Workspace Classe

Referência

Define um recurso Azure Machine Learning para gerir artefactos de formação e implantação.

Um espaço de trabalho é um recurso fundamental para a aprendizagem automática em Azure Machine Learning. Você usa um espaço de trabalho para experimentar, treinar e implementar modelos de aprendizagem automática. Cada espaço de trabalho está ligado a um grupo de subscrição e recursos Azure, e tem um SKU associado.

Para obter mais informações sobre espaços de trabalho, consulte:

Herança: builtins.object

Workspace

Construtor

Workspace(subscription_id, resource_group, workspace_name, auth=None, _location=None, _disable_service_check=False, _workspace_id=None, sku='basic', tags=None, _cloud='AzureCloud')

Parâmetros

subscription_id: str

Necessário

O ID de assinatura Azure contendo o espaço de trabalho.

resource_group: str

Necessário

O grupo de recursos que contém o espaço de trabalho.

workspace_name: str

Necessário

O nome do espaço de trabalho existente.

auth: ServicePrincipalAuthentication ou InteractiveLoginAuthentication ou MsiAuthentication

valor predefinido: None

O objeto de autenticação. Para mais detalhes, consulte https://aka.ms/aml-notebook-auth. Se Nenhuma, as credenciais padrão do Azure CLI serão usadas ou a API solicitará credenciais.

_location: str

valor predefinido: None

Uso interno apenas.

_disable_service_check: bool

valor predefinido: False

Uso interno apenas.

_workspace_id: str

valor predefinido: None

Uso interno apenas.

sku: str

valor predefinido: basic

O parâmetro está presente para retrocompatibilidade e é ignorado.

_cloud: str

valor predefinido: AzureCloud

Uso interno apenas.

tags

valor predefinido: None

Observações

A amostra que se segue mostra como criar um espaço de trabalho.


   from azureml.core import Workspace
   ws = Workspace.create(name='myworkspace',
               subscription_id='<azure-subscription-id>',
               resource_group='myresourcegroup',
               create_resource_group=True,
               location='eastus2'
               )

Definido create_resource_group para Falso se tiver um grupo de recursos Azure existente que pretende utilizar para o espaço de trabalho.

Para utilizar o mesmo espaço de trabalho em vários ambientes, crie um ficheiro de configuração JSON. O ficheiro de configuração guarda o nome da subscrição, recurso e espaço de trabalho para que possa ser facilmente carregado. Para guardar a configuração, utilize o write_config método.


   ws.write_config(path="./file-path", file_name="ws_config.json")

Consulte Criar um ficheiro de configuração do espaço de trabalho para um exemplo do ficheiro de configuração.

Para carregar o espaço de trabalho a partir do ficheiro de configuração, utilize o from_config método.


   ws = Workspace.from_config()
   ws.get_details()

Em alternativa, utilize o get método para carregar um espaço de trabalho existente sem utilizar ficheiros de configuração.


   ws = Workspace.get(name="myworkspace",
               subscription_id='<azure-subscription-id>',
               resource_group='myresourcegroup')

As amostras acima podem pedir-lhe credenciais de autenticação Azure usando um diálogo de login interativo. Para outros casos de utilização, incluindo a utilização do CLI Azure para autenticar e autenticar em fluxos de trabalho automatizados, consulte autenticação em Aprendizagem automática Azure.

Métodos

add_private_endpoint	Adicione um ponto final privado ao espaço de trabalho.
create	Criar um novo espaço de trabalho para aprendizagem de máquinas Azure. Abre uma exceção se o espaço de trabalho já existe ou se qualquer um dos requisitos do espaço de trabalho não estiver satisfeito.
delete	Eliminar o espaço de trabalho de aprendizagem da máquina Azure associado.
delete_connection	Elimine uma ligação do espaço de trabalho.
delete_private_endpoint_connection	Elimine a ligação do ponto final privado ao espaço de trabalho.
diagnose_workspace	Diagnosticar problemas de configuração do espaço de trabalho.
from_config	Retornar um objeto de espaço de trabalho de um espaço de trabalho de aprendizagem de máquina azure existente. Lê a configuração do espaço de trabalho a partir de um ficheiro. Abre uma exceção se o ficheiro config não puder ser encontrado. O método fornece uma forma simples de reutilizar o mesmo espaço de trabalho em vários cadernos ou projetos python. Os utilizadores podem guardar as propriedades do espaço de trabalho Azure Resource Manager (ARM) utilizando o write_config método, e usar este método para carregar o mesmo espaço de trabalho em diferentes cadernos ou projetos python sem reformular as propriedades arm do espaço de trabalho.
get	Retornar um objeto de espaço de trabalho para um espaço de trabalho de aprendizagem de máquina azure existente. Lança uma exceção se o espaço de trabalho não existe ou os campos necessários não identificarem exclusivamente um espaço de trabalho.
get_connection	Obtenha uma ligação do espaço de trabalho.
get_default_compute_target	Obtenha o alvo de computação padrão para o espaço de trabalho.
get_default_datastore	Obtenha a loja de dados predefinido para o espaço de trabalho.
get_default_keyvault	Obtenha o objeto de cofre padrão para o espaço de trabalho.
get_details	Devolva os detalhes do espaço de trabalho.
get_mlflow_tracking_uri	Obtenha o MLflow rastreando URI para o espaço de trabalho. MLflow (https://mlflow.org/) é uma plataforma de código aberto para rastrear experiências de machine learning e gestão de modelos. Você pode usar APIs de registo de MLflow com Azure Machine Learning para que métricas, modelos e artefactos sejam registados no seu espaço de trabalho de Aprendizagem automática Azure.
get_run	Volte a correr com as run_id especificadas no espaço de trabalho.
list	Lista todos os espaços de trabalho a que o utilizador tem acesso dentro da subscrição. A lista de espaços de trabalho pode ser filtrada com base no grupo de recursos.
list_connections	Listar ligações neste espaço de trabalho.
list_keys	Listar as chaves para o espaço de trabalho atual.
set_connection	Adicione ou atualize uma ligação no espaço de trabalho.
set_default_datastore	Desaja a datastore predefinido para o espaço de trabalho.
setup	Crie um novo espaço de trabalho ou recupere um espaço de trabalho existente.
sync_keys	Aciona o espaço de trabalho para sincronizar imediatamente as teclas. Se as teclas para qualquer recurso no espaço de trabalho forem alteradas, pode levar cerca de uma hora para serem atualizadas automaticamente. Esta função permite que as chaves sejam atualizadas mediante pedido. Um cenário exemplo é a necessidade de acesso imediato ao armazenamento após a regeneração das chaves de armazenamento.
update	Atualizar nome amigável, descrição, tags, computação de construção de imagem e outras configurações associadas a um espaço de trabalho.
update_dependencies	Atualizar os recursos associados para o espaço de trabalho nos seguintes casos. a) Quando um utilizador elimina acidentalmente um recurso associado existente e gostaria de atualizá-lo com um novo sem ter de recriar todo o espaço de trabalho. b) Quando um utilizador tem um recurso associado existente e quer substituir o atual que está associado ao espaço de trabalho. c) Quando um recurso associado ainda não tiver sido criado e pretender utilizar um existente que já tenha (só se aplica ao registo de contentores).
write_config	Escreva o espaço de trabalho Azure Resource Manager propriedades (ARM) num ficheiro config. As propriedades ARM do espaço de trabalho podem ser carregadas mais tarde utilizando o from_config método. O `path` incumprimento de '.azureml/' no atual diretório de trabalho e `file_name` incumprimentos para 'config.json'. O método fornece uma forma simples de reutilizar o mesmo espaço de trabalho em vários cadernos ou projetos python. Os utilizadores podem guardar as propriedades do espaço de trabalho ARM utilizando esta função, e usar from_config para carregar o mesmo espaço de trabalho em diferentes cadernos python ou projetos sem reformular as propriedades arm do espaço de trabalho.

add_private_endpoint

Adicione um ponto final privado ao espaço de trabalho.

add_private_endpoint(private_endpoint_config, private_endpoint_auto_approval=True, location=None, show_output=True, tags=None)

Parâmetros

private_endpoint_config: PrivateEndPointConfig

Necessário

A configuração do ponto final privado para criar um ponto final privado para o espaço de trabalho.

private_endpoint_auto_approval: bool

valor predefinido: True

Uma bandeira booleana que denota se a criação do ponto final privado deve ser aprovada automaticamente ou aprovada manualmente a partir do Azure Private Link Center. Em caso de aprovação manual, os utilizadores podem visualizar o pedido pendente no portal Private Link para aprovar/rejeitar o pedido.

location: string

valor predefinido: None

Localização do ponto final privado, padrão é a localização do espaço de trabalho

show_output: bool

valor predefinido: True

Bandeira para mostrar o progresso da criação do espaço de trabalho

tags: dict

valor predefinido: None

Etiquetas para associar ao espaço de trabalho.

Devoluções

O objeto PrivateEndPoint criado.

Tipo de retorno

PrivateEndPoint

create

Criar um novo espaço de trabalho para aprendizagem de máquinas Azure.

Abre uma exceção se o espaço de trabalho já existe ou se qualquer um dos requisitos do espaço de trabalho não estiver satisfeito.

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)

Parâmetros

name: str

Necessário

O novo nome do espaço de trabalho. O nome tem de ter entre 2 e 32 carateres. O primeiro carácter do nome deve ser alfanumérico (letra ou número), mas o resto do nome pode conter alfanuméricos, hífens e sublinhados. Whitespace não é permitido.

auth: ServicePrincipalAuthentication ou InteractiveLoginAuthentication

valor predefinido: None

O objeto de autenticação. Para mais detalhes, consulte https://aka.ms/aml-notebook-auth. Se Nenhuma, as credenciais padrão do Azure CLI serão usadas ou a API solicitará credenciais.

subscription_id: str

valor predefinido: None

O ID de subscrição da assinatura contendo para o novo espaço de trabalho. O parâmetro é necessário se o utilizador tiver acesso a mais de uma subscrição.

resource_group: str

valor predefinido: None

O grupo de recursos Azure que contém o espaço de trabalho. O parâmetro predefine uma mutação do nome do espaço de trabalho.

location: str

valor predefinido: None

A localização do espaço de trabalho. O parâmetro está em incumprimento da localização do grupo de recursos. A localização tem de ser uma região apoiada para a Azure Machine Learning.

create_resource_group: bool

valor predefinido: True

Indica se deve criar o grupo de recursos se não existir.

sku: str

valor predefinido: basic

O parâmetro está presente para retrocompatibilidade e é ignorado.

tags: dict

valor predefinido: None

Etiquetas para associar ao espaço de trabalho.

friendly_name: str

valor predefinido: None

Um nome amigável opcional para o espaço de trabalho que pode ser exibido na UI.

storage_account: str

valor predefinido: None

Uma conta de armazenamento existente no formato ID de recurso Azure. O armazenamento será utilizado pelo espaço de trabalho para poupar saídas, códigos, registos, etc. Se nenhuma, será criada uma nova conta de armazenamento.

key_vault: str

valor predefinido: None

Um cofre-chave existente no formato ID de recurso Azure. Consulte o código de exemplo abaixo para obter mais detalhes sobre o formato de ID de recurso Azure. O cofre-chave será utilizado pelo espaço de trabalho para armazenar credenciais adicionadas ao espaço de trabalho pelos utilizadores. Se nenhum, um novo cofre-chave será criado.

app_insights: str

valor predefinido: None

Um Insípido de Aplicação existente no formato ID de recurso Azure. Consulte o código de exemplo abaixo para obter mais detalhes sobre o formato de ID de recurso Azure. O Application Insights será usado pelo espaço de trabalho para registar eventos de webservices. Se Nenhum, será criado um novo Application Insights.

container_registry: str

valor predefinido: None

Registo de contentores existente no formato ID de recurso Azure (ver código de exemplo abaixo para mais detalhes sobre o formato ID de recursos Azure). O registo do contentor será utilizado pelo espaço de trabalho para puxar e empurrar imagens de experimentação e serviços web. Se Nenhum, um novo registo de contentores só será criado quando necessário e não juntamente com a criação de espaço de trabalho.

adb_workspace: str

valor predefinido: None

Um espaço de trabalho Adb existente no formato ID de recurso Azure (ver código de exemplo abaixo para mais detalhes sobre o formato de ID de recurso Azure). O espaço de trabalho do Adb será usado para se ligar ao espaço de trabalho. Se nenhuma, a ligação do espaço de trabalho não vai acontecer.

primary_user_assigned_identity: str

valor predefinido: None

O id de recursos do utilizador atribuído identidade que costumava representar o espaço de trabalho

cmk_keyvault: str

valor predefinido: None

O cofre-chave que contém a chave gerida pelo cliente no formato ID de recurso Azure:/subscriptions/<azure-subscription-id>/resourcegroups/<azure-resource-group>/providers/microsoft.keyvault/vaults/<azure-keyvault-name> Por exemplo: '/subscrições/d139f240-94e6-4175-87a7-954b9d27db16/resourcegroups/myresourcegroup/providers/microsoft.keyvault/vaults/mykeyvault' Consulte o código de exemplo nas Observações abaixo para obter mais detalhes sobre o formato ID do recurso Azure.

resource_cmk_uri: str

valor predefinido: None

A chave URI do cliente conseguiu a chave para encriptar os dados em repouso. O formato URI é: https://<keyvault-dns-name>/keys/<key-name>/<key-version>. Por exemplo, "https://mykeyvault.vault.azure.net/keys/mykey/bc5dce6d01df49w2na7ffb11a2ee008b". Consulte para https://docs.microsoft.com/azure-stack/user/azure-stack-key-vault-manage-portal obter etapas sobre como criar uma chave e obter o seu URI.

hbi_workspace: bool

valor predefinido: False

Especifica se o espaço de trabalho contém dados de Alto Impacto Empresarial (HBI), ou seja, contém informações confidenciais sobre negócios. Esta bandeira só pode ser colocada durante a criação do espaço de trabalho. O seu valor não pode ser alterado após a criação do espaço de trabalho. O valor predefinido é falso.

Quando definidos para True, são executados mais passos de encriptação, e dependendo do componente SDK, resulta em informações redigidas na telemetria recolhida internamente. Para obter mais informações, consulte a encriptação de Dados.

Quando esta bandeira é definida para True, um possível impacto é o aumento das dificuldades na resolução de problemas. Isto pode acontecer porque alguma telemetria não é enviada para a Microsoft e há menos visibilidade em taxas de sucesso ou tipos de problemas, e portanto pode não ser capaz de reagir de forma tão proativa quando esta bandeira é Verdadeira. A recomendação é usar o padrão de Falso para esta bandeira, a menos que estritamente necessário para ser verdadeiro.

default_cpu_compute_target: AmlComputeProvisioningConfiguration

valor predefinido: None

(PRECADO) Uma configuração que será usada para criar um computo CPU. O parâmetro predefine para {min_nodes=0, max_nodes=2, vm_size="STANDARD_DS2_V2", vm_priority="dedicado"} Se nenhum, nenhum cálculo será criado.

default_gpu_compute_target: AmlComputeProvisioningConfiguration

valor predefinido: None

(PRECADO) Uma configuração que será usada para criar um cálculo gpu. O parâmetro predefine para {min_nodes=0, max_nodes=2, vm_size="STANDARD_NC6", vm_priority="dedicado"} Se nenhum, nenhum cálculo será criado.

private_endpoint_config: PrivateEndPointConfig

valor predefinido: None

A configuração do ponto final privado para criar um ponto final privado para o espaço de trabalho Azure ML.

private_endpoint_auto_approval: bool

valor predefinido: True

exist_ok: bool

valor predefinido: False

Indica se este método tem sucesso se o espaço de trabalho já existe. Se falso, este método falha se o espaço de trabalho existir. Se for verdade, este método devolve o espaço de trabalho existente se existir.

show_output: bool

valor predefinido: True

Indica se este método irá imprimir progressos incrementais.

user_assigned_identity_for_cmk_encryption: str

valor predefinido: None

O id de recursos do utilizador atribuído identidade que precisa ser usado para aceder à chave de gestão do cliente

system_datastores_auth_mode: str

valor predefinido: accessKey

Determina se deve ou não utilizar credenciais para as datas-lojas do sistema do espaço de trabalho 'workspaceblobstore' e 'workspacefilestore'. O valor predefinido é 'accessKey', caso em que o espaço de trabalho criará as datas do sistema com credenciais. Se for definido como 'identidade', o espaço de trabalho criará as datas do sistema sem credenciais.

v1_legacy_mode: bool

valor predefinido: None

Evite a utilização do serviço API v2 em Resource Manager públicos do Azure

Devoluções

O objeto do espaço de trabalho.

Tipo de retorno

Workspace

Exceções

WorkspaceException

Criado para problemas de criação do espaço de trabalho.

Observações

Este primeiro exemplo requer apenas uma especificação mínima, e todos os recursos dependentes, bem como o grupo de recursos, serão criados 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')

O exemplo a seguir mostra como reutilizar os recursos Azure existentes utilizando o formato de ID de recurso Azure. Os IDs específicos de recursos Azure podem ser recuperados através do Portal Azure ou SDK. Isto pressupõe que o grupo de recursos, a conta de armazenamento, o cofre-chave, a App Insights e o registo de contentores já existem.


   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

Eliminar o espaço de trabalho de aprendizagem da máquina Azure associado.

delete(delete_dependent_resources=False, no_wait=False)

Parâmetros

delete_dependent_resources: bool

valor predefinido: False

Se eliminar recursos associados ao espaço de trabalho, ou seja, registo de contentores, conta de armazenamento, cofre-chave e insights de aplicação. O padrão é falso. Definir para True para apagar estes recursos.

no_wait: bool

valor predefinido: False

Se esperar que a eliminação do espaço de trabalho esteja completa.

Devoluções

Nenhum se for bem sucedido; caso contrário, lança um erro.

Tipo de retorno

None

delete_connection

Elimine uma ligação do espaço de trabalho.

delete_connection(name)

Parâmetros

name: str

Necessário

O nome único da conexão no espaço de trabalho

delete_private_endpoint_connection

Elimine a ligação do ponto final privado ao espaço de trabalho.

delete_private_endpoint_connection(private_endpoint_connection_name)

Parâmetros

private_endpoint_connection_name: str

Necessário

O nome único da conexão de ponto final privado no espaço de trabalho

diagnose_workspace

Diagnosticar problemas de configuração do espaço de trabalho.

diagnose_workspace(diagnose_parameters)

Parâmetros

diagnose_parameters: <xref:_restclient.models.DiagnoseWorkspaceParameters>

Necessário

O parâmetro do diagnóstico da saúde do espaço de trabalho

Devoluções

Um caso de AzureOperationPoller que devolve o DiagnoseResponseResult

Tipo de retorno

AzureOperationPoller[<xref:_restclient.models.DiagnoseResponseResult>]

from_config

Retornar um objeto de espaço de trabalho de um espaço de trabalho de aprendizagem de máquina azure existente.

Lê a configuração do espaço de trabalho a partir de um ficheiro. Abre uma exceção se o ficheiro config não puder ser encontrado.

O método fornece uma forma simples de reutilizar o mesmo espaço de trabalho em vários cadernos ou projetos python. Os utilizadores podem guardar as propriedades do espaço de trabalho Azure Resource Manager (ARM) utilizando o write_config método, e usar este método para carregar o mesmo espaço de trabalho em diferentes cadernos ou projetos python sem reformular as propriedades arm do espaço de trabalho.

static from_config(path=None, auth=None, _logger=None, _file_name=None)

Parâmetros

path: str

valor predefinido: None

O caminho para o ficheiro config ou diretório inicial para pesquisar. O parâmetro não permite iniciar a pesquisa no diretório atual.

auth: ServicePrincipalAuthentication ou InteractiveLoginAuthentication

valor predefinido: None

O objeto de autenticação. Para mais detalhes, consulte https://aka.ms/aml-notebook-auth. Se Nenhuma, as credenciais padrão do Azure CLI serão usadas ou a API solicitará credenciais.

_logger: Logger

valor predefinido: None

Permite sobreprimir o madeireiro predefinido.

_file_name: str

valor predefinido: None

Permite que o nome do ficheiro config procure quando o caminho é um caminho de diretório.

Devoluções

O objeto do espaço de trabalho para um espaço de trabalho Azure ML existente.

Tipo de retorno

Workspace

get

Retornar um objeto de espaço de trabalho para um espaço de trabalho de aprendizagem de máquina azure existente.

Lança uma exceção se o espaço de trabalho não existe ou os campos necessários não identificarem exclusivamente um espaço de trabalho.

static get(name, auth=None, subscription_id=None, resource_group=None, location=None, cloud='AzureCloud', id=None)

Parâmetros

name: str

Necessário

O nome do espaço de trabalho para obter.

auth: ServicePrincipalAuthentication ou InteractiveLoginAuthentication

valor predefinido: None

O objeto de autenticação. Para mais detalhes, consulte https://aka.ms/aml-notebook-auth. Se Nenhuma, as credenciais padrão do Azure CLI serão usadas ou a API solicitará credenciais.

subscription_id: str

valor predefinido: None

O ID de assinatura para usar. O parâmetro é necessário se o utilizador tiver acesso a mais de uma subscrição.

resource_group: str

valor predefinido: None

O grupo de recursos para usar. Se Nenhum, o método procurará todos os grupos de recursos na subscrição.

location: str

valor predefinido: None

A localização do espaço de trabalho.

cloud: str

valor predefinido: AzureCloud

O nome da nuvem-alvo. Pode ser um de "AzureCloud", "AzureChinaCloud", ou "AzureUSGovernment". Se não for especificada nenhuma nuvem "AzureCloud".

id: str

valor predefinido: None

A identificação do espaço de trabalho.

Devoluções

O objeto do espaço de trabalho.

Tipo de retorno

Workspace

get_connection

Obtenha uma ligação do espaço de trabalho.

get_connection(name)

Parâmetros

name: str

Necessário

O nome único da conexão no espaço de trabalho

get_default_compute_target

Obtenha o alvo de computação padrão para o espaço de trabalho.

get_default_compute_target(type)

Parâmetros

type: str

O dicionário devolvido contém os seguintes pares de valor-chave.

id: URI apontando para este recurso do espaço de trabalho, contendo ID de subscrição, grupo de recursos e nome do espaço de trabalho.
nome: O nome deste espaço de trabalho.
localização: A região do espaço de trabalho.
tipo: Um URI do formato "{providerName}/workspaces".
tags: Não atualmente utilizado.
workspaceid: A identificação deste espaço de trabalho.
descrição: Não atualmente utilizado.
friendlyName: Um nome amigável para o espaço de trabalho exibido na UI.
criaçãoTime: Tempo este espaço de trabalho foi criado, em formato ISO8601.
containerRegistry: O registo do contentor do espaço de trabalho utilizado para puxar e empurrar imagens de experimentação e serviços web.
keyVault: O cofre da chave do espaço de trabalho utilizado para armazenar credenciais adicionadas ao espaço de trabalho pelos utilizadores.
aplicaçõesInsights: Os Insights de Aplicação serão utilizados pelo espaço de trabalho para registar eventos de webservices.
identidadePrincipalId:
identidadeTenantId
identidadeType
armazenamentoA contagem: O armazenamento será utilizado pelo espaço de trabalho para salvar saídas de execução, código, registos, etc.
sku: O espaço de trabalho SKU (também referido como edição). O parâmetro está presente para retrocompatibilidade e é ignorado.
resourceCmkUri: A chave URI do cliente geriu a chave para encriptar os dados em repouso. Consulte para https://docs.microsoft.com/en-us/azure-stack/user/azure-stack-key-vault-manage-portal?view=azs-1910 obter etapas sobre como criar uma chave e obter o seu URI.
hbiWorkspace: Especifica se os dados do cliente são de alto impacto do negócio.
imageBuildCompute: O alvo de computação para a construção de imagem.
systemDatastoresAuthMode: Determina se deve ou não utilizar credenciais para as datas do sistema das lojas de espaço de trabalho 'workspaceblobstore' e 'workspacefilestore'. O valor predefinido é 'accessKey', caso em que o espaço de trabalho criará as datas do sistema com credenciais. Se for definido como 'identidade', o espaço de trabalho criará as datas do sistema sem credenciais.

Para obter mais informações sobre estes pares de valores-chave, consulte create.

get_mlflow_tracking_uri

Obtenha o MLflow rastreando URI para o espaço de trabalho.

MLflow (https://mlflow.org/) é uma plataforma de código aberto para rastrear experiências de machine learning e gestão de modelos. Você pode usar APIs de registo de MLflow com Azure Machine Learning para que métricas, modelos e artefactos sejam registados no seu espaço de trabalho de Aprendizagem automática Azure.

get_mlflow_tracking_uri(_with_auth=False)

Parâmetros

_with_auth: bool

valor predefinido: False

(PRECADO) Adicione informações auth ao rastreio de URI.

Devoluções

O URI de rastreio compatível com mLflow.

Tipo de retorno

str

Observações

Utilize a seguinte amostra para configurar o rastreio do MLflow para enviar dados para o espaço de trabalho Azure ML:


   import mlflow
   from azureml.core import Workspace
   workspace = Workspace.from_config()
   mlflow.set_tracking_uri(workspace.get_mlflow_tracking_uri())

get_run

Volte a correr com as run_id especificadas no espaço de trabalho.

get_run(run_id)

Parâmetros

run_id: string

Necessário

A identificação da corrida.

Devoluções

A corrida submetida.

Tipo de retorno

Run

list

Lista todos os espaços de trabalho a que o utilizador tem acesso dentro da subscrição.

A lista de espaços de trabalho pode ser filtrada com base no grupo de recursos.

static list(subscription_id, auth=None, resource_group=None)

Parâmetros

subscription_id: str

Necessário

O ID de subscrição para a lista de espaços de trabalho.

auth: ServicePrincipalAuthentication ou InteractiveLoginAuthentication

valor predefinido: None

O objeto de autenticação. Para mais detalhes, consulte https://aka.ms/aml-notebook-auth. Se Nenhuma, as credenciais padrão do Azure CLI serão usadas ou a API solicitará credenciais.

resource_group: str

valor predefinido: None

Um grupo de recursos para filtrar os espaços de trabalho devolvidos. Se Nenhum, o método listará todos os espaços de trabalho dentro da subscrição especificada.

Devoluções

Um dicionário onde a chave é o nome do espaço de trabalho e o valor é uma lista de objetos do Espaço de Trabalho.

Tipo de retorno

dict

list_connections

Listar ligações neste espaço de trabalho.

list_connections(category=None, target=None)

Parâmetros

type: str

Necessário

O tipo desta ligação que será filtrada

target: str

valor predefinido: None

o alvo desta ligação que será filtrado em

category

valor predefinido: None

list_keys

Listar as chaves para o espaço de trabalho atual.

list_keys()

Tipo de retorno

object

set_connection

Adicione ou atualize uma ligação no espaço de trabalho.

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

Parâmetros

name: str

Necessário

O nome único da conexão no espaço de trabalho

category: str

Necessário

A categoria desta ligação

target: str

Necessário

o alvo que esta ligação liga a

authType: str

Necessário

o tipo de autorização desta ligação

value: str

Necessário

a cadeia de serialização do formato json dos detalhes da ligação

set_default_datastore

Desaja a datastore predefinido para o espaço de trabalho.

set_default_datastore(name)

Parâmetros

name: str

Necessário

O nome do Datastore a definir como padrão.

setup

Crie um novo espaço de trabalho ou recupere um espaço de trabalho existente.

static setup()

Devoluções

Um objeto do espaço de trabalho.

Tipo de retorno

Workspace

sync_keys

Aciona o espaço de trabalho para sincronizar imediatamente as teclas.

Se as teclas para qualquer recurso no espaço de trabalho forem alteradas, pode levar cerca de uma hora para serem atualizadas automaticamente. Esta função permite que as chaves sejam atualizadas mediante pedido. Um cenário exemplo é a necessidade de acesso imediato ao armazenamento após a regeneração das chaves de armazenamento.

sync_keys(no_wait=False)

Parâmetros

no_wait: bool

valor predefinido: False

Se esperar que as teclas de sincronização do espaço de trabalho sejam completadas.

Devoluções

Nenhum se for bem sucedido; caso contrário, lança um erro.

Tipo de retorno

None

update

Atualizar nome amigável, descrição, tags, computação de construção de imagem e outras configurações associadas a um espaço de trabalho.

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)

Parâmetros

friendly_name: str

valor predefinido: None

Um nome amigável para o espaço de trabalho que pode ser exibido na UI.

description: str

valor predefinido: None

Uma descrição do espaço de trabalho.

tags: dict

valor predefinido: None

Etiquetas para associar ao espaço de trabalho.

image_build_compute: str

valor predefinido: None

O nome computacional para a construção de imagem.

service_managed_resources_settings: <xref:azureml._base_sdk_common.workspace.models.ServiceManagedResourcesSettings>

valor predefinido: None

O serviço geriu as definições de recursos.

primary_user_assigned_identity: str

valor predefinido: None

O utilizador atribuiu o id de recursos de identidade que representa a identidade do espaço de trabalho.

allow_public_access_when_behind_vnet: bool

valor predefinido: None

Permitir o acesso público ao espaço de trabalho de ligação privada.

v1_legacy_mode: bool

valor predefinido: None

Evite a utilização do serviço API v2 em Resource Manager públicos do Azure

Devoluções

Um dicionário de informação atualizada.

Tipo de retorno

dict[str, str]

update_dependencies

Atualizar os recursos associados para o espaço de trabalho nos seguintes casos.

a) Quando um utilizador elimina acidentalmente um recurso associado existente e gostaria de atualizá-lo com um novo sem ter de recriar todo o espaço de trabalho. b) Quando um utilizador tem um recurso associado existente e quer substituir o atual que está associado ao espaço de trabalho. c) Quando um recurso associado ainda não tiver sido criado e pretender utilizar um existente que já tenha (só se aplica ao registo de contentores).

update_dependencies(container_registry=None, force=False)

Parâmetros

container_registry: str

valor predefinido: None

IDENTIFICAÇÃO DA ARM para o registo do contentor.

force: bool

valor predefinido: False

Se forçar a atualização dos recursos dependentes sem a confirmação solicitada.

Tipo de retorno

Workspace

write_config

Escreva o espaço de trabalho Azure Resource Manager propriedades (ARM) num ficheiro config.

As propriedades ARM do espaço de trabalho podem ser carregadas mais tarde utilizando o from_config método. O path incumprimento de '.azureml/' no atual diretório de trabalho e file_name incumprimentos para 'config.json'.

O método fornece uma forma simples de reutilizar o mesmo espaço de trabalho em vários cadernos ou projetos python. Os utilizadores podem guardar as propriedades do espaço de trabalho ARM utilizando esta função, e usar from_config para carregar o mesmo espaço de trabalho em diferentes cadernos python ou projetos sem reformular as propriedades arm do espaço de trabalho.

write_config(path=None, file_name=None)

Parâmetros

path: str

valor predefinido: None

O utilizador forneceu a localização para escrever o ficheiro config.json. O parâmetro não tem padrão para ".azureml/" no diretório de trabalho atual.

file_name: str

valor predefinido: None

Nome para usar para o ficheiro config. O parâmetro não tem config.json.

dict[str, Experiment]

images

Devolva a lista de imagens no espaço de trabalho.

Levanta um WebserviceException problema se houvesse um problema interagindo com o serviço de gestão de modelos.

Devoluções

Um dicionário com chave como nome de imagem e valor como Image objeto.

Tipo de retorno

dict[str, Image]

Exceções

WebserviceException

Houve um problema em interagir com o serviço de gestão de modelos.

linked_services

Listar todos os serviços ligados no espaço de trabalho.

Devoluções

Um dicionário onde a chave é um nome de serviço e valor ligados é um LinkedService objeto.

Tipo de retorno

dict[str, LinkedService]

location

Devolva a localização deste espaço de trabalho.

Devoluções

A localização deste espaço de trabalho.

Tipo de retorno

str

models

Devolva uma lista de modelos no espaço de trabalho.

Levanta um WebserviceException problema se houvesse um problema interagindo com o serviço de gestão de modelos.

Devoluções

Um dicionário de modelo com chave como nome de modelo e valor como Model objeto.

Tipo de retorno

dict[str, Model]

Exceções

Levanta um WebserviceException se houvesse um problema de devolver a lista.

Devoluções

Uma lista de serviços web no espaço de trabalho.

Tipo de retorno

dict[str, Webservice]

Exceções

WebserviceException

Houve um problema em devolver a lista.

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'