Microsoft.MachineLearningServices-werkruimten 01-05-2019
- Laatste
- 2023-10-01
- 2023-08-01-preview
- 2023-06-01-preview
- 2023-04-01
- 2023-04-01-preview
- 2023-02-01-preview
- 2022-12-01-preview
- 2022-10-01
- 2022-10-01-preview
- 2022-06-01-preview
- 2022-05-01
- 2022-02-01-preview
- 2022-01-01-01-preview
- 2021-07-01
- 2021-04-01
- 2021-03-01-preview
- 2021-01-01
- 2020-09-01-preview
- 2020-08-01
- 2020-06-01
- 2020-05-15-preview
- 2020-05-01-preview
- 2020-04-01
- 2020-03-01
- 2020-02-18-preview
- 2020-01-01
- 2019-11-01
- 2019-06-01
- 2019-05-01
- 2018-11-19
- 2018-03-01-preview
Bicep-resourcedefinitie
Het resourcetype werkruimten kan worden geïmplementeerd met bewerkingen die zijn gericht op:
- Resourcegroepen - Zie opdrachten voor resourcegroepimplementatie
Zie wijzigingenlogboek voor een lijst met gewijzigde eigenschappen in elke API-versie.
Resource-indeling
Als u een Resource Microsoft.MachineLearningServices/workspaces wilt maken, voegt u de volgende Bicep toe aan uw sjabloon.
resource symbolicname 'Microsoft.MachineLearningServices/workspaces@2019-05-01' = {
name: 'string'
location: 'string'
tags: {
tagName1: 'tagValue1'
tagName2: 'tagValue2'
}
identity: {
type: 'SystemAssigned'
}
properties: {
applicationInsights: 'string'
containerRegistry: 'string'
description: 'string'
discoveryUrl: 'string'
friendlyName: 'string'
keyVault: 'string'
storageAccount: 'string'
}
}
Eigenschapswaarden
workspaces
Naam | Description | Waarde |
---|---|---|
naam | De resourcenaam | tekenreeks (vereist) Tekenlimiet: 3-33 Geldige tekens: Alfanumerieken, afbreekstreepjes en onderstrepingstekens. |
location | Hiermee geeft u de locatie van de resource. | tekenreeks |
tags | Bevat resourcetags die zijn gedefinieerd als sleutel-waardeparen. | Woordenlijst met tagnamen en -waarden. Tags in sjablonen bekijken |
identity | De identiteit van de resource. | Identiteit |
properties | De eigenschappen van de machine learning-werkruimte. | WerkruimteEigenschappen |
Identiteit
Naam | Description | Waarde |
---|---|---|
type | Het identiteitstype. | 'SystemAssigned' |
WerkruimteEigenschappen
Naam | Description | Waarde |
---|---|---|
applicationInsights | ARM-id van de Application Insights die aan deze werkruimte zijn gekoppeld. Dit kan niet worden gewijzigd nadat de werkruimte is gemaakt | tekenreeks |
containerRegistry | ARM-id van het containerregister dat is gekoppeld aan deze werkruimte. Dit kan niet worden gewijzigd nadat de werkruimte is gemaakt | tekenreeks |
beschrijving | De beschrijving van deze werkruimte. | tekenreeks |
discoveryUrl | URL voor de detectieservice voor het identificeren van regionale eindpunten voor machine learning-experimentenservices | tekenreeks |
Friendlyname | De beschrijvende naam voor deze werkruimte. Deze naam is veranderlijk | tekenreeks |
keyVault | ARM-id van de sleutelkluis die is gekoppeld aan deze werkruimte. Dit kan niet worden gewijzigd nadat de werkruimte is gemaakt | tekenreeks |
storageAccount | ARM-id van het opslagaccount dat aan deze werkruimte is gekoppeld. Dit kan niet worden gewijzigd nadat de werkruimte is gemaakt | tekenreeks |
Snelstartsjablonen
Met de volgende snelstartsjablonen wordt dit resourcetype geïmplementeerd.
Template | Beschrijving |
---|---|
Azure Machine Learning-werkruimte |
Met deze sjabloon maakt u een nieuwe Azure Machine Learning-werkruimte, samen met een versleuteld opslagaccount, KeyVault en Application Insights-logboekregistratie |
Een AML-werkruimte maken met meerdere gegevenssets & gegevensarchieven |
Met deze sjabloon maakt u een Azure Machine Learning-werkruimte met meerdere gegevenssets & gegevensarchieven. |
End-to-end beveiligde installatie van Azure Machine Learning |
Deze set Bicep-sjablonen laat zien hoe u Azure Machine Learning end-to-end instelt in een beveiligde configuratie. Deze referentie-implementatie omvat de werkruimte, een rekencluster, een rekenproces en een gekoppeld privé-AKS-cluster. |
End-to-end beveiligde installatie van Azure Machine Learning (verouderd) |
Deze set Bicep-sjablonen laat zien hoe u Azure Machine Learning end-to-end instelt in een beveiligde configuratie. Deze referentie-implementatie omvat de werkruimte, een rekencluster, een rekenproces en een gekoppeld privé-AKS-cluster. |
Een AKS-rekendoel maken met een privé-IP-adres |
Met deze sjabloon maakt u een AKS-rekendoel in een opgegeven Azure Machine Learning Service-werkruimte met een privé-IP-adres. |
Een Azure Machine Learning Service-werkruimte maken |
Deze implementatiesjabloon specificeert een Azure Machine Learning-werkruimte en de bijbehorende resources, waaronder Azure Key Vault, Azure Storage, Azure-toepassing Insights en Azure Container Registry. Deze configuratie beschrijft de minimale set resources die u nodig hebt om aan de slag te gaan met Azure Machine Learning. |
Een Azure Machine Learning Service-werkruimte (CMK) maken |
Deze implementatiesjabloon specificeert een Azure Machine Learning-werkruimte en de bijbehorende resources, waaronder Azure Key Vault, Azure Storage, Azure-toepassing Insights en Azure Container Registry. In het voorbeeld ziet u hoe u Azure Machine Learning configureert voor versleuteling met een door de klant beheerde versleutelingssleutel. |
Een Azure Machine Learning Service-werkruimte (vnet) maken |
Deze implementatiesjabloon specificeert een Azure Machine Learning-werkruimte en de bijbehorende resources, waaronder Azure Key Vault, Azure Storage, Azure-toepassing Insights en Azure Container Registry. Deze configuratie beschrijft de set resources die u nodig hebt om aan de slag te gaan met Azure Machine Learning in een netwerk dat is geïsoleerd. |
Een Azure Machine Learning Service-werkruimte maken (verouderd) |
Deze implementatiesjabloon specificeert een Azure Machine Learning-werkruimte en de bijbehorende resources, waaronder Azure Key Vault, Azure Storage, Azure-toepassing Insights en Azure Container Registry. Deze configuratie beschrijft de set resources die u nodig hebt om aan de slag te gaan met Azure Machine Learning in een netwerk dat is geïsoleerd. |
Resourcedefinitie van ARM-sjabloon
Het resourcetype werkruimten kan worden geïmplementeerd met bewerkingen die zijn gericht op:
- Resourcegroepen - Zie opdrachten voor resourcegroepimplementatie
Zie wijzigingenlogboek voor een lijst met gewijzigde eigenschappen in elke API-versie.
Resource-indeling
Als u een Microsoft.MachineLearningServices/workspaces-resource wilt maken, voegt u de volgende JSON toe aan uw sjabloon.
{
"type": "Microsoft.MachineLearningServices/workspaces",
"apiVersion": "2019-05-01",
"name": "string",
"location": "string",
"tags": {
"tagName1": "tagValue1",
"tagName2": "tagValue2"
},
"identity": {
"type": "SystemAssigned"
},
"properties": {
"applicationInsights": "string",
"containerRegistry": "string",
"description": "string",
"discoveryUrl": "string",
"friendlyName": "string",
"keyVault": "string",
"storageAccount": "string"
}
}
Eigenschapswaarden
workspaces
Naam | Description | Waarde |
---|---|---|
type | Het resourcetype | 'Microsoft.MachineLearningServices/workspaces' |
apiVersion | De resource-API-versie | '2019-05-01' |
naam | De resourcenaam | tekenreeks (vereist) Tekenlimiet: 3-33 Geldige tekens: Alfanumerieken, afbreekstreepjes en onderstrepingstekens. |
location | Hiermee geeft u de locatie van de resource. | tekenreeks |
tags | Bevat resourcetags die zijn gedefinieerd als sleutel-waardeparen. | Woordenlijst met tagnamen en -waarden. Tags in sjablonen bekijken |
identity | De identiteit van de resource. | Identiteit |
properties | De eigenschappen van de machine learning-werkruimte. | WerkruimteEigenschappen |
Identiteit
Naam | Description | Waarde |
---|---|---|
type | Het identiteitstype. | 'SystemAssigned' |
WerkruimteEigenschappen
Naam | Description | Waarde |
---|---|---|
applicationInsights | ARM-id van de Application Insights die aan deze werkruimte zijn gekoppeld. Dit kan niet worden gewijzigd nadat de werkruimte is gemaakt | tekenreeks |
containerRegistry | ARM-id van het containerregister dat is gekoppeld aan deze werkruimte. Dit kan niet worden gewijzigd nadat de werkruimte is gemaakt | tekenreeks |
beschrijving | De beschrijving van deze werkruimte. | tekenreeks |
discoveryUrl | URL voor de detectieservice voor het identificeren van regionale eindpunten voor machine learning-experimentenservices | tekenreeks |
Friendlyname | De beschrijvende naam voor deze werkruimte. Deze naam is veranderlijk | tekenreeks |
keyVault | ARM-id van de sleutelkluis die aan deze werkruimte is gekoppeld. Dit kan niet worden gewijzigd nadat de werkruimte is gemaakt | tekenreeks |
storageAccount | ARM-id van het opslagaccount dat aan deze werkruimte is gekoppeld. Dit kan niet worden gewijzigd nadat de werkruimte is gemaakt | tekenreeks |
Snelstartsjablonen
Met de volgende snelstartsjablonen wordt dit resourcetype geïmplementeerd.
Template | Beschrijving |
---|---|
Azure Machine Learning-werkruimte |
Met deze sjabloon maakt u een nieuwe Azure Machine Learning-werkruimte, samen met een versleuteld opslagaccount, KeyVault en Application Insights-logboekregistratie |
Een AML-werkruimte maken met meerdere gegevenssets & gegevensarchieven |
Met deze sjabloon maakt u een Azure Machine Learning-werkruimte met meerdere gegevenssets & gegevensarchieven. |
End-to-end beveiligde installatie van Azure Machine Learning |
Deze set Bicep-sjablonen laat zien hoe u Azure Machine Learning end-to-end instelt in een beveiligde configuratie. Deze referentie-implementatie omvat de werkruimte, een rekencluster, een rekenproces en een gekoppeld privé-AKS-cluster. |
End-to-end beveiligde installatie van Azure Machine Learning (verouderd) |
Deze set Bicep-sjablonen laat zien hoe u Azure Machine Learning end-to-end instelt in een beveiligde configuratie. Deze referentie-implementatie omvat de werkruimte, een rekencluster, een rekenproces en een gekoppeld privé-AKS-cluster. |
Een AKS-rekendoel maken met een privé-IP-adres |
Met deze sjabloon maakt u een AKS-rekendoel in een opgegeven Azure Machine Learning Service-werkruimte met een privé-IP-adres. |
Een Azure Machine Learning Service-werkruimte maken |
Deze implementatiesjabloon specificeert een Azure Machine Learning-werkruimte en de bijbehorende resources, waaronder Azure Key Vault, Azure Storage, Azure-toepassing Insights en Azure Container Registry. Deze configuratie beschrijft de minimale set resources die u nodig hebt om aan de slag te gaan met Azure Machine Learning. |
Een Azure Machine Learning Service-werkruimte (CMK) maken |
Deze implementatiesjabloon specificeert een Azure Machine Learning-werkruimte en de bijbehorende resources, waaronder Azure Key Vault, Azure Storage, Azure-toepassing Insights en Azure Container Registry. In het voorbeeld ziet u hoe u Azure Machine Learning configureert voor versleuteling met een door de klant beheerde versleutelingssleutel. |
Een Azure Machine Learning Service-werkruimte (vnet) maken |
Deze implementatiesjabloon specificeert een Azure Machine Learning-werkruimte en de bijbehorende resources, waaronder Azure Key Vault, Azure Storage, Azure-toepassing Insights en Azure Container Registry. Deze configuratie beschrijft de set resources die u nodig hebt om aan de slag te gaan met Azure Machine Learning in een netwerk dat is geïsoleerd. |
Een Azure Machine Learning Service-werkruimte maken (verouderd) |
Deze implementatiesjabloon specificeert een Azure Machine Learning-werkruimte en de bijbehorende resources, waaronder Azure Key Vault, Azure Storage, Azure-toepassing Insights en Azure Container Registry. Deze configuratie beschrijft de set resources die u nodig hebt om aan de slag te gaan met Azure Machine Learning in een netwerk dat is geïsoleerd. |
Terraform-resourcedefinitie (AzAPI-provider)
Het resourcetype werkruimten kan worden geïmplementeerd met bewerkingen die zijn gericht op:
- Resourcegroepen
Zie wijzigingenlogboek voor een lijst met gewijzigde eigenschappen in elke API-versie.
Resource-indeling
Als u een Resource Microsoft.MachineLearningServices/workspaces wilt maken, voegt u de volgende Terraform toe aan uw sjabloon.
resource "azapi_resource" "symbolicname" {
type = "Microsoft.MachineLearningServices/workspaces@2019-05-01"
name = "string"
location = "string"
parent_id = "string"
tags = {
tagName1 = "tagValue1"
tagName2 = "tagValue2"
}
identity {
type = "SystemAssigned"
}
body = jsonencode({
properties = {
applicationInsights = "string"
containerRegistry = "string"
description = "string"
discoveryUrl = "string"
friendlyName = "string"
keyVault = "string"
storageAccount = "string"
}
})
}
Eigenschapswaarden
workspaces
Naam | Description | Waarde |
---|---|---|
type | Het resourcetype | "Microsoft.MachineLearningServices/workspaces@2019-05-01" |
naam | De resourcenaam | tekenreeks (vereist) Tekenlimiet: 3-33 Geldige tekens: Alfanumerieken, afbreekstreepjes en onderstrepingstekens. |
location | Hiermee geeft u de locatie van de resource. | tekenreeks |
parent_id | Als u wilt implementeren in een resourcegroep, gebruikt u de id van die resourcegroep. | tekenreeks (vereist) |
tags | Bevat resourcetags die zijn gedefinieerd als sleutel-waardeparen. | Woordenlijst met tagnamen en -waarden. |
identity | De identiteit van de resource. | Identiteit |
properties | De eigenschappen van de machine learning-werkruimte. | WerkruimteEigenschappen |
Identiteit
Naam | Description | Waarde |
---|---|---|
type | Het identiteitstype. | "SystemAssigned" |
WerkruimteEigenschappen
Naam | Description | Waarde |
---|---|---|
applicationInsights | ARM-id van de Application Insights die aan deze werkruimte zijn gekoppeld. Dit kan niet worden gewijzigd nadat de werkruimte is gemaakt | tekenreeks |
containerRegistry | ARM-id van het containerregister dat is gekoppeld aan deze werkruimte. Dit kan niet worden gewijzigd nadat de werkruimte is gemaakt | tekenreeks |
beschrijving | De beschrijving van deze werkruimte. | tekenreeks |
discoveryUrl | URL voor de detectieservice voor het identificeren van regionale eindpunten voor machine learning-experimentenservices | tekenreeks |
Friendlyname | De beschrijvende naam voor deze werkruimte. Deze naam is veranderlijk | tekenreeks |
keyVault | ARM-id van de sleutelkluis die aan deze werkruimte is gekoppeld. Dit kan niet worden gewijzigd nadat de werkruimte is gemaakt | tekenreeks |
storageAccount | ARM-id van het opslagaccount dat aan deze werkruimte is gekoppeld. Dit kan niet worden gewijzigd nadat de werkruimte is gemaakt | tekenreeks |
Feedback
https://aka.ms/ContentUserFeedback.
Binnenkort beschikbaar: In de loop van 2024 zullen we GitHub Issues geleidelijk uitfaseren als het feedbackmechanisme voor inhoud. Het wordt vervangen door een nieuw feedbacksysteem. Zie voor meer informatie:Feedback verzenden en weergeven voor