Share via

Azure ML Team Account Management-klientbibliotek för JavaScript – version 2.0.0-beta.4

  • Artikel

Det här paketet innehåller en isomorf SDK (körs både i Node.js och i webbläsare) för Azure ML Team Account Management-klienten.

Med dessa API:er kan slutanvändarna arbeta med Azure Machine Learning Team-kontoresurser. De stöder CRUD-åtgärder för Azure Machine Learning Team-konton.

Källkod | Paket (NPM) | API-referensdokumentation | Prover

Komma igång

Miljöer som stöds för närvarande

Mer information finns i vår supportprincip .

Förutsättningar

Installera @azure/arm-machinelearningexperimentation-paketet

Installera Azure ML Team Account Management-klientbiblioteket för JavaScript med npm:

npm install @azure/arm-machinelearningexperimentation

Skapa och autentisera en MLTeamAccountManagementClient

Om du vill skapa ett klientobjekt för åtkomst till Azure ML Team Account Management-API:et endpoint behöver du din Azure ML Team Account Management-resurs och en credential. Azure ML Team Account Management-klienten kan använda Azure Active Directory-autentiseringsuppgifter för att autentisera. Du hittar slutpunkten för din Azure ML Team Account Management-resurs i Azure Portal.

Du kan autentisera med Azure Active Directory med hjälp av en autentiseringsuppgift från @azure/identitetsbiblioteket eller en befintlig AAD-token.

Om du vill använda DefaultAzureCredential-providern som visas nedan eller andra leverantörer av autentiseringsuppgifter som medföljer Azure SDK installerar @azure/identity du paketet:

npm install @azure/identity

Du måste också registrera ett nytt AAD-program och bevilja åtkomst till Azure ML Team Account Management genom att tilldela lämplig roll till tjänstens huvudnamn (obs! roller som "Owner" inte beviljar nödvändiga behörigheter). Ange värdena för klient-ID, klient-ID och klienthemlighet för AAD-programmet som miljövariabler: AZURE_CLIENT_ID, AZURE_TENANT_ID, AZURE_CLIENT_SECRET.

Mer information om hur du skapar ett Azure AD-program finns i den här guiden.

const { MLTeamAccountManagementClient } = require("@azure/arm-machinelearningexperimentation");
const { DefaultAzureCredential } = require("@azure/identity");
// For client-side applications running in the browser, use InteractiveBrowserCredential instead of DefaultAzureCredential. See https://aka.ms/azsdk/js/identity/examples for more details.

const subscriptionId = "00000000-0000-0000-0000-000000000000";
const client = new MLTeamAccountManagementClient(new DefaultAzureCredential(), subscriptionId);

// For client-side applications running in the browser, use this code instead:
// const credential = new InteractiveBrowserCredential({
//   tenantId: "<YOUR_TENANT_ID>",
//   clientId: "<YOUR_CLIENT_ID>"
// });
// const client = new MLTeamAccountManagementClient(credential, subscriptionId);

JavaScript-paket

Om du vill använda det här klientbiblioteket i webbläsaren måste du först använda en bundler. Mer information om hur du gör detta finns i vår paketeringsdokumentation.

Viktiga begrepp

MLTeamAccountManagementClient

MLTeamAccountManagementClient är det primära gränssnittet för utvecklare som använder Azure ML Team Account Management-klientbiblioteket. Utforska metoderna i det här klientobjektet för att förstå de olika funktionerna i Azure ML Team Account Management-tjänsten som du kan komma åt.

Felsökning

Loggning

Aktivering av loggning kan hjälpa dig att hitta användbar information om fel. Om du vill se en logg över HTTP-begäranden och svar anger du AZURE_LOG_LEVEL miljövariabeln till info. Du kan också aktivera loggning vid körning genom att anropa setLogLevel i @azure/logger:

const { setLogLevel } = require("@azure/logger");
setLogLevel("info");

Mer detaljerade anvisningar om hur du aktiverar loggar finns i @azure-/loggningspaketdokumenten.

Nästa steg

Ta en titt på exempelkatalogen för detaljerade exempel på hur du använder det här biblioteket.

Bidra

Om du vill bidra till det här biblioteket kan du läsa bidragsguiden för att lära dig mer om hur du skapar och testar koden.

Visningar