Udostępnij za pośrednictwem


Zarządzanie obszarami roboczymi usługi Azure Machine Learning przy użyciu interfejsu wiersza polecenia platformy Azure

DOTYCZY: Rozszerzenie interfejsu wiersza polecenia platformy Azure ml w wersji 2 (bieżąca)

Z tego artykułu dowiesz się, jak tworzyć obszary robocze usługi Azure Machine Learning i zarządzać nimi przy użyciu interfejsu wiersza polecenia platformy Azure. Interfejs wiersza polecenia platformy Azure udostępnia polecenia do zarządzania zasobami platformy Azure i jest przeznaczony do szybkiego pracy z platformą Azure, z naciskiem na automatyzację. Rozszerzenie uczenia maszynowego interfejsu wiersza polecenia platformy Azure udostępnia polecenia do pracy z zasobami usługi Azure Machine Learning.

Możesz również użyć następujących metod do tworzenia obszarów roboczych usługi Azure Machine Learning i zarządzania nimi:

Wymagania wstępne

  • Subskrypcja platformy Azure z bezpłatną lub płatną wersją usługi Azure Machine Learning. Jeśli nie masz subskrypcji platformy Azure, przed rozpoczęciem utwórz bezpłatne konto.

  • Zainstalowany interfejs wiersza polecenia platformy Azure, jeśli chcesz uruchomić polecenia interfejsu wiersza polecenia platformy Azure w tym artykule lokalnie.

    Jeśli uruchamiasz polecenia interfejsu wiersza polecenia platformy Azure w usłudze Azure Cloud Shell, nie musisz instalować żadnych elementów. Przeglądarka uzyskuje dostęp do najnowszej wersji interfejsu wiersza polecenia platformy Azure w chmurze i rozszerzenia usługi Azure Machine Learning.

Ograniczenia

  • Podczas tworzenia nowego obszaru roboczego możesz automatycznie tworzyć usługi wymagane przez obszar roboczy lub korzystać z istniejących usług. Jeśli chcesz używać istniejących usług z innej subskrypcji platformy Azure niż obszar roboczy, musisz zarejestrować przestrzeń nazw usługi Azure Machine Learning w subskrypcji zawierającej te usługi. Jeśli na przykład utworzysz obszar roboczy w subskrypcji A, który używa konta magazynu w subskrypcji B, przestrzeń nazw usługi Azure Machine Learning musi być zarejestrowana w subskrypcji B, zanim obszar roboczy będzie mógł korzystać z konta magazynu.

    Dostawca zasobów dla usługi Azure Machine Learning to Microsoft.MachineLearningServices. Aby uzyskać informacje na temat tego, czy jest on zarejestrowany, czy zarejestrowany, zobacz Dostawcy zasobów i typy platformy Azure.

    Ważne

    Te informacje dotyczą tylko zasobów udostępnianych podczas tworzenia obszaru roboczego: konta usługi Azure Storage, usługa Azure Container Registry, usługa Azure Key Vault i usługa Application Insights.

Nawiązywanie połączenia z subskrypcją platformy Azure

Jeśli używasz usługi Azure Cloud Shell w witrynie Azure Portal, możesz pominąć tę sekcję. Usługa Cloud Shell automatycznie uwierzytelnia cię przy użyciu subskrypcji platformy Azure, za pomocą której się logujesz.

Istnieje kilka sposobów uwierzytelniania lokalnego w subskrypcji platformy Azure z poziomu interfejsu wiersza polecenia platformy Azure. Najprostszym sposobem jest użycie przeglądarki.

Aby uwierzytelnić się interaktywnie, otwórz wiersz polecenia lub terminal i uruchom polecenie az login. Jeśli interfejs wiersza polecenia może otworzyć domyślną przeglądarkę, robi to i ładuje stronę logowania. W przeciwnym razie postępuj zgodnie z instrukcjami wiersza polecenia, aby otworzyć przeglądarkę https://aka.ms/devicelogin i wprowadzić kod autoryzacji urządzenia.

Napiwek

Po zalogowaniu zostanie wyświetlona lista subskrypcji skojarzonych z kontem platformy Azure. Informacje o subskrypcji z isDefault: true programem to aktualnie aktywowana subskrypcja poleceń interfejsu wiersza polecenia platformy Azure. Ta subskrypcja musi być taka sama, która zawiera obszar roboczy usługi Azure Machine Learning. Informacje o subskrypcji można znaleźć na stronie przeglądu obszaru roboczego w witrynie Azure Portal.

Aby wybrać inną subskrypcję do użycia dla poleceń interfejsu wiersza polecenia platformy Azure, uruchom az account set -s <subscription> polecenie i określ nazwę subskrypcji lub identyfikator, do których ma zostać przełączona. Aby uzyskać więcej informacji na temat wyboru subskrypcji, zobacz Korzystanie z wielu subskrypcji platformy Azure.

Aby uzyskać informacje na temat innych metod uwierzytelniania, zobacz Logowanie się przy użyciu interfejsu wiersza polecenia platformy Azure.

Tworzenie grupy zasobów

Obszar roboczy usługi Azure Machine Learning musi zostać utworzony w istniejącej lub nowej grupie zasobów. Aby utworzyć nową grupę zasobów, uruchom następujące polecenie. Zastąp <resource-group-name> ciąg nazwą i <location> regionem platformy Azure, którego chcesz użyć dla tej grupy zasobów.

Uwaga

Upewnij się, że wybrano region, w którym jest dostępna usługa Azure Machine Learning. Aby uzyskać informacje, zobacz Dostępność produktów według regionów.

az group create --name <resource-group-name> --location <azure-region>

Odpowiedź na to polecenie jest podobna do następującego kodu JSON. Możesz użyć wartości wyjściowych, aby zlokalizować utworzone zasoby lub przekazać je jako dane wejściowe do innych poleceń interfejsu wiersza polecenia platformy Azure lub automatyzacji.

{
  "id": "/subscriptions/<subscription-GUID>/resourceGroups/<resourcegroupname>",
  "location": "<location>",
  "managedBy": null,
  "name": "<resource-group-name>",
  "properties": {
    "provisioningState": "Succeeded"
  },
  "tags": null,
  "type": null
}

Aby uzyskać więcej informacji na temat pracy z grupami zasobów, zobacz az group.

Tworzenie obszaru roboczego

Wdrożony obszar roboczy usługi Azure Machine Learning wymaga różnych innych usług jako powiązanych zasobów zależnych. Jeśli używasz interfejsu wiersza polecenia platformy Azure do tworzenia obszaru roboczego, interfejs wiersza polecenia może utworzyć nowe skojarzone zasoby lub dołączyć istniejące zasoby.

Aby utworzyć nowy obszar roboczy z nowymi automatycznie utworzonymi usługami zależnymi, uruchom następujące polecenie:

az ml workspace create -n <workspace-name> -g <resource-group-name>

Aby utworzyć nowy obszar roboczy korzystający z istniejących zasobów, najpierw zdefiniuj zasoby w pliku konfiguracji YAML zgodnie z opisem w poniższej sekcji. Następnie należy odwołać się do pliku YAML w poleceniu tworzenia obszaru roboczego interfejsu wiersza polecenia platformy Azure w następujący sposób:

az ml workspace create -g <resource-group-name> --file <configuration-file>.yml

Dane wyjściowe polecenia tworzenia obszaru roboczego są podobne do następującego kodu JSON. Możesz użyć wartości wyjściowych, aby zlokalizować utworzone zasoby lub przekazać je jako dane wejściowe do innych poleceń interfejsu wiersza polecenia platformy Azure.

{
  "applicationInsights": "/subscriptions/<subscription-GUID>/resourcegroups/<resource-group-name>/providers/microsoft.insights/components/<application-insight-name>",
  "containerRegistry": "/subscriptions/<subscription-GUID>/resourcegroups/<resource-group-name>/providers/microsoft.containerregistry/registries/<container-registry-name>",
  "creationTime": "2019-08-30T20:24:19.6984254+00:00",
  "description": "",
  "friendlyName": "<workspace-name>",
  "id": "/subscriptions/<subscription-GUID>/resourceGroups/<resource-group-name>/providers/Microsoft.MachineLearningServices/workspaces/<workspace-id>",
  "identityPrincipalId": "<GUID>",
  "identityTenantId": "<GUID>",
  "identityType": "SystemAssigned",
  "keyVault": "/subscriptions/<subscription-GUID>/resourcegroups/<resource-group-name>/providers/microsoft.keyvault/vaults/<key-vault-name>",
  "location": "<location>",
  "name": "<workspace-name>",
  "resourceGroup": "<resource-group-name>",
  "storageAccount": "/subscriptions/<subscription-GUID>/resourcegroups/<resource-group-name>/providers/microsoft.storage/storageaccounts/<storage-account-name>",
  "type": "Microsoft.MachineLearningServices/workspaces",
  "workspaceid": "<GUID>"
}

Plik konfiguracji YAML

Aby użyć istniejących zasobów dla nowego obszaru roboczego, należy zdefiniować zasoby w pliku konfiguracji YAML. W poniższym przykładzie przedstawiono plik konfiguracji obszaru roboczego YAML:

$schema: https://azuremlschemas.azureedge.net/latest/workspace.schema.json
name: mlw-basicex-prod
location: eastus
display_name: Bring your own dependent resources-example
description: This configuration specifies a workspace configuration with existing dependent resources
storage_account: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT>
container_registry: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.ContainerRegistry/registries/<CONTAINER_REGISTRY>
key_vault: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.KeyVault/vaults/<KEY_VAULT>
application_insights: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.insights/components/<APP_INSIGHTS>
tags:
  purpose: demonstration

Nie musisz określać wszystkich skojarzonych zasobów zależnych w pliku konfiguracji. Możesz określić co najmniej jeden z zasobów i zezwolić innym na automatyczne tworzenie.

Identyfikatory dla istniejących zasobów należy podać w pliku YAML. Te identyfikatory można uzyskać, wyświetlając właściwości zasobu w witrynie Azure Portal lub uruchamiając następujące polecenia interfejsu wiersza polecenia platformy Azure:

  • aplikacja systemu Azure Insights:
    az monitor app-insights component show --app <application-insight-name> -g <resource-group-name> --query "id"
  • Azure Container Registry:
    az acr show --name <container-registry-name> -g <resource-group-name> --query "id"
  • Usługa Azure Key Vault:
    az keyvault show --name <key-vault-name> --query "id"
  • Konto usługi Azure Storage:
    az storage account show --name <storage-account-name> --query "id"

Wyniki zapytania wyglądają podobnie do następującego ciągu:
"/subscriptions/<subscription-GUID>/resourceGroups/<resource-group-name>/providers/<provider>/<subresource>/<id>".

Skojarzone zasoby zależne

Poniższe zagadnienia i ograniczenia dotyczą zasobów zależnych skojarzonych z obszarami roboczymi.

Szczegółowe dane dotyczące aplikacji

Napiwek

Wystąpienie usługi aplikacja systemu Azure Insights jest tworzone podczas tworzenia obszaru roboczego. Jeśli chcesz, możesz usunąć wystąpienie usługi Application Insights po utworzeniu klastra. Usunięcie go ogranicza informacje zebrane z obszaru roboczego i może utrudnić rozwiązywanie problemów. Jeśli usuniesz wystąpienie usługi Application Insights utworzone przez obszar roboczy, jedynym sposobem ponownego utworzenia go jest usunięcie i ponowne utworzenie obszaru roboczego.

Aby uzyskać więcej informacji na temat korzystania z wystąpienia usługi Application Insights, zobacz Monitorowanie i zbieranie danych z punktów końcowych usługi sieci Web Machine Learning.

Container Registry

Obszar roboczy usługi Azure Machine Learning używa usługi Azure Container Registry do wykonywania niektórych operacji i automatycznie tworzy wystąpienie usługi Container Registry, gdy będzie ono najpierw potrzebne.

Ostrzeżenie

Po utworzeniu usługi Azure Container Registry dla obszaru roboczego nie usuwaj go. Spowoduje to przerwanie obszaru roboczego usługi Azure Machine Learning.

Aby użyć istniejącego rejestru kontenerów platformy Azure z obszarem roboczym usługi Azure Machine Learning, musisz włączyć konto administratora w rejestrze kontenerów.

Konto magazynu

Jeśli używasz istniejącego konta magazynu dla obszaru roboczego, musi on spełniać następujące kryteria. Te wymagania dotyczą tylko domyślnego konta magazynu.

  • Konto nie może być Premium_LRS ani Premium_GRS.
  • Funkcje usługi Azure Blob i Azure File muszą być włączone.
  • Hierarchiczna przestrzeń nazw musi być wyłączona dla usługi Azure Data Lake Storage.

Zabezpieczanie komunikacji za pomocą interfejsu wiersza polecenia platformy Azure

Wszystkie polecenia usługi Azure Machine Learning w wersji 2 az ml komunikują dane operacyjne, takie jak parametry YAML i metadane, do usługi Azure Resource Manager. Niektóre polecenia interfejsu wiersza polecenia platformy Azure komunikują się z usługą Azure Resource Manager za pośrednictwem Internetu.

Jeśli obszar roboczy usługi Azure Machine Learning jest publiczny i nie znajduje się za siecią wirtualną, komunikacja jest zabezpieczona przy użyciu protokołu HTTPS/TLS 1.2. Nie jest wymagana żadna dodatkowa konfiguracja.

Jeśli obszar roboczy usługi Azure Machine Learning używa prywatnego punktu końcowego i sieci wirtualnej, musisz wybrać jedną z następujących konfiguracji, aby użyć interfejsu wiersza polecenia platformy Azure:

  • Aby komunikować się za pośrednictwem publicznego Internetu, ustaw --public-network-access parametr na Enabledwartość .

  • Aby uniknąć komunikacji za pośrednictwem publicznego Internetu ze względów bezpieczeństwa, skonfiguruj usługę Azure Machine Learning pod kątem używania łączności sieciowej prywatnej z punktem końcowym usługi Azure Private Link, zgodnie z opisem w poniższej sekcji.

Łączność z siecią prywatną

W zależności od przypadków użycia i wymagań organizacyjnych można skonfigurować usługę Azure Machine Learning do korzystania z łączności z siecią prywatną. Interfejs wiersza polecenia platformy Azure umożliwia wdrożenie obszaru roboczego i punktu końcowego usługi Private Link dla zasobu obszaru roboczego.

Jeśli używasz punktów końcowych usługi Private Link zarówno dla usługi Azure Container Registry, jak i usługi Azure Machine Learning, nie możesz używać zadań usługi Container Registry do tworzenia obrazów środowiska platformy Docker. Zamiast tego należy tworzyć obrazy przy użyciu klastra obliczeniowego usługi Azure Machine Learning.

W pliku konfiguracji obszaru roboczego YAML należy ustawić image_build_compute właściwość na nazwę klastra obliczeniowego, która ma być używana do tworzenia środowiska obrazów platformy Docker. Możesz również określić, że obszar roboczy łącza prywatnego nie jest dostępny za pośrednictwem Internetu, ustawiając public_network_access właściwość na Disabled.

Poniższy kod przedstawia przykładowy plik konfiguracji obszaru roboczego na potrzeby łączności z siecią prywatną.

$schema: https://azuremlschemas.azureedge.net/latest/workspace.schema.json
name: mlw-privatelink-prod
location: eastus
display_name: Private Link endpoint workspace-example
description: When using private link, you must set the image_build_compute property to a cluster name to use for Docker image environment building. You can also specify whether the workspace should be accessible over the internet.
image_build_compute: cpu-compute
public_network_access: Disabled
tags:
  purpose: demonstration

Po utworzeniu obszaru roboczego użyj poleceń interfejsu wiersza polecenia sieci platformy Azure, aby utworzyć punkt końcowy łącza prywatnego dla obszaru roboczego.

az network private-endpoint create \
    --name <private-endpoint-name> \
    --vnet-name <virtual-network-name> \
    --subnet <subnet-name> \
    --private-connection-resource-id "/subscriptions/<subscription>/resourceGroups/<resource-group-name>/providers/Microsoft.MachineLearningServices/workspaces/<workspace-name>" \
    --group-id amlworkspace \
    --connection-name workspace -l <location>

Aby utworzyć wpisy strefy systemu nazw domen prywatnych (DNS) dla obszaru roboczego, użyj następujących poleceń:

# Add privatelink.api.azureml.ms
az network private-dns zone create \
    -g <resource-group-name> \
    --name 'privatelink.api.azureml.ms'

az network private-dns link vnet create \
    -g <resource-group-name> \
    --zone-name 'privatelink.api.azureml.ms' \
    --name <link-name> \
    --virtual-network <virtual-network-name> \
    --registration-enabled false

az network private-endpoint dns-zone-group create \
    -g <resource-group-name> \
    --endpoint-name <private-endpoint-name> \
    --name <zone-group-name> \
    --private-dns-zone 'privatelink.api.azureml.ms' \
    --zone-name 'privatelink.api.azureml.ms'

# Add privatelink.notebooks.azure.net
az network private-dns zone create \
    -g <resource-group-name> \
    --name 'privatelink.notebooks.azure.net'

az network private-dns link vnet create \
    -g <resource-group-name> \
    --zone-name 'privatelink.notebooks.azure.net' \
    --name <link-name> \
    --virtual-network <virtual-network-name> \
    --registration-enabled false

az network private-endpoint dns-zone-group add \
    -g <resource-group-name> \
    --endpoint-name <private-endpoint-name> \
    --name <zone-group-name> \
    --private-dns-zone 'privatelink.notebooks.azure.net' \
    --zone-name 'privatelink.notebooks.azure.net'

Aby uzyskać więcej informacji na temat korzystania z prywatnego punktu końcowego i sieci wirtualnej z obszarem roboczym, zobacz następujące artykuły:

Za pomocą następującego procesu można zabezpieczyć komunikację ze wszystkimi zasobami usługi Azure Resource Manager w grupie zarządzania platformy Azure przy użyciu usługi Private Link:

  1. Utwórz link prywatny do zarządzania zasobami platformy Azure.
  2. Utwórz prywatny punkt końcowy dla łącza prywatnego utworzonego w poprzednim kroku.

Ważne

Aby skonfigurować link prywatny dla usługi Azure Resource Manager, musisz być właścicielem subskrypcji platformy Azure oraz właścicielem lub współautorem w głównej grupie zarządzania. Aby uzyskać więcej informacji, zobacz Tworzenie łącza prywatnego na potrzeby zarządzania zasobami platformy Azure.

Konfiguracje zaawansowane

Istnieje kilka innych zaawansowanych konfiguracji, które można zastosować do obszarów roboczych. W przypadku złożonych konfiguracji zasobów zapoznaj się również z opcjami wdrażania opartymi na szablonach, w tym usługą Azure Resource Manager.

Klucze zarządzane przez klienta

Domyślnie metadane obszaru roboczego są przechowywane w wystąpieniu usługi Azure Cosmos DB, które firma Microsoft obsługuje i szyfruje przy użyciu kluczy zarządzanych przez firmę Microsoft. Zamiast używać klucza zarządzanego przez firmę Microsoft, możesz podać własny klucz. Użycie własnego klucza powoduje utworzenie dodatkowego zestawu zasobów w ramach subskrypcji platformy Azure w celu przechowywania danych.

Uwaga

Usługa Azure Cosmos DB nie służy do przechowywania informacji o wydajności modelu, informacji rejestrowanych przez eksperymenty ani informacji zarejestrowanych we wdrożeniach modelu.

Aby utworzyć obszar roboczy, który używa własnego klucza, użyj parametru customer_managed_key w pliku konfiguracji obszaru roboczego YAML i określ identyfikator zasobu zawierającego key_vault i key_uri klucza w magazynie.

$schema: https://azuremlschemas.azureedge.net/latest/workspace.schema.json
name: mlw-cmkexample-prod
location: eastus
display_name: Customer managed key encryption-example
description: This configurations shows how to create a workspace that uses customer-managed keys for encryption.
customer_managed_key: 
  key_vault: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.KeyVault/vaults/<KEY_VAULT>
  key_uri: https://<KEY_VAULT>.vault.azure.net/keys/<KEY_NAME>/<KEY_VERSION>
tags:
  purpose: demonstration

Aby dowiedzieć się więcej o zasobach tworzonych podczas używania własnego klucza do szyfrowania, zobacz Szyfrowanie danych za pomocą usługi Azure Machine Learning.

Uwaga

Aby zarządzać dodanymi zasobami szyfrowania danych, użyj usługi Identity and Access Management, aby autoryzować aplikację Machine Learning z uprawnieniami współautora w ramach subskrypcji.

Obszary robocze o dużym wpływie na działalność biznesową

Aby ograniczyć dane zbierane przez firmę Microsoft w obszarze roboczym, możesz określić obszar roboczy o dużym wpływie na działalność biznesową, ustawiając hbi_workspace właściwość w pliku konfiguracji YAML na TRUEwartość . Duży wpływ na działalność biznesową można ustawić tylko podczas tworzenia obszaru roboczego. Nie można zmienić tego ustawienia po utworzeniu obszaru roboczego.

Aby uzyskać więcej informacji na temat kluczy zarządzanych przez klienta i obszaru roboczego o dużym wpływie na działalność biznesową, zobacz Zabezpieczenia przedsiębiorstwa dla usługi Azure Machine Learning.

Zarządzanie obszarami roboczymi przy użyciu interfejsu wiersza polecenia platformy Azure

Polecenia az ml workspace umożliwiają zarządzanie obszarami roboczymi.

Pobieranie informacji o obszarze roboczym

Aby uzyskać informacje o obszarze roboczym, użyj następującego polecenia:

az ml workspace show -n <workspace-name> -g <resource-group-name>

Aby uzyskać więcej informacji, zobacz az ml workspace show.

Aktualizowanie obszaru roboczego

Aby zaktualizować obszar roboczy, użyj następującego polecenia:

az ml workspace update -n <workspace-name> -g <resource-group-name>

Na przykład następujące polecenie aktualizuje obszar roboczy w celu włączenia dostępu do sieci publicznej:

az ml workspace update -n <workspace-name> -g <resource-group-name> --public-network-access enabled

Aby uzyskać więcej informacji, zobacz aktualizacja obszaru roboczego az ml.

Synchronizowanie kluczy dla zasobów zależnych

Jeśli zmienisz klucze dostępu dla jednego z zasobów używanych przez obszar roboczy, synchronizacja z nowymi kluczami zajmuje około godziny. Aby wymusić natychmiastowe zsynchronizowanie nowych kluczy w obszarze roboczym, użyj następującego polecenia:

az ml workspace sync-keys -n <workspace-name> -g <resource-group-name>

Przenoszenie obszaru roboczego

Przenoszenie obszaru roboczego usługi Azure Machine Learning jest obecnie dostępne w wersji zapoznawczej. Aby uzyskać więcej informacji, zobacz Przenoszenie obszarów roboczych usługi Azure Machine Learning między subskrypcjami (wersja zapoznawcza).

Usuwanie obszaru roboczego

Aby usunąć obszar roboczy po tym, jak nie jest już potrzebny, użyj następującego polecenia:

az ml workspace delete -n <workspace-name> -g <resource-group-name>

Domyślnym zachowaniem usługi Azure Machine Learning jest usunięcie obszaru roboczego w sposób nietrwały. Obszar roboczy nie jest natychmiast usuwany, ale zamiast tego jest oznaczony do usunięcia. Aby uzyskać więcej informacji, zobacz Usuwanie nietrwałe.

Ostrzeżenie

Jeśli dla obszaru roboczego włączono usuwanie nietrwałe, można je odzyskać po usunięciu. Jeśli usuwanie nietrwałe nie jest włączone lub wybierzesz opcję trwałego usunięcia obszaru roboczego, nie można go odzyskać. Aby uzyskać więcej informacji, zobacz Odzyskiwanie usuniętego obszaru roboczego.

Usunięcie obszaru roboczego nie powoduje usunięcia usługi Application Insights, konta magazynu, magazynu kluczy ani rejestru kontenerów używanego przez obszar roboczy. Aby usunąć obszar roboczy, zasoby zależne i wszystkie inne zasoby platformy Azure w grupie zasobów, możesz usunąć grupę zasobów. Aby usunąć grupę zasobów, użyj następującego polecenia:

az group delete -g <resource-group-name>

Aby uzyskać więcej informacji, zobacz az ml workspace delete.

Rozwiązywanie problemów z błędami dostawcy zasobów

Podczas tworzenia obszaru roboczego usługi Azure Machine Learning lub zasobu używanego przez obszar roboczy może wystąpić błąd podobny do następujących komunikatów:

  • No registered resource provider found for location {location}
  • The subscription is not registered to use namespace {resource-provider-namespace}

Większość dostawców zasobów jest automatycznie rejestrowana, ale nie wszystkie. Jeśli zostanie wyświetlony ten komunikat, musisz zarejestrować wymienionego dostawcę.

Poniższa tabela zawiera listę dostawców zasobów wymaganych przez usługę Azure Machine Learning:

Dostawca zasobów Dlaczego jest to potrzebne
Microsoft.MachineLearningServices Tworzenie obszaru roboczego usługi Azure Machine Learning.
Microsoft.Storage Konto usługi Azure Storage jest używane jako domyślny magazyn dla obszaru roboczego.
Microsoft.ContainerRegistry Usługa Azure Container Registry jest używana przez obszar roboczy do tworzenia obrazów platformy Docker.
Microsoft.KeyVault Usługa Azure Key Vault jest używana przez obszar roboczy do przechowywania wpisów tajnych.
Microsoft.Notebooks Zintegrowane notesy w wystąpieniu obliczeniowym usługi Azure Machine Learning.
Microsoft.ContainerService Jeśli planujesz wdrażanie wytrenowanych modeli w usługach Azure Kubernetes Services.

Jeśli planujesz korzystanie z klucza zarządzanego przez klienta w usłudze Azure Machine Learning, należy zarejestrować następujących dostawców usług:

Dostawca zasobów Dlaczego jest to potrzebne
Microsoft.DocumentDB Wystąpienie usługi Azure CosmosDB, które rejestruje metadane obszaru roboczego.
Microsoft.Search Usługa Azure Search udostępnia funkcje indeksowania dla obszaru roboczego.

Jeśli planujesz korzystanie z zarządzanej sieci wirtualnej z usługą Azure Machine Learning, dostawca zasobów Microsoft.Network musi być zarejestrowany. Ten dostawca zasobów jest używany przez obszar roboczy podczas tworzenia prywatnych punktów końcowych dla zarządzanej sieci wirtualnej.

Aby uzyskać informacje na temat rejestrowania dostawców zasobów, zobacz Rozwiązywanie błędów dotyczących rejestracji dostawcy zasobów.

  • Aby uzyskać więcej informacji na temat rozszerzenia interfejsu wiersza polecenia platformy Azure na potrzeby uczenia maszynowego, zobacz dokumentację az ml .
  • Aby uzyskać informacje o diagnostyce, które mogą identyfikować i pomóc w rozwiązywaniu problemów z obszarem roboczym, zobacz Jak używać diagnostyki obszaru roboczego.
  • Aby uzyskać informacje na temat aktualizowania usługi Azure Machine Learning przy użyciu najnowszych aktualizacji zabezpieczeń, zobacz Zarządzanie lukami w zabezpieczeniach.