorse. La posizione deve essere un'area supportata per Azure Machine Learning.
- create_resource_group
- bool
Indica se creare il gruppo di risorse se non esiste.
- sku
- str
Il parametro è presente per la compatibilità con le versioni precedenti e viene ignorato.
- friendly_name
- str
Nome descrittivo facoltativo per l'area di lavoro che può essere visualizzata nell'interfaccia utente.
- storage_account
- str
Un account di archiviazione esistente nel formato ID risorsa di Azure. L'archiviazione verrà usata dall'area di lavoro per salvare output, codice, log e così via. Se None, verrà creato un nuovo account di archiviazione.
- key_vault
- str
Insieme di credenziali delle chiavi esistente nel formato ID risorsa di Azure. Per informazioni dettagliate sul formato ID risorsa di Azure, vedere il codice di esempio seguente. L'insieme di credenziali delle chiavi verrà usato dall'area di lavoro per archiviare le credenziali aggiunte all'area di lavoro dagli utenti. Se None, verrà creato un nuovo insieme di credenziali delle chiavi.
- app_insights
- str
Application Insights esistente nel formato ID risorsa di Azure. Per informazioni dettagliate sul formato ID risorsa di Azure, vedere il codice di esempio seguente. Application Insights verrà usato dall'area di lavoro per registrare gli eventi dei servizi Web. Se None, verrà creato un nuovo Application Insights.
- container_registry
- str
Un registro contenitori esistente nel formato ID risorsa di Azure (vedere il codice di esempio seguente per informazioni dettagliate sul formato ID risorsa di Azure). Il registro contenitori verrà usato dall'area di lavoro per eseguire il pull e il push di immagini sia di sperimentazione che di servizi Web. Se None, verrà creato un nuovo registro contenitori solo quando necessario e non insieme alla creazione dell'area di lavoro.
- adb_workspace
- str
Un'area di lavoro Adb esistente nel formato ID risorsa di Azure (vedere il codice di esempio seguente per informazioni dettagliate sul formato ID risorsa di Azure). L'area di lavoro di Adb verrà usata per collegare l'area di lavoro. Se None, il collegamento all'area di lavoro non verrà eseguito.
- primary_user_assigned_identity
- str
ID risorsa dell'identità assegnata dall'utente usata per rappresentare l'area di lavoro
- cmk_keyvault
- str
Insieme di credenziali delle chiavi contenente la chiave gestita dal cliente nel formato ID risorsa di Azure:/subscriptions/<azure-subscription-id>/resourcegroups/<azure-resource-group>/providers/microsoft.keyvault/vaults/<azure-keyvault-name>
Ad esempio: '/subscriptions/d139f240-94e6-4175-87a7-954b9d27db16/resourcegroups/myresourcegroup/providers/microsoft.keyvault/vaults/mykeyvault' Vedere il codice di esempio riportato di seguito per altri dettagli sul formato ID risorsa di Azure.
- resource_cmk_uri
- str
URI chiave della chiave gestita dal cliente per crittografare i dati inattivi.
Il formato URI è: https://<keyvault-dns-name>/keys/<key-name>/<key-version>
.
Ad esempio, "https://mykeyvault.vault.azure.net/keys/mykey/bc5dce6d01df49w2na7ffb11a2ee008b".
https://docs.microsoft.com/azure-stack/user/azure-stack-key-vault-manage-portal Per informazioni su come creare una chiave e ottenere l'URI, vedere la procedura seguente.
- hbi_workspace
- bool
Specifica se l'area di lavoro contiene dati di High Business Impact (HBI), ovvero contiene informazioni aziendali sensibili. Questo flag può essere impostato solo durante la creazione dell'area di lavoro. Il valore non può essere modificato dopo la creazione dell'area di lavoro. Il valore predefinito è False.
Se impostato su True, vengono eseguiti altri passaggi di crittografia e, a seconda del componente SDK, vengono restituite informazioni ridistribuite nei dati di telemetria raccolti internamente. Per altre informazioni, vedere Crittografia dei dati.
Quando questo flag è impostato su True, un possibile impatto è maggiore difficoltà a risolvere i problemi. Ciò potrebbe verificarsi perché alcuni dati di telemetria non vengono inviati a Microsoft e non è disponibile visibilità nei tassi di esito positivo o nei tipi di problemi, pertanto potrebbe non essere in grado di reagire in modo proattivo quando questo flag è True. La raccomandazione usa il valore predefinito di False per questo flag, a meno che non sia strettamente necessario essere True.
- default_cpu_compute_target
- AmlComputeProvisioningConfiguration
(DEPRECATO) Configurazione che verrà usata per creare un calcolo della CPU. Il parametro viene predefinito su {min_nodes=0, max_nodes=2, vm_size="STANDARD_DS2_V2", vm_priority="dedicato"} Se None, non verrà creato alcun calcolo.
- default_gpu_compute_target
- AmlComputeProvisioningConfiguration
(DEPRECATO) Configurazione che verrà usata per creare un calcolo GPU. Il parametro viene predefinito su {min_nodes=0, max_nodes=2, vm_size="STANDARD_NC6", vm_priority="dedicato"} Se None, non verrà creato alcun calcolo.
- private_endpoint_config
- PrivateEndPointConfig
Configurazione dell'endpoint privato per creare un endpoint privato nell'area di lavoro di Azure ML.
- private_endpoint_auto_approval
- bool
Flag booleano che indica se la creazione dell'endpoint privato deve essere approvata automaticamente o approvata manualmente da collegamento privato di Azure Center. In caso di approvazione manuale, gli utenti possono visualizzare la richiesta in sospeso in collegamento privato portale per approvare/rifiutare la richiesta.
- exist_ok
- bool
Indica se questo metodo ha esito positivo se l'area di lavoro esiste già. Se False, questo metodo ha esito negativo se l'area di lavoro esiste. Se True, questo metodo restituisce l'area di lavoro esistente se esistente.
- user_assigned_identity_for_cmk_encryption
- str
ID risorsa dell'identità assegnata dall'utente che deve essere usata per accedere alla chiave di gestione del cliente
- system_datastores_auth_mode
- str
Determina se usare o meno le credenziali per gli archivi dati di sistema dell'area di lavoro 'workspaceblobstore' e 'workspacefilestore'. Il valore predefinito è "accessKey", in questo caso, l'area di lavoro creerà gli archivi dati di sistema con le credenziali. Se impostato su 'identity', l'area di lavoro creerà gli archivi dati di sistema senza credenziali.
- v1_legacy_mode
- bool
Impedire l'uso del servizio API v2 in Azure pubblico Resource Manager
Restituisce
Oggetto area di lavoro.
Tipo restituito
Eccezioni
Generato per problemi durante la creazione dell'area di lavoro.
Commenti
Questo primo esempio richiede solo specifiche minime e tutte le risorse dipendenti e il gruppo di risorse verrà creato automaticamente.
from azureml.core import Workspace
ws = Workspace.create(name='myworkspace',
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup',
create_resource_group=True,
location='eastus2')
Nell'esempio seguente viene illustrato come riutilizzare le risorse di Azure esistenti usando il formato ID risorsa di Azure. Gli ID risorsa di Azure specifici possono essere recuperati tramite il portale di Azure o l'SDK. Ciò presuppone che il gruppo di risorse, l'account di archiviazione, l'insieme di credenziali delle chiavi, il Registro App Insights e il registro contenitori esistano già.
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
Eliminare le risorse associate all'area di lavoro di Azure Machine Learning.
delete(delete_dependent_resources=False, no_wait=False)
Parametri
- delete_dependent_resources
- bool
Se eliminare le risorse associate all'area di lavoro, ad esempio il Registro contenitori, l'account di archiviazione, l'insieme di credenziali delle chiavi e le informazioni dettagliate sulle applicazioni. Il valore predefinito è False. Impostare su True per eliminare queste risorse.
- no_wait
- bool
Se attendere il completamento dell'eliminazione dell'area di lavoro.
Restituisce
Nessuno se ha esito positivo; in caso contrario, genera un errore.
Tipo restituito
delete_connection
Eliminare una connessione dell'area di lavoro.
delete_connection(name)
Parametri
delete_private_endpoint_connection
Eliminare la connessione dell'endpoint privato all'area di lavoro.
delete_private_endpoint_connection(private_endpoint_connection_name)
Parametri
- private_endpoint_connection_name
- str
Nome univoco della connessione dell'endpoint privato nell'area di lavoro
diagnose_workspace
Diagnosticare i problemi di configurazione dell'area di lavoro.
diagnose_workspace(diagnose_parameters)
Parametri
- diagnose_parameters
- <xref:_restclient.models.DiagnoseWorkspaceParameters>
Parametro dell'integrità dell'area di lavoro di diagnosi
Restituisce
Istanza di AzureOperationPoller che restituisce DiagnosiResponseResult
Tipo restituito
from_config
Restituire un oggetto area di lavoro da un'area di lavoro di Azure Machine Learning esistente.
Legge la configurazione dell'area di lavoro da un file. Genera un'eccezione se non è possibile trovare il file di configurazione.
Il metodo offre un modo semplice per riutilizzare la stessa area di lavoro in più notebook o progetti Python. Gli utenti possono salvare le proprietà di Azure Resource Manager (ARM) dell'area di lavoro usando il write_config metodo e usare questo metodo per caricare la stessa area di lavoro in notebook o progetti Python diversi senza digitare le proprietà di Resource Manager dell'area di lavoro.
static from_config(path=None, auth=None, _logger=None, _file_name=None)
Parametri
- path
- str
Percorso del file di configurazione o avvio della directory da cercare. Il parametro è predefinito per avviare la ricerca nella directory corrente.
Oggetto di autenticazione. Per altre informazioni, vedere https://aka.ms/aml-notebook-auth. Se None, le credenziali predefinite dell'interfaccia della riga di comando di Azure verranno usate o l'API richiederà le credenziali.
- _file_name
- str
Consente di eseguire l'override del nome del file di configurazione per cercare quando il percorso è un percorso della directory.
Restituisce
Oggetto area di lavoro per un'area di lavoro di Azure ML esistente.
Tipo restituito
get
Restituire un oggetto area di lavoro per un'area di lavoro di Azure Machine Learning esistente.
Genera un'eccezione se l'area di lavoro non esiste o i campi obbligatori non identificano in modo univoco un'area di lavoro.
static get(name, auth=None, subscription_id=None, resource_group=None, location=None, cloud='AzureCloud', id=None)
Parametri
Oggetto di autenticazione. Per altri dettagli, vedere https://aka.ms/aml-notebook-auth. Se None, le credenziali predefinite dell'interfaccia della riga di comando di Azure verranno usate o l'API richiederà le credenziali.
- subscription_id
- str
ID sottoscrizione da usare. Il parametro è necessario se l'utente ha accesso a più sottoscrizioni.
- resource_group
- str
Gruppo di risorse da usare. Se Nessuno, il metodo eseguirà la ricerca di tutti i gruppi di risorse nella sottoscrizione.
- cloud
- str
Nome del cloud di destinazione. Può essere uno di "AzureCloud", "AzureChinaCloud" o "AzureUSGovernment". Se non viene specificato alcun cloud "AzureCloud" viene usato.
Restituisce
Oggetto area di lavoro.
Tipo restituito
get_connection
Ottenere una connessione dell'area di lavoro.
get_connection(name)
Parametri
get_default_compute_target
Ottenere la destinazione di calcolo predefinita per l'area di lavoro.
get_default_compute_target(type)
Parametri
Restituisce
Destinazione di calcolo predefinita per il tipo di calcolo specificato.
Tipo restituito
get_default_datastore
Ottenere l'archivio dati predefinito per l'area di lavoro.
get_default_datastore()
Restituisce
Archivio dati predefinito.
Tipo restituito
get_default_keyvault
Ottenere l'oggetto key vault predefinito per l'area di lavoro.
get_default_keyvault()
Restituisce
Oggetto KeyVault associato all'area di lavoro.
Tipo restituito
get_details
Restituisce i dettagli dell'area di lavoro.
get_details()
Restituisce
Dettagli dell'area di lavoro in formato dizionario.
Tipo restituito
Commenti
Il dizionario restituito contiene le coppie chiave-valore seguenti.
id: URI che punta a questa risorsa dell'area di lavoro, contenente ID sottoscrizione, gruppo di risorse e nome dell'area di lavoro.
name: nome dell'area di lavoro.
location: area di lavoro.
type: URI del formato "{providerName}/workspaces".
tag: non attualmente usato.
workspaceid: ID dell'area di lavoro.
descrizione: non attualmente usata.
friendlyName: nome descrittivo per l'area di lavoro visualizzata nell'interfaccia utente.
creationTime: ora in cui è stata creata questa area di lavoro, in formato ISO8601.
containerRegistry: registro contenitori dell'area di lavoro usato per eseguire il pull e il push di immagini sia di sperimentazione che di servizi Web.
keyVault: insieme di credenziali delle chiavi dell'area di lavoro usato per archiviare le credenziali aggiunte all'area di lavoro dagli utenti.
applicationInsights: Application Insights verrà usato dall'area di lavoro per registrare gli eventi dei servizi Web.
identityPrincipalId:
IdentityTenantId
identityType
storageAccount: l'archiviazione verrà usata dall'area di lavoro per salvare gli output di esecuzione, il codice, i log e così via.
sku: SKU dell'area di lavoro (noto anche come edizione). Il parametro è presente per la compatibilità con le versioni precedenti e viene ignorato.
resourceCmkUri: URI della chiave della chiave gestita dal cliente per crittografare i dati inattivi. https://docs.microsoft.com/en-us/azure-stack/user/azure-stack-key-vault-manage-portal?view=azs-1910 Per informazioni su come creare una chiave e ottenere l'URI, vedere la procedura seguente.
hbiWorkspace: specifica se i dati dei clienti sono di alto impatto aziendale.
imageBuildCompute: destinazione di calcolo per la compilazione di immagini.
systemDatastoresAuthMode: determina se usare le credenziali per gli archivi dati di sistema dell'area di lavoro 'workspaceblobstore' e 'workspacefilestore'. Il valore predefinito è "accessKey", in questo caso, l'area di lavoro creerà gli archivi dati di sistema con le credenziali. Se impostato su 'identity', l'area di lavoro creerà gli archivi dati di sistema senza credenziali.
Per altre informazioni su queste coppie chiave-valore, vedere create.
get_mlflow_tracking_uri
Ottenere l'URI di rilevamento MLflow per l'area di lavoro.
MLflow (https://mlflow.org/) è una piattaforma open source per il rilevamento degli esperimenti di Machine Learning e la gestione dei modelli. È possibile usare le API di registrazione MLflow con Azure Machine Learning in modo che le metriche, i modelli e gli artefatti vengano registrati nell'area di lavoro di Azure Machine Learning.
get_mlflow_tracking_uri(_with_auth=False)
Parametri
- _with_auth
- bool
(DEPRECATO) Aggiungere informazioni di autenticazione all'URI di rilevamento.
Restituisce
URI di rilevamento compatibile con MLflow.
Tipo restituito
Commenti
Usare l'esempio seguente per configurare il rilevamento MLflow per inviare dati all'area di lavoro di Azure ML:
import mlflow
from azureml.core import Workspace
workspace = Workspace.from_config()
mlflow.set_tracking_uri(workspace.get_mlflow_tracking_uri())
get_run
Restituire l'esecuzione con il run_id specificato nell'area di lavoro.
get_run(run_id)
Parametri
Restituisce
Esecuzione inviata.
Tipo restituito
list
Elencare tutte le aree di lavoro a cui l'utente può accedere all'interno della sottoscrizione.
L'elenco delle aree di lavoro può essere filtrato in base al gruppo di risorse.
static list(subscription_id, auth=None, resource_group=None)
Parametri
Oggetto di autenticazione. Per altri dettagli, vedere https://aka.ms/aml-notebook-auth. Se None, le credenziali predefinite dell'interfaccia della riga di comando di Azure verranno usate o l'API richiederà le credenziali.
- resource_group
- str
Gruppo di risorse per filtrare le aree di lavoro restituite. Se Nessuno, il metodo elenca tutte le aree di lavoro all'interno della sottoscrizione specificata.
Restituisce
Un dizionario in cui la chiave è il nome dell'area di lavoro e il valore è un elenco di oggetti Workspace.
Tipo restituito
list_connections
Elencare le connessioni in questa area di lavoro.
list_connections(category=None, target=None)
Parametri
- category
list_keys
set_connection
Aggiungere o aggiornare una connessione nell'area di lavoro.
set_connection(name, category, target, authType, value)
Parametri
set_default_datastore
Impostare l'archivio dati predefinito per l'area di lavoro.
set_default_datastore(name)
Parametri
setup
Creare una nuova area di lavoro o recuperare un'area di lavoro esistente.
static setup()
Restituisce
Oggetto Workspace.
Tipo restituito
sync_keys
Attiva l'area di lavoro per sincronizzare immediatamente le chiavi.
Se le chiavi per qualsiasi risorsa nell'area di lavoro vengono modificate, è possibile che siano aggiornate automaticamente circa un'ora. Questa funzione consente di aggiornare le chiavi al momento della richiesta. Uno scenario di esempio richiede l'accesso immediato all'archiviazione dopo la rigenerazione delle chiavi di archiviazione.
sync_keys(no_wait=False)
Parametri
- no_wait
- bool
Se attendere il completamento delle chiavi di sincronizzazione dell'area di lavoro.
Restituisce
Nessuno se ha esito positivo; in caso contrario, genera un errore.
Tipo restituito
update
Aggiornare il nome descrittivo, la descrizione, i tag, il calcolo di compilazione delle immagini e altre impostazioni associate a un'area di lavoro.
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)
Parametri
- friendly_name
- str
Nome descrittivo per l'area di lavoro che può essere visualizzata nell'interfaccia utente.
- service_managed_resources_settings
- <xref:azureml._base_sdk_common.workspace.models.ServiceManagedResourcesSettings>
Impostazioni delle risorse gestite dal servizio.
- primary_user_assigned_identity
- str
ID risorsa identity assegnata dall'utente che rappresenta l'identità dell'area di lavoro.
- allow_public_access_when_behind_vnet
- bool
Consenti l'accesso pubblico all'area di lavoro collegamento privato.
- v1_legacy_mode
- bool
Impedire l'uso del servizio API v2 in Azure pubblico Resource Manager
Restituisce
Dizionario delle informazioni aggiornate.
Tipo restituito
update_dependencies
Aggiornare le risorse associate per l'area di lavoro nei casi seguenti.
a) Quando un utente elimina accidentalmente una risorsa associata esistente e vuole aggiornarla con una nuova senza dover ricreare l'intera area di lavoro. b) Quando un utente ha una risorsa associata esistente e vuole sostituire quella corrente associata all'area di lavoro. c) Quando non è ancora stata creata una risorsa associata e si vuole usare una esistente che hanno già (si applica solo al registro contenitori).
update_dependencies(container_registry=None, force=False)
Parametri
- force
- bool
Se forza l'aggiornamento delle risorse dipendenti senza conferma richiesta.
Tipo restituito
write_config
Scrivere le proprietà di Azure Resource Manager (ARM) nell'area di lavoro in un file di configurazione.
Le proprietà arm dell'area di lavoro possono essere caricate in un secondo momento usando il from_config metodo . Il path
valore predefinito è '.azureml/' nella directory di lavoro corrente e file_name
le impostazioni predefinite sono "config.json".
Il metodo offre un modo semplice per riutilizzare la stessa area di lavoro in più notebook o progetti Python. Gli utenti possono salvare le proprietà arm dell'area di lavoro usando questa funzione e usare from_config per caricare la stessa area di lavoro in notebook o progetti Python diversi senza digitare le proprietà arm dell'area di lavoro.
write_config(path=None, file_name=None)
Parametri
- path
- str
Percorso fornito dall'utente per scrivere il file config.json. Il parametro è predefinito su '.azureml/' nella directory di lavoro corrente.
- file_name
- str
Nome da usare per il file di configurazione. Il parametro viene predefinito in config.json.
Attributi
compute_targets
Elencare tutte le destinazioni di calcolo nell'area di lavoro.
Restituisce
Dizionario con chiave come nome di destinazione di calcolo e valore come ComputeTarget oggetto.
Tipo restituito
datasets
Elencare tutti i set di dati nell'area di lavoro.
Restituisce
Dizionario con chiave come nome e valore del set di dati come Dataset oggetto.
Tipo restituito
datastores
Elencare tutti gli archivi dati nell'area di lavoro. Questa operazione non restituisce le credenziali degli archivi dati.
Restituisce
Dizionario con chiave come nome e valore dell'archivio dati come Datastore oggetto.
Tipo restituito
discovery_url
Restituisce l'URL di individuazione dell'area di lavoro.
Restituisce
URL di individuazione dell'area di lavoro.
Tipo restituito
environments
Elencare tutti gli ambienti nell'area di lavoro.
Restituisce
Dizionario con chiave come nome e valore dell'ambiente come Environment oggetto.
Tipo restituito
experiments
Elencare tutti gli esperimenti nell'area di lavoro.
Restituisce
Dizionario con chiave come nome e valore dell'esperimento come Experiment oggetto.
Tipo restituito
images
Restituisce l'elenco di immagini nell'area di lavoro.
Genera un'eccezione WebserviceException se si è verificato un problema durante l'interazione con il servizio di gestione dei modelli.
Restituisce
Dizionario con chiave come nome immagine e valore come Image oggetto.
Tipo restituito
Eccezioni
Si è verificato un problema durante l'interazione con il servizio di gestione dei modelli.
linked_services
Elencare tutti i servizi collegati nell'area di lavoro.
Restituisce
Dizionario in cui la chiave è un nome di servizio collegato e un valore è un LinkedService oggetto .
Tipo restituito
location
Restituisce la posizione dell'area di lavoro.
Restituisce
Posizione dell'area di lavoro.
Tipo restituito
models
Restituisce un elenco di modelli nell'area di lavoro.
Genera un'eccezione WebserviceException se si è verificato un problema durante l'interazione con il servizio di gestione dei modelli.
Restituisce
Dizionario del modello con chiave come nome del modello e valore come Model oggetto.
Tipo restituito
Eccezioni
Si è verificato un problema durante l'interazione con il servizio di gestione dei modelli.
name
private_endpoints
Elencare tutti gli endpoint privati dell'area di lavoro.
Restituisce
Dict di oggetti PrivateEndPoint associati all'area di lavoro. La chiave è il nome dell'endpoint privato.
Tipo restituito
resource_group
Restituisce il nome del gruppo di risorse per questa area di lavoro.
Restituisce
Il nome del gruppo di risorse.
Tipo restituito
service_context
Restituisce il contesto del servizio per questa area di lavoro.
Restituisce
Restituisce l'oggetto ServiceContext.
Tipo restituito
sku
Restituisce lo SKU di questa area di lavoro.
Restituisce
SKU di questa area di lavoro.
Tipo restituito
subscription_id
Restituisce l'ID sottoscrizione per questa area di lavoro.
Restituisce
ID della sottoscrizione.
Tipo restituito
tags
Restituisce i tag dell'area di lavoro.
Restituisce
Tag di questa area di lavoro.
Tipo restituito
webservices
Restituisce un elenco di servizi Web nell'area di lavoro.
Genera un'eccezione WebserviceException se si è verificato un problema durante la restituzione dell'elenco.
Restituisce
Elenco di servizi Web nell'area di lavoro.
Tipo restituito
Eccezioni
Si è verificato un problema durante la restituzione dell'elenco.
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'
Commenti e suggerimenti
https://aka.ms/ContentUserFeedback.
Presto disponibile: nel corso del 2024 verranno dismessi i problemi di GitHub come meccanismo di feedback per il contenuto e verranno sostituiti con un nuovo sistema di feedback. Per altre informazioni, vedere:Invia e visualizza il feedback per