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:

• Che cos'è un'area di lavoro di Azure Machine Learning?

• Gestire l'accesso a un'area di lavoro

Costruttore Area di lavoro classi per caricare un'area di lavoro di Azure Machine Learning esistente.

Ereditarietà

builtins.object

Workspace

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

Nome	Descrizione
subscription_id Necessario	str ID sottoscrizione di Azure contenente l'area di lavoro.
resource_group Necessario	str Gruppo di risorse contenente l'area di lavoro.
workspace_name Necessario	str Nome dell'area di lavoro esistente.
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. Valore predefinito: None
_location	str Solo per uso interno. Valore predefinito: None
_disable_service_check	bool Solo per uso interno. Valore predefinito: False
_workspace_id	str Solo per uso interno. Valore predefinito: None
sku	str Il parametro è presente per la compatibilità con le versioni precedenti e viene ignorato. Valore predefinito: basic
_cloud	str Solo per uso interno. Valore predefinito: AzureCloud
subscription_id Necessario	str ID sottoscrizione di Azure contenente l'area di lavoro.
resource_group Necessario	str Gruppo di risorse contenente l'area di lavoro.
workspace_name Necessario	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 Necessario	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.
_location Necessario	str Solo per uso interno.
_disable_service_check Necessario	bool Solo per uso interno.
_workspace_id Necessario	str Solo per uso interno.
sku Necessario	str Il parametro è presente per la compatibilità con le versioni precedenti e viene ignorato.
tags	dict Tag da associare all'area di lavoro. Valore predefinito: None
_cloud Necessario	str Solo per uso interno.

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 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.

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

Nome	Descrizione
private_endpoint_config Necessario	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. Valore predefinito: True
location	string Posizione dell'endpoint privato, il valore predefinito è il percorso dell'area di lavoro Valore predefinito: None
show_output	bool Flag per visualizzare lo stato di avanzamento della creazione dell'area di lavoro Valore predefinito: True
tags	dict Tag da associare all'area di lavoro. Valore predefinito: None

Restituisce

Tipo	Descrizione
PrivateEndPoint	Oggetto PrivateEndPoint creato.

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

Nome	Descrizione
name Necessario	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.
auth	ServicePrincipalAuthentication oppure InteractiveLoginAuthentication 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. Valore predefinito: None
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. Valore predefinito: None
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. Valore predefinito: None
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. Valore predefinito: None
create_resource_group	bool Indica se creare il gruppo di risorse se non esiste. Valore predefinito: True
sku	str Il parametro è presente per la compatibilità con le versioni precedenti e viene ignorato. Valore predefinito: basic
tags	dict Tag da associare all'area di lavoro. Valore predefinito: None
friendly_name	str Nome descrittivo facoltativo per l'area di lavoro che può essere visualizzata nell'interfaccia utente. Valore predefinito: None
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. Valore predefinito: None
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. Valore predefinito: None
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. Valore predefinito: None
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. Valore predefinito: None
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. Valore predefinito: None
primary_user_assigned_identity	str ID risorsa dell'identità assegnata dall'utente usata per rappresentare l'area di lavoro Valore predefinito: None
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. Valore predefinito: None
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. Valore predefinito: None
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. Valore predefinito: False
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. Valore predefinito: None
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. Valore predefinito: None
private_endpoint_config	PrivateEndPointConfig Configurazione dell'endpoint privato per creare un endpoint privato nell'area di lavoro di Azure ML. Valore predefinito: None
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. Valore predefinito: True
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. Valore predefinito: False
show_output	bool Indica se questo metodo stampa lo stato incrementale. Valore predefinito: True
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 Valore predefinito: None
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. Valore predefinito: accessKey
v1_legacy_mode	bool Impedire l'uso del servizio API v2 in Azure pubblico Resource Manager Valore predefinito: None

Restituisce

Tipo	Descrizione
Workspace	Oggetto area di lavoro.

Eccezioni

Tipo	Descrizione
WorkspaceException	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

Nome	Descrizione
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. Valore predefinito: False
no_wait	bool Se attendere il completamento dell'eliminazione dell'area di lavoro. Valore predefinito: False

Restituisce

Tipo	Descrizione
None	Nessuno se ha esito positivo; in caso contrario, genera un errore.

delete_connection

Eliminare una connessione dell'area di lavoro.

delete_connection(name)

Parametri

Nome	Descrizione
name Necessario	str Nome univoco della connessione nell'area di lavoro

delete_private_endpoint_connection

Eliminare la connessione dell'endpoint privato all'area di lavoro.

delete_private_endpoint_connection(private_endpoint_connection_name)

Parametri

Nome	Descrizione
private_endpoint_connection_name Necessario	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

Nome	Descrizione
diagnose_parameters Necessario	<xref:_restclient.models.DiagnoseWorkspaceParameters> Parametro dell'integrità dell'area di lavoro di diagnosi

Restituisce

Tipo	Descrizione
<xref:msrestazure.azure_operation.AzureOperationPoller>[<xref:_restclient.models.DiagnoseResponseResult>]	Istanza di AzureOperationPoller che restituisce DiagnosiResponseResult

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

Nome	Descrizione
path	str Percorso del file di configurazione o avvio della directory da cercare. Il parametro è predefinito per avviare la ricerca nella directory corrente. Valore predefinito: None
auth	ServicePrincipalAuthentication oppure InteractiveLoginAuthentication 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. Valore predefinito: None
_logger	Logger Consente di eseguire l'override del logger predefinito. Valore predefinito: None
_file_name	str Consente di eseguire l'override del nome del file di configurazione per cercare quando il percorso è un percorso della directory. Valore predefinito: None

Restituisce

Tipo	Descrizione
Workspace	Oggetto area di lavoro per un'area di lavoro di Azure ML esistente.

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

Nome	Descrizione
name Necessario	str Nome dell'area di lavoro da ottenere.
auth	ServicePrincipalAuthentication oppure InteractiveLoginAuthentication 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. Valore predefinito: None
subscription_id	str ID sottoscrizione da usare. Il parametro è necessario se l'utente ha accesso a più sottoscrizioni. Valore predefinito: None
resource_group	str Gruppo di risorse da usare. Se Nessuno, il metodo eseguirà la ricerca di tutti i gruppi di risorse nella sottoscrizione. Valore predefinito: None
location	str Posizione dell'area di lavoro. Valore predefinito: None
cloud	str Nome del cloud di destinazione. Può essere uno di "AzureCloud", "AzureChinaCloud" o "AzureUSGovernment". Se non viene specificato alcun cloud "AzureCloud" viene usato. Valore predefinito: AzureCloud
id	str ID dell'area di lavoro. Valore predefinito: None

Restituisce

Tipo	Descrizione
Workspace	Oggetto area di lavoro.

get_connection

Ottenere una connessione dell'area di lavoro.

get_connection(name)

Parametri

Nome	Descrizione
name Necessario	str Nome univoco della connessione nell'area di lavoro

get_default_compute_target

Ottenere la destinazione di calcolo predefinita per l'area di lavoro.

get_default_compute_target(type)

Parametri

Nome	Descrizione
type Necessario	str Tipo di calcolo. I valori possibili sono 'CPU' o 'GPU'.

Restituisce

Tipo	Descrizione
ComputeTarget	Destinazione di calcolo predefinita per il tipo di calcolo specificato.

get_default_datastore

Ottenere l'archivio dati predefinito per l'area di lavoro.

get_default_datastore()

Restituisce

Tipo	Descrizione
Datastore	Archivio dati predefinito.

get_default_keyvault

Ottenere l'oggetto key vault predefinito per l'area di lavoro.

get_default_keyvault()

Restituisce

Tipo	Descrizione
Keyvault	Oggetto KeyVault associato all'area di lavoro.

get_details

Restituisce i dettagli dell'area di lavoro.

get_details()

Restituisce

Tipo	Descrizione
dict[str, str]	Dettagli dell'area di lavoro in formato dizionario.

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

Nome	Descrizione
_with_auth	bool (DEPRECATO) Aggiungere informazioni di autenticazione all'URI di rilevamento. Valore predefinito: False

Restituisce

Tipo	Descrizione
str	URI di rilevamento compatibile con MLflow.

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

Nome	Descrizione
run_id Necessario	string ID di esecuzione.

Restituisce

Tipo	Descrizione
Run	Esecuzione inviata.

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

Nome	Descrizione
subscription_id Necessario	str ID sottoscrizione per cui elencare le aree di lavoro.
auth	ServicePrincipalAuthentication oppure InteractiveLoginAuthentication 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. Valore predefinito: None
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. Valore predefinito: None

Restituisce

Tipo	Descrizione
dict	Un dizionario in cui la chiave è il nome dell'area di lavoro e il valore è un elenco di oggetti Workspace.

list_connections

Elencare le connessioni in questa area di lavoro.

list_connections(category=None, target=None)

Parametri

Nome	Descrizione
type Necessario	str Tipo di questa connessione che verrà filtrata in
target	str destinazione di questa connessione che verrà filtrata Valore predefinito: None
category	Valore predefinito: None

list_keys

Elencare le chiavi per l'area di lavoro corrente.

list_keys()

Restituisce

Tipo	Descrizione
object

set_connection

Aggiungere o aggiornare una connessione nell'area di lavoro.

set_connection(name, category, target, authType, value)

Parametri

Nome	Descrizione
name Necessario	str Nome univoco della connessione nell'area di lavoro
category Necessario	str Categoria di questa connessione
target Necessario	str la connessione di destinazione si connette a
authType Necessario	str tipo di autorizzazione di questa connessione
value Necessario	str stringa di serializzazione del formato json dei dettagli della connessione

set_default_datastore

Impostare l'archivio dati predefinito per l'area di lavoro.

set_default_datastore(name)

Parametri

Nome	Descrizione
name Necessario	str Nome dell'oggetto Datastore da impostare come predefinito.

setup

Creare una nuova area di lavoro o recuperare un'area di lavoro esistente.

static setup()

Restituisce

Tipo	Descrizione
Workspace	Oggetto Workspace.

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

Nome	Descrizione
no_wait	bool Se attendere il completamento delle chiavi di sincronizzazione dell'area di lavoro. Valore predefinito: False

Restituisce

Tipo	Descrizione
None	Nessuno se ha esito positivo; in caso contrario, genera un errore.

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

Nome	Descrizione
friendly_name	str Nome descrittivo per l'area di lavoro che può essere visualizzata nell'interfaccia utente. Valore predefinito: None
description	str Descrizione dell'area di lavoro. Valore predefinito: None
tags	dict Tag da associare all'area di lavoro. Valore predefinito: None
image_build_compute	str Nome di calcolo per la compilazione dell'immagine. Valore predefinito: None
service_managed_resources_settings	<xref:azureml._base_sdk_common.workspace.models.ServiceManagedResourcesSettings> Impostazioni delle risorse gestite dal servizio. Valore predefinito: None
primary_user_assigned_identity	str ID risorsa identity assegnata dall'utente che rappresenta l'identità dell'area di lavoro. Valore predefinito: None
allow_public_access_when_behind_vnet	bool Consenti l'accesso pubblico all'area di lavoro collegamento privato. Valore predefinito: None
v1_legacy_mode	bool Impedire l'uso del servizio API v2 in Azure pubblico Resource Manager Valore predefinito: None

Restituisce

Tipo	Descrizione
dict[str, str]	Dizionario delle informazioni aggiornate.

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

Nome	Descrizione
container_registry	str ID ARM per il Registro contenitori. Valore predefinito: None
force	bool Se forza l'aggiornamento delle risorse dipendenti senza conferma richiesta. Valore predefinito: False

Restituisce

Tipo	Descrizione
Workspace

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

Nome	Descrizione
path	str Percorso fornito dall'utente per scrivere il file config.json. Il parametro è predefinito su '.azureml/' nella directory di lavoro corrente. Valore predefinito: None
file_name	str Nome da usare per il file di configurazione. Il parametro viene predefinito in config.json. Valore predefinito: None

Attributi

compute_targets

Elencare tutte le destinazioni di calcolo nell'area di lavoro.

Restituisce

Tipo	Descrizione
dict[str, ComputeTarget]	Dizionario con chiave come nome di destinazione di calcolo e valore come ComputeTarget oggetto.

datasets

Elencare tutti i set di dati nell'area di lavoro.

Restituisce

Tipo	Descrizione
dict[str, Dataset]	Dizionario con chiave come nome e valore del set di dati come Dataset oggetto.

datastores

Elencare tutti gli archivi dati nell'area di lavoro. Questa operazione non restituisce le credenziali degli archivi dati.

Restituisce

Tipo	Descrizione
dict[str, Datastore]	Dizionario con chiave come nome e valore dell'archivio dati come Datastore oggetto.

discovery_url

Restituisce l'URL di individuazione dell'area di lavoro.

Restituisce

Tipo	Descrizione
str	URL di individuazione dell'area di lavoro.

environments

Elencare tutti gli ambienti nell'area di lavoro.

Restituisce

Tipo	Descrizione
dict[str, Environment]	Dizionario con chiave come nome e valore dell'ambiente come Environment oggetto.

experiments

Elencare tutti gli esperimenti nell'area di lavoro.

Restituisce

Tipo	Descrizione
dict[str, Experiment]	Dizionario con chiave come nome e valore dell'esperimento come Experiment oggetto.

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

Tipo	Descrizione
dict[str, Image]	Dizionario con chiave come nome immagine e valore come Image oggetto.

Eccezioni

Tipo	Descrizione
WebserviceException	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

Tipo	Descrizione
dict[str, LinkedService]	Dizionario in cui la chiave è un nome di servizio collegato e un valore è un LinkedService oggetto .

location

Restituisce la posizione dell'area di lavoro.

Restituisce

Tipo	Descrizione
str	Posizione dell'area di lavoro.

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

Tipo	Descrizione
dict[str, Model]	Dizionario del modello con chiave come nome del modello e valore come Model oggetto.

Eccezioni

Tipo	Descrizione
WebserviceException	Si è verificato un problema durante l'interazione con il servizio di gestione dei modelli.

name

Restituisce il nome dell'area di lavoro.

Restituisce

Tipo	Descrizione
str	Nome dell'area di lavoro.

private_endpoints

Elencare tutti gli endpoint privati dell'area di lavoro.

Restituisce

Tipo	Descrizione
dict[str, PrivateEndPoint]	Dict di oggetti PrivateEndPoint associati all'area di lavoro. La chiave è il nome dell'endpoint privato.

resource_group

Restituisce il nome del gruppo di risorse per questa area di lavoro.

Restituisce

Tipo	Descrizione
str	Il nome del gruppo di risorse.

service_context

Restituisce il contesto del servizio per questa area di lavoro.

Restituisce

Tipo	Descrizione
<xref:azureml._restclient.service_context.ServiceContext>	Restituisce l'oggetto ServiceContext.

sku

Restituisce lo SKU di questa area di lavoro.

Restituisce

Tipo	Descrizione
str	SKU di questa area di lavoro.

subscription_id

Restituisce l'ID sottoscrizione per questa area di lavoro.

Restituisce

Tipo	Descrizione
str	ID della sottoscrizione.

tags

Restituisce i tag dell'area di lavoro.

Restituisce

Tipo	Descrizione
dict	Tag di questa area di lavoro.

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

Tipo	Descrizione
dict[str, Webservice]	Elenco di servizi Web nell'area di lavoro.

Eccezioni

Tipo	Descrizione
WebserviceException	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'