Workspace Klass
Definierar en Azure Machine Learning-resurs för hantering av tränings- och distributionsartefakter.
En arbetsyta är en grundläggande resurs för maskininlärning i Azure Machine Learning. Du använder en arbetsyta för att experimentera, träna och distribuera maskininlärningsmodeller. Varje arbetsyta är kopplad till en Azure-prenumeration och resursgrupp och har en associerad SKU.
Mer information om arbetsytor finns i:
Konstruktor för klassarbetsyta för att läsa in en befintlig Azure Machine Learning-arbetsyta.
- Arv
-
builtins.objectWorkspace
Konstruktor
Workspace(subscription_id, resource_group, workspace_name, auth=None, _location=None, _disable_service_check=False, _workspace_id=None, sku='basic', tags=None, _cloud='AzureCloud')Parametrar
Autentiseringsobjektet. Mer information finns i https://aka.ms/aml-notebook-auth. Om inget används standardautentiseringsuppgifterna för Azure CLI eller så frågar API:et efter autentiseringsuppgifter.
- workspace_name
- str
Namnet på arbetsytan. Namnet måste innehålla mellan 2 och 32 tecken. Det första tecknet i namnet måste vara alfanumeriskt (bokstav eller tal), men resten av namnet kan innehålla alfanumeriska tecken, bindestreck och understreck. Tomt utrymme tillåts inte.
Autentiseringsobjektet. Mer information finns i https://aka.ms/aml-notebook-auth. Om inget används standardautentiseringsuppgifterna för Azure CLI eller så frågar API:et efter autentiseringsuppgifter.
Kommentarer
Följande exempel visar hur du skapar en arbetsyta.
from azureml.core import Workspace
ws = Workspace.create(name='myworkspace',
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup',
create_resource_group=True,
location='eastus2'
)
Ställ in create_resource_group på Falskt om du har en befintlig Azure-resursgrupp som du vill använda för arbetsytan.
Om du vill använda samma arbetsyta i flera miljöer skapar du en JSON-konfigurationsfil. Konfigurationsfilen sparar namnet på din prenumeration, resurs och arbetsyta så att den enkelt kan läsas in. Om du vill spara konfigurationen använder du write_config metoden .
ws.write_config(path="./file-path", file_name="ws_config.json")
Ett exempel på konfigurationsfilen finns i Skapa en konfigurationsfil för arbetsytan .
Om du vill läsa in arbetsytan från konfigurationsfilen from_config använder du metoden .
ws = Workspace.from_config()
ws.get_details()
Du kan också använda get metoden för att läsa in en befintlig arbetsyta utan att använda konfigurationsfiler.
ws = Workspace.get(name="myworkspace",
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup')
Exemplen ovan kan fråga dig om autentiseringsuppgifter för Azure med hjälp av en interaktiv inloggningsdialogruta. Andra användningsfall, inklusive användning av Azure CLI för autentisering och autentisering i automatiserade arbetsflöden, finns i Autentisering i Azure Machine Learning.
Metoder
| add_private_endpoint |
Lägg till en privat slutpunkt på arbetsytan. |
| create |
Skapa en ny Azure Machine Learning-arbetsyta. Genererar ett undantag om arbetsytan redan finns eller om något av arbetsytekraven inte uppfylls. |
| delete |
Ta bort de associerade resurserna för Azure Machine Learning-arbetsytan. |
| delete_connection |
Ta bort en anslutning till arbetsytan. |
| delete_private_endpoint_connection |
Ta bort den privata slutpunktsanslutningen till arbetsytan. |
| diagnose_workspace |
Diagnostisera problem med konfiguration av arbetsyta. |
| from_config |
Returnera ett arbetsyteobjekt från en befintlig Azure Machine Learning-arbetsyta. Läser konfigurationen av arbetsytan från en fil. Genererar ett undantag om konfigurationsfilen inte kan hittas. Metoden är ett enkelt sätt att återanvända samma arbetsyta i flera Python-notebook-filer eller -projekt. Användare kan spara egenskaperna för arbetsytan i Azure Resource Manager (ARM) med hjälp av metoden och använda den write_config här metoden för att läsa in samma arbetsyta i olika Python-anteckningsböcker eller projekt utan att ange arm-egenskaperna för arbetsytan igen. |
| get |
Returnera ett arbetsyteobjekt för en befintlig Azure Machine Learning-arbetsyta. Genererar ett undantag om arbetsytan inte finns eller om de obligatoriska fälten inte identifierar en arbetsyta unikt. |
| get_connection |
Hämta en anslutning till arbetsytan. |
| get_default_compute_target |
Hämta standardberäkningsmålet för arbetsytan. |
| get_default_datastore |
Hämta standarddatalagringen för arbetsytan. |
| get_default_keyvault |
Hämta standardnyckelvalvsobjektet för arbetsytan. |
| get_details |
Returnera information om arbetsytan. |
| get_mlflow_tracking_uri |
Hämta MLflow-spårnings-URI:n för arbetsytan. MLflow (https://mlflow.org/) är en plattform med öppen källkod för att spåra maskininlärningsexperiment och hantera modeller. Du kan använda MLflow-loggnings-API:er med Azure Machine Learning så att mått, modeller och artefakter loggas på din Azure Machine Learning-arbetsyta. |
| get_run |
Returnera körningen med den angivna run_id på arbetsytan. |
| list |
Visa en lista över alla arbetsytor som användaren har åtkomst till i prenumerationen. Listan över arbetsytor kan filtreras baserat på resursgruppen. |
| list_connections |
Lista anslutningar under den här arbetsytan. |
| list_keys |
Visa en lista över nycklar för den aktuella arbetsytan. |
| set_connection |
Lägg till eller uppdatera en anslutning under arbetsytan. |
| set_default_datastore |
Ange standarddatalager för arbetsytan. |
| setup |
Skapa en ny arbetsyta eller hämta en befintlig arbetsyta. |
| sync_keys |
Utlöser arbetsytan för att omedelbart synkronisera nycklar. Om nycklar för en resurs på arbetsytan ändras kan det ta ungefär en timme innan de uppdateras automatiskt. Den här funktionen gör att nycklar kan uppdateras på begäran. Ett exempelscenario är att du behöver omedelbar åtkomst till lagring efter att lagringsnycklarna har återskapats. |
| update |
Uppdatera eget namn, beskrivning, taggar, beräkning av avbildningsversion och andra inställningar som är associerade med en arbetsyta. |
| update_dependencies |
Uppdatera befintliga associerade resurser för arbetsytan i följande fall. a) När en användare av misstag tar bort en befintlig associerad resurs och vill uppdatera den med en ny utan att behöva återskapa hela arbetsytan. b) När en användare har en befintlig associerad resurs och vill ersätta den aktuella resursen som är associerad med arbetsytan. c) När en associerad resurs inte har skapats ännu och de vill använda en befintlig resurs som de redan har (gäller endast containerregistret). |
| write_config |
Skriv egenskaperna för Arbetsytan Azure Resource Manager (ARM) till en konfigurationsfil. ARM-egenskaper för arbetsytan kan läsas in senare med hjälp av from_config metoden . Standardvärdet Metoden ger ett enkelt sätt att återanvända samma arbetsyta i flera Python-notebook-filer eller -projekt. Användare kan spara ARM-egenskaperna för arbetsytan med hjälp av den här funktionen och använda from_config för att läsa in samma arbetsyta i olika Python-anteckningsböcker eller projekt utan att skriva om ARM-egenskaperna för arbetsytan. |
add_private_endpoint
Lägg till en privat slutpunkt på arbetsytan.
add_private_endpoint(private_endpoint_config, private_endpoint_auto_approval=True, location=None, show_output=True, tags=None)Parametrar
- private_endpoint_config
- PrivateEndPointConfig
Konfigurationen av den privata slutpunkten för att skapa en privat slutpunkt till arbetsytan.
- private_endpoint_auto_approval
- bool
En boolesk flagga som anger om skapandet av den privata slutpunkten ska godkännas automatiskt eller manuellt från Azure Private Link Center. Vid manuellt godkännande kan användarna visa den väntande begäran i Private Link portalen för att godkänna/avvisa begäran.
- location
- string
Plats för den privata slutpunkten, standard är arbetsytans plats
Returer
PrivateEndPoint-objektet skapades.
Returtyp
create
Skapa en ny Azure Machine Learning-arbetsyta.
Genererar ett undantag om arbetsytan redan finns eller om något av arbetsytekraven inte uppfylls.
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)Parametrar
- name
- str
Namnet på den nya arbetsytan. Namnet måste innehålla mellan 2 och 32 tecken. Det första tecknet i namnet måste vara alfanumeriskt (bokstav eller tal), men resten av namnet kan innehålla alfanumeriska tecken, bindestreck och understreck. Tomt utrymme tillåts inte.
Autentiseringsobjektet. Mer information finns i https://aka.ms/aml-notebook-auth. Om inget används standardautentiseringsuppgifterna för Azure CLI eller så frågar API:et efter autentiseringsuppgifter.
- subscription_id
- str
Prenumerations-ID för den innehållande prenumerationen för den nya arbetsytan. Parametern krävs om användaren har åtkomst till fler än en prenumeration.
- resource_group
- str
Den Azure-resursgrupp som innehåller arbetsytan. Parametern är som standard en mutation av arbetsytans namn.
- location
- str
Arbetsytans plats. Parametern är som standard resursgruppens plats. Platsen måste vara en region som stöds för Azure Machine Learning.
- friendly_name
- str
Ett valfritt eget namn för arbetsytan som kan visas i användargränssnittet.
- storage_account
- str
Ett befintligt lagringskonto i Azure-resurs-ID-format. Lagringen används av arbetsytan för att spara körningsutdata, kod, loggar osv. Om Inget skapas ett nytt lagringskonto.
- key_vault
- str
Ett befintligt nyckelvalv i Azure-resurs-ID-format. Mer information om Azure-resurs-ID-formatet finns i exempelkoden nedan. Nyckelvalvet används av arbetsytan för att lagra autentiseringsuppgifter som läggs till i arbetsytan av användarna. Om Inget skapas ett nytt nyckelvalv.
- app_insights
- str
En befintlig Application Insights i Azure-resurs-ID-format. Mer information om Azure-resurs-ID-formatet finns i exempelkoden nedan. Application Insights används av arbetsytan för att logga webbtjänsthändelser. Om ingen skapas en ny Application Insights.
- container_registry
- str
Ett befintligt containerregister i Azure-resurs-ID-format (se exempelkod nedan för information om Azure-resurs-ID-format). Containerregistret används av arbetsytan för att hämta och push-överföra både experimenterings- och webbtjänstavbildningar. Om Inget skapas ett nytt containerregister endast när det behövs och inte tillsammans med att arbetsytan skapas.
- adb_workspace
- str
En befintlig Adb-arbetsyta i Azure-resurs-ID-format (se exempelkod nedan för information om Azure-resurs-ID-format). Adb-arbetsytan används för att länka till arbetsytan. Om ingen, sker inte länken till arbetsytan.
- primary_user_assigned_identity
- str
Resurs-ID för den användartilldelade identitet som användes för att representera arbetsytan
- cmk_keyvault
- str
Nyckelvalvet som innehåller den kundhanterade nyckeln i Azure-resurs-ID-format:/subscriptions/<azure-subscription-id>/resourcegroups/<azure-resource-group>/providers/microsoft.keyvault/vaults/<azure-keyvault-name> Exempel: "/subscriptions/d139f240-94e6-4175-87a7-954b9d27db16/resourcegroups/myresourcegroup/providers/microsoft.keyvault/vaults/mykeyvault" Se exempelkoden i kommentarerna nedan för mer information om Azure-resurs-ID-formatet.
- resource_cmk_uri
- str
Nyckel-URI:n för den kundhanterade nyckeln för att kryptera vilande data.
URI-formatet är: https://<keyvault-dns-name>/keys/<key-name>/<key-version>.
Till exempel "https://mykeyvault.vault.azure.net/keys/mykey/bc5dce6d01df49w2na7ffb11a2ee008b".
https://docs.microsoft.com/azure-stack/user/azure-stack-key-vault-manage-portal Se anvisningar för hur du skapar en nyckel och hämtar dess URI.
- hbi_workspace
- bool
Anger om arbetsytan innehåller data från HBI (High Business Impact), dvs. innehåller känslig affärsinformation. Den här flaggan kan bara anges när arbetsytan skapas. Det går inte att ändra dess värde när arbetsytan har skapats. Standardvärdet är Falskt.
När värdet är True utförs ytterligare krypteringssteg, och beroende på SDK-komponenten resulterar det i redigerad information i internt insamlad telemetri. Mer information finns i Datakryptering.
När den här flaggan är inställd på Sant är en möjlig inverkan ökad svårighet att felsöka problem. Detta kan inträffa eftersom viss telemetri inte skickas till Microsoft och det finns mindre insyn i framgångsfrekvenser eller problemtyper, och därför kanske inte kan reagera lika proaktivt när den här flaggan är True. Rekommendationen är att använda standardvärdet False för den här flaggan om det inte är absolut nödvändigt att vara True.
- default_cpu_compute_target
- AmlComputeProvisioningConfiguration
(INAKTUELL) En konfiguration som ska användas för att skapa en CPU-beräkning. Parametern är som standard {min_nodes=0, max_nodes=2, vm_size="STANDARD_DS2_V2", vm_priority="dedicated"} Om ingen, skapas ingen beräkning.
- default_gpu_compute_target
- AmlComputeProvisioningConfiguration
(INAKTUELL) En konfiguration som ska användas för att skapa en GPU-beräkning. Parametern är som standard {min_nodes=0, max_nodes=2, vm_size="STANDARD_NC6", vm_priority="dedicated"} Om ingen, skapas ingen beräkning.
- private_endpoint_config
- PrivateEndPointConfig
Konfigurationen av den privata slutpunkten för att skapa en privat slutpunkt till Azure ML-arbetsytan.
- private_endpoint_auto_approval
- bool
En boolesk flagga som anger om skapandet av den privata slutpunkten ska godkännas automatiskt eller manuellt från Azure Private Link Center. Vid manuellt godkännande kan användarna visa den väntande begäran i Private Link portalen för att godkänna/avvisa begäran.
- exist_ok
- bool
Anger om den här metoden lyckas om arbetsytan redan finns. Om det är falskt misslyckas den här metoden om arbetsytan finns. Om sant returnerar den här metoden den befintliga arbetsytan om den finns.
- user_assigned_identity_for_cmk_encryption
- str
Resurs-ID:t för den användartilldelade identiteten som måste användas för att få åtkomst till kundens hanteringsnyckel
- system_datastores_auth_mode
- str
Avgör om autentiseringsuppgifter ska användas för systemdatalager för arbetsytan "workspaceblobstore" och "workspacefilestore". Standardvärdet är "accessKey", i så fall skapar arbetsytan systemdatalager med autentiseringsuppgifter. Om inställningen är "identitet" skapar arbetsytan systemdatalager utan autentiseringsuppgifter.
- v1_legacy_mode
- bool
Förhindra användning av v2 API-tjänsten på offentliga Azure Resource Manager
Returer
Arbetsyteobjektet.
Returtyp
Undantag
Skapades för problem med att skapa arbetsytan.
Kommentarer
Det första exemplet kräver bara minimal specifikation, och alla beroende resurser samt resursgruppen skapas automatiskt.
from azureml.core import Workspace
ws = Workspace.create(name='myworkspace',
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup',
create_resource_group=True,
location='eastus2')
I följande exempel visas hur du återanvänder befintliga Azure-resurser med hjälp av Azure-resurs-ID-formatet. Specifika Azure-resurs-ID:t kan hämtas via Azure Portal eller SDK. Detta förutsätter att resursgruppen, lagringskontot, nyckelvalvet, App Insights och containerregistret redan finns.
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
Ta bort de associerade resurserna för Azure Machine Learning-arbetsytan.
delete(delete_dependent_resources=False, no_wait=False)Parametrar
- delete_dependent_resources
- bool
Om du vill ta bort resurser som är associerade med arbetsytan, t.ex. containerregister, lagringskonto, nyckelvalv och application insights. Standardvärdet är Falskt. Ställ in på Sant om du vill ta bort dessa resurser.
Returer
Ingen om det lyckas; annars genererar ett fel.
Returtyp
delete_connection
Ta bort en anslutning till arbetsytan.
delete_connection(name)Parametrar
delete_private_endpoint_connection
Ta bort den privata slutpunktsanslutningen till arbetsytan.
delete_private_endpoint_connection(private_endpoint_connection_name)Parametrar
- private_endpoint_connection_name
- str
Det unika namnet på den privata slutpunktsanslutningen under arbetsytan
diagnose_workspace
Diagnostisera problem med konfiguration av arbetsyta.
diagnose_workspace(diagnose_parameters)Parametrar
- diagnose_parameters
- <xref:_restclient.models.DiagnoseWorkspaceParameters>
Parametern för att diagnostisera arbetsytans hälsa
Returer
En instans av AzureOperationPoller som returnerar DiagnoseResponseResult
Returtyp
from_config
Returnera ett arbetsyteobjekt från en befintlig Azure Machine Learning-arbetsyta.
Läser konfigurationen av arbetsytan från en fil. Genererar ett undantag om konfigurationsfilen inte kan hittas.
Metoden är ett enkelt sätt att återanvända samma arbetsyta i flera Python-notebook-filer eller -projekt. Användare kan spara egenskaperna för arbetsytan i Azure Resource Manager (ARM) med hjälp av metoden och använda den write_config här metoden för att läsa in samma arbetsyta i olika Python-anteckningsböcker eller projekt utan att ange arm-egenskaperna för arbetsytan igen.
static from_config(path=None, auth=None, _logger=None, _file_name=None)Parametrar
- path
- str
Sökvägen till konfigurationsfilen eller startkatalogen för sökning. Parametern startar som standard sökningen i den aktuella katalogen.
Autentiseringsobjektet. Mer information finns i https://aka.ms/aml-notebook-auth. Om inget används standardautentiseringsuppgifterna för Azure CLI eller så frågar API:et efter autentiseringsuppgifter.
- _file_name
- str
Gör att du kan åsidosätta konfigurationsfilens namn för att söka efter när sökvägen är en katalogsökväg.
Returer
Arbetsyteobjektet för en befintlig Azure ML-arbetsyta.
Returtyp
get
Returnera ett arbetsyteobjekt för en befintlig Azure Machine Learning-arbetsyta.
Genererar ett undantag om arbetsytan inte finns eller om de obligatoriska fälten inte identifierar en arbetsyta unikt.
static get(name, auth=None, subscription_id=None, resource_group=None, location=None, cloud='AzureCloud', id=None)Parametrar
Autentiseringsobjektet. Mer information finns i https://aka.ms/aml-notebook-auth. Om inget används standardautentiseringsuppgifterna för Azure CLI eller så frågar API:et efter autentiseringsuppgifter.
- subscription_id
- str
Det prenumerations-ID som ska användas. Parametern krävs om användaren har åtkomst till fler än en prenumeration.
- resource_group
- str
Den resursgrupp som ska användas. Om den är Ingen söker metoden igenom alla resursgrupper i prenumerationen.
- cloud
- str
Namnet på målmolnet. Kan vara något av "AzureCloud", "AzureChinaCloud" eller "AzureUSGovernment". Om inget moln anges används "AzureCloud".
Returer
Arbetsyteobjektet.
Returtyp
get_connection
Hämta en anslutning till arbetsytan.
get_connection(name)Parametrar
get_default_compute_target
Hämta standardberäkningsmålet för arbetsytan.
get_default_compute_target(type)Parametrar
Returer
Standardberäkningsmålet för den angivna beräkningstypen.
Returtyp
get_default_datastore
Hämta standarddatalagringen för arbetsytan.
get_default_datastore()Returer
Standarddatalager.
Returtyp
get_default_keyvault
Hämta standardnyckelvalvsobjektet för arbetsytan.
get_default_keyvault()Returer
Det KeyVault-objekt som är associerat med arbetsytan.
Returtyp
get_details
Returnera information om arbetsytan.
get_details()Returer
Arbetsyteinformation i ordlisteformat.
Returtyp
Kommentarer
Den returnerade ordlistan innehåller följande nyckel/värde-par.
id: URI som pekar på den här arbetsyteresursen och som innehåller prenumerations-ID, resursgrupp och arbetsytenamn.
name: Namnet på den här arbetsytan.
plats: Arbetsytans region.
type: En URI för formatet "{providerName}/workspaces".
tags: Används inte för närvarande.
workspaceid: ID för den här arbetsytan.
description: Används inte för närvarande.
friendlyName: Ett eget namn för arbetsytan som visas i användargränssnittet.
creationTime: Tiden då den här arbetsytan skapades i ISO8601-format.
containerRegistry: Arbetsytans containerregister som används för att hämta och push-överföra både experimenterings- och webbtjänstavbildningar.
keyVault: Nyckelvalvet för arbetsytan som används för att lagra autentiseringsuppgifter som lagts till på arbetsytan av användarna.
applicationInsights: Application Insights används av arbetsytan för att logga webbtjänsthändelser.
identityPrincipalId:
identityTenantId
identityType
storageAccount: Lagringen används av arbetsytan för att spara körningsutdata, kod, loggar osv.
sku: Arbetsytans SKU (kallas även utgåva). Parametern finns för bakåtkompatibilitet och ignoreras.
resourceCmkUri: Nyckel-URI för den kundhanterade nyckeln för att kryptera vilande data. https://docs.microsoft.com/en-us/azure-stack/user/azure-stack-key-vault-manage-portal?view=azs-1910 Se för anvisningar om hur du skapar en nyckel och hämtar dess URI.
hbiWorkspace: Anger om kunddata har stor inverkan på verksamheten.
imageBuildCompute: Beräkningsmålet för avbildningsbygge.
systemDatastoresAuthMode: Avgör om autentiseringsuppgifter ska användas för systemdatalager för arbetsytan "workspaceblobstore" och "workspacefilestore". Standardvärdet är "accessKey", i så fall skapar arbetsytan systemdatalager med autentiseringsuppgifter. Om värdet är "identitet" skapar arbetsytan systemdatalager utan autentiseringsuppgifter.
Mer information om dessa nyckel/värde-par finns i create.
get_mlflow_tracking_uri
Hämta MLflow-spårnings-URI:n för arbetsytan.
MLflow (https://mlflow.org/) är en plattform med öppen källkod för att spåra maskininlärningsexperiment och hantera modeller. Du kan använda MLflow-loggnings-API:er med Azure Machine Learning så att mått, modeller och artefakter loggas på din Azure Machine Learning-arbetsyta.
get_mlflow_tracking_uri(_with_auth=False)Parametrar
- _with_auth
- bool
(INAKTUELL) Lägg till autentiseringsinformation i spårnings-URI.
Returer
MLflow-kompatibel spårnings-URI.
Returtyp
Kommentarer
Använd följande exempel för att konfigurera MLflow-spårning för att skicka data till Azure ML-arbetsytan:
import mlflow
from azureml.core import Workspace
workspace = Workspace.from_config()
mlflow.set_tracking_uri(workspace.get_mlflow_tracking_uri())
get_run
Returnera körningen med den angivna run_id på arbetsytan.
get_run(run_id)Parametrar
Returer
Den skickade körningen.
Returtyp
list
Visa en lista över alla arbetsytor som användaren har åtkomst till i prenumerationen.
Listan över arbetsytor kan filtreras baserat på resursgruppen.
static list(subscription_id, auth=None, resource_group=None)Parametrar
Autentiseringsobjektet. Mer information finns i https://aka.ms/aml-notebook-auth. Om inget används standardautentiseringsuppgifterna för Azure CLI eller så frågar API:et efter autentiseringsuppgifter.
- resource_group
- str
En resursgrupp för att filtrera de returnerade arbetsytorna. Om ingen visas en lista över alla arbetsytor i den angivna prenumerationen.
Returer
En ordlista där nyckeln är arbetsytans namn och värdet är en lista över arbetsyteobjekt.
Returtyp
list_connections
Lista anslutningar under den här arbetsytan.
list_connections(category=None, target=None)Parametrar
- category
list_keys
set_connection
Lägg till eller uppdatera en anslutning under arbetsytan.
set_connection(name, category, target, authType, value)Parametrar
set_default_datastore
Ange standarddatalager för arbetsytan.
set_default_datastore(name)Parametrar
setup
Skapa en ny arbetsyta eller hämta en befintlig arbetsyta.
static setup()Returer
Ett arbetsyteobjekt.
Returtyp
sync_keys
Utlöser arbetsytan för att omedelbart synkronisera nycklar.
Om nycklar för en resurs på arbetsytan ändras kan det ta ungefär en timme innan de uppdateras automatiskt. Den här funktionen gör att nycklar kan uppdateras på begäran. Ett exempelscenario är att du behöver omedelbar åtkomst till lagring efter att lagringsnycklarna har återskapats.
sync_keys(no_wait=False)Parametrar
- no_wait
- bool
Om du vill vänta tills synkroniseringsnycklarna för arbetsytan har slutförts.
Returer
Ingen om det lyckas; annars utlöser ett fel.
Returtyp
update
Uppdatera eget namn, beskrivning, taggar, beräkning av avbildningsversion och andra inställningar som är associerade med en arbetsyta.
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)Parametrar
- friendly_name
- str
Ett eget namn för arbetsytan som kan visas i användargränssnittet.
- service_managed_resources_settings
- <xref:azureml._base_sdk_common.workspace.models.ServiceManagedResourcesSettings>
Inställningarna för tjänsthanterade resurser.
- primary_user_assigned_identity
- str
Resurs-ID:t för den användartilldelade identiteten som representerar arbetsytans identitet.
- allow_public_access_when_behind_vnet
- bool
Tillåt offentlig åtkomst till arbetsytan Private Link.
- v1_legacy_mode
- bool
Förhindra användning av v2 API-tjänsten på offentliga Azure Resource Manager
Returer
En ordlista med uppdaterad information.
Returtyp
update_dependencies
Uppdatera befintliga associerade resurser för arbetsytan i följande fall.
a) När en användare av misstag tar bort en befintlig associerad resurs och vill uppdatera den med en ny utan att behöva återskapa hela arbetsytan. b) När en användare har en befintlig associerad resurs och vill ersätta den aktuella resursen som är associerad med arbetsytan. c) När en associerad resurs inte har skapats ännu och de vill använda en befintlig resurs som de redan har (gäller endast containerregistret).
update_dependencies(container_registry=None, force=False)Parametrar
- force
- bool
Om framtvinga uppdatering av beroende resurser utan att du tillfrågas om bekräftelse.
Returtyp
write_config
Skriv egenskaperna för Arbetsytan Azure Resource Manager (ARM) till en konfigurationsfil.
ARM-egenskaper för arbetsytan kan läsas in senare med hjälp av from_config metoden . Standardvärdet path är ".azureml/" i den aktuella arbetskatalogen och file_name standardvärdet är "config.json".
Metoden ger ett enkelt sätt att återanvända samma arbetsyta i flera Python-notebook-filer eller -projekt. Användare kan spara ARM-egenskaperna för arbetsytan med hjälp av den här funktionen och använda from_config för att läsa in samma arbetsyta i olika Python-anteckningsböcker eller projekt utan att skriva om ARM-egenskaperna för arbetsytan.
write_config(path=None, file_name=None)Parametrar
- path
- str
Användaren angav en plats där filen config.json skulle skrivas. Parametern är som standard ".azureml/" i den aktuella arbetskatalogen.
- file_name
- str
Namn som ska användas för konfigurationsfilen. Parametern är som standard config.json.
Attribut
compute_targets
Visa en lista över alla beräkningsmål på arbetsytan.
Returer
En ordlista med nyckel som beräkningsmålnamn och värde som ComputeTarget objekt.
Returtyp
datasets
Visa en lista över alla datauppsättningar på arbetsytan.
Returer
En ordlista med nyckel som datauppsättningsnamn och värde som Dataset objekt.
Returtyp
datastores
Visa en lista över alla datalager på arbetsytan. Den här åtgärden returnerar inte autentiseringsuppgifter för datalager.
Returer
En ordlista med nyckel som datalagernamn och värde som Datastore objekt.
Returtyp
discovery_url
Returnera identifierings-URL:en för den här arbetsytan.
Returer
Identifierings-URL:en för den här arbetsytan.
Returtyp
environments
Visa en lista över alla miljöer på arbetsytan.
Returer
En ordlista med nyckel som miljönamn och värde som Environment objekt.
Returtyp
experiments
Visa en lista över alla experiment på arbetsytan.
Returer
En ordlista med nyckel som experimentnamn och värde som Experiment objekt.
Returtyp
images
Returnera listan med bilder på arbetsytan.
Genererar ett WebserviceException om det uppstod ett problem med att interagera med modellhanteringstjänsten.
Returer
En ordlista med nyckel som bildnamn och värde som Image objekt.
Returtyp
Undantag
Det uppstod ett problem med att interagera med modellhanteringstjänsten.
linked_services
Visa en lista över alla länkade tjänster på arbetsytan.
Returer
En ordlista där nyckeln är ett länkat tjänstnamn och värde är ett LinkedService objekt.
Returtyp
location
models
Returnera en lista över modellen på arbetsytan.
Genererar ett WebserviceException om det uppstod ett problem med att interagera med modellhanteringstjänsten.
Returer
En ordlista med modell med nyckeln som modellnamn och värde som Model objekt.
Returtyp
Undantag
Det uppstod ett problem med att interagera med modellhanteringstjänsten.
name
private_endpoints
Visa en lista över alla privata slutpunkter för arbetsytan.
Returer
En dikta av PrivateEndPoint-objekt som är associerade med arbetsytan. Nyckeln är namnet på den privata slutpunkten.
Returtyp
resource_group
service_context
Returnera tjänstkontexten för den här arbetsytan.
Returer
Returnerar ServiceContext-objektet.
Returtyp
sku
subscription_id
tags
webservices
Returnera en lista över webbtjänster på arbetsytan.
Genererar ett WebserviceException om det uppstod ett problem med att returnera listan.
Returer
En lista över webbtjänster på arbetsytan.
Returtyp
Undantag
Det gick inte att returnera listan.
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'Feedback
Kommer snart: Under hela 2024 kommer vi att fasa ut GitHub-problem som feedbackmekanism för innehåll och ersätta det med ett nytt feedbacksystem. Mer information finns i: https://aka.ms/ContentUserFeedback.
Skicka och visa feedback för