Azure CLI uzantısı v1'i kullanarak Azure Machine Learning çalışma alanlarını yönetme

ŞUNLAR IÇIN GEÇERLIDIR: Azure CLI ml uzantısı v1

Önemli

Bu makaledeki Azure CLI komutlarından bazıları Azure Machine Learning için uzantısını veya v1'i kullanır azure-cli-ml. v1 uzantısı desteği 30 Eylül 2025'te sona erecektir. Bu tarihe kadar v1 uzantısını yükleyebilecek ve kullanabileceksiniz.

30 Eylül 2025'e kadar , veya v2 uzantısına geçmenizi mlöneririz. v2 uzantısı hakkında daha fazla bilgi için bkz . Azure ML CLI uzantısı ve Python SDK v2.

Bu makalede, Azure CLI kullanarak Azure Machine Learning çalışma alanları oluşturmayı ve yönetmeyi öğreneceksiniz. Azure CLI, Azure kaynaklarını yönetmeye yönelik komutlar sağlar ve otomasyona vurgu yaparak Azure ile hızla çalışmanızı sağlayacak şekilde tasarlanmıştır. CLI için makine öğrenmesi uzantısı, Azure Machine Learning kaynaklarıyla çalışmaya yönelik komutlar sağlar.

Önkoşullar

• Bir Azure aboneliği. Yoksa Azure Machine Learning'in ücretsiz veya ücretli sürümünü deneyin.

• Bu belgedeki CLI komutlarını yerel ortamınızdan kullanmak için Azure CLI gerekir.

  Azure Cloud Shell kullanıyorsanız CLI'ya tarayıcı üzerinden erişilir ve bulutta bulunur.

Sınırlamalar

• Yeni bir çalışma alanı oluşturduğunuzda, çalışma alanı için gereken hizmetleri otomatik olarak oluşturabilir veya mevcut hizmetleri kullanabilirsiniz. Çalışma alanından farklı bir Azure aboneliğindeki mevcut hizmetleri kullanmak istiyorsanız, Azure Machine Learning ad alanını bu hizmetleri içeren aboneliğe kaydetmeniz gerekir. Örneğin, A aboneliğinde B aboneliğinde depolama hesabı kullanan bir çalışma alanı oluşturursanız, çalışma alanının depolama hesabını kullanabilmesi için önce Azure Machine Learning ad alanının B aboneliğine kaydedilmesi gerekir.

  Azure Machine Learning için kaynak sağlayıcısı Microsoft.MachineLearningServices'tir. Kayıtlı olup olmadığını veya kaydedip kaydetmediğini görme hakkında bilgi için bkz . Azure kaynak sağlayıcıları ve türleri.

  Önemli

  Bu bilgiler yalnızca çalışma alanı oluşturma sırasında sağlanan kaynaklar için geçerlidir: Azure Depolama Hesapları, Azure Container Registry, Azure Key Vault ve Application Insights.

İpucu

Çalışma alanını oluşturduğunuzda bir Azure Uygulaması lication Insights örneği oluşturulur. İsterseniz küme oluşturma işleminden sonra Application Insights örneğini silebilirsiniz. Silme, çalışma alanından toplanan bilgileri sınırlar ve sorunları gidermeyi zorlaştırabilir. Çalışma alanı tarafından oluşturulan Application Insights örneğini silerseniz, yeniden oluşturmanın tek yolu çalışma alanını silmek ve yeniden oluşturmaktır.

Application Insights örneğini kullanma hakkında daha fazla bilgi için bkz . Machine Learning web hizmeti uç noktalarını izleme ve veri toplama.

Güvenli CLI iletişimleri

Azure CLI komutlarından bazıları Azure Resource Manager ile İnternet üzerinden iletişim kurar. Bu iletişim HTTPS/TLS 1.2 kullanılarak güvenli hale getirilir.

Azure Machine Learning CLI uzantısı v1 ()azure-cli-ml ile yalnızca bazı komutlar Azure Resource Manager ile iletişim kurar. Özellikle, Azure kaynaklarını oluşturan, güncelleştiren, silen, listeleyen veya gösteren komutlar. Eğitim işi gönderme gibi işlemler doğrudan Azure Machine Learning çalışma alanıyla iletişim kurar. Çalışma alanınız özel bir uç noktayla güvenli hale getirildiyse, uzantı tarafından sağlanan komutların azure-cli-ml güvenliğini sağlamak için bu yeterlidir.

CLI'yı Azure aboneliğinize bağlama

Önemli

Azure Cloud Shell kullanıyorsanız bu bölümü atlayabilirsiniz. Cloud Shell, Azure aboneliğinizde oturum açtığınız hesabı kullanarak kimliğinizi otomatik olarak doğrular.

CLI'dan Azure aboneliğinizde kimlik doğrulaması yapmanın çeşitli yolları vardır. En basiti, tarayıcı kullanarak etkileşimli kimlik doğrulaması yapmaktır. Etkileşimli kimlik doğrulaması yapmak için bir komut satırı veya terminal açın ve aşağıdaki komutu kullanın:

az login

CLI varsayılan tarayıcınızı açabiliyorsa, tarayıcıyı açar ve oturum açma sayfasını yükler. Aksi takdirde, bir tarayıcı açmanız ve komut satırındaki yönergeleri izlemeniz gerekir. Yönergeler, yetkilendirme koduna https://aka.ms/devicelogin göz atmayı ve bu kodu girmeyi içerir.

İpucu

Oturum açtığınızda Azure hesabınızla ilişkili aboneliklerin listesini görürsünüz. ile isDefault: true abonelik bilgileri, Azure CLI komutları için şu anda etkinleştirilmiş olan aboneliktir. Bu abonelik, Azure Machine Learning çalışma alanınızı içeren abonelikle aynı olmalıdır. Abonelik bilgilerini Azure portalında çalışma alanınızın genel bakış sayfasında bulabilirsiniz.

Azure CLI komutlarını kullanmak üzere başka bir abonelik seçmek için komutunu çalıştırın az account set -s <subscription> ve geçiş için abonelik adını veya kimliğini belirtin. Abonelik seçimi hakkında daha fazla bilgi için bkz . Birden çok Azure aboneliği kullanma.

Diğer kimlik doğrulama yöntemleri için bkz . Azure CLI ile oturum açma.

Kaynak grubu oluşturma

Azure Machine Learning çalışma alanı bir kaynak grubu içinde oluşturulmalıdır. Mevcut bir kaynak grubunu kullanabilir ya da yeni bir kaynak grubu oluşturabilirsiniz. Yeni bir kaynak grubu oluşturmak için aşağıdaki komutu kullanın. değerini bu kaynak grubu için kullanılacak adla değiştirin <resource-group-name> . değerini bu kaynak grubu için kullanılacak Azure bölgesiyle değiştirin <location> :

Not

Azure Machine Learning'in kullanılabildiği bir bölge seçmelisiniz. Bilgi için bkz . Bölgeye göre kullanılabilir ürünler.

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

Bu komuttan gelen yanıt aşağıdaki JSON'a benzer. Oluşturulan kaynakları bulmak veya otomasyon için sonraki CLI adımlarına giriş olarak ayrıştırmak için çıkış değerlerini kullanabilirsiniz.

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

Kaynak gruplarıyla çalışma hakkında daha fazla bilgi için bkz . az group.

Çalışma alanı oluşturma

Azure Machine Learning çalışma alanını dağıttığınızda, bağımlı ilişkili kaynaklar olarak diğer çeşitli hizmetler gerekir. Çalışma alanını oluşturmak için CLI kullandığınızda, CLI sizin yerinize yeni ilişkili kaynaklar oluşturabilir veya mevcut kaynakları ekleyebilirsiniz.

Önemli

Kendi depolama hesabınızı eklerken aşağıdaki ölçütleri karşıladığından emin olun:

• Depolama hesabı bir premium hesap değil (Premium_LRS ve Premium_GRS)
• Hem Azure Blob hem de Azure Dosya özellikleri etkin
• Hiyerarşik Ad Alanı (ADLS 2. Nesil) devre dışı bırakıldı Bu gereksinimler yalnızca çalışma alanı tarafından kullanılan varsayılan depolama hesabına yöneliktir.

Azure container registry eklerken, Azure Machine Learning çalışma alanıyla kullanılabilmesi için önce yönetici hesabının etkinleştirilmesi gerekir.

Yeni kaynaklarla oluşturma

Hizmetlerin otomatik olarak oluşturulduğu yeni bir çalışma alanı oluşturmak için aşağıdaki komutu kullanın:

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

Mevcut kaynakları getirme

Mevcut kaynakları kullanan bir çalışma alanı oluşturmak için her kaynağın kaynak kimliğini sağlamanız gerekir. Bu kimliği Azure portalı aracılığıyla her kaynağın 'özellikler' sekmesinden veya Azure CLI kullanarak aşağıdaki komutları çalıştırarak alabilirsiniz.

• Azure Depolama Hesabı: az storage account show --name <storage-account-name> --query "id"
• Azure Uygulaması lication Insights:az monitor app-insights component show --app <application-insight-name> -g <resource-group-name> --query "id"
• Azure Key Vault: az keyvault show --name <key-vault-name> --query "ID"
• Azure Container Registry: az acr show --name <acr-name> -g <resource-group-name> --query "id"

Döndürülen kaynak kimliği şu biçimdedir: "/subscriptions/<service-GUID>/resourceGroups/<resource-group-name>/providers/<provider>/<subresource>/<resource-name>".

Çalışma alanıyla kullanmak istediğiniz kaynakların kimliklerini aldıktan sonra temel az workspace create -w <workspace-name> -g <resource-group-name> komutunu kullanın ve mevcut kaynaklar için parametreleri ve kimlikleri ekleyin. Örneğin, aşağıdaki komut mevcut bir kapsayıcı kayıt defterini kullanan bir çalışma alanı oluşturur:

az ml workspace create -w <workspace-name>
                       -g <resource-group-name>
                       --container-registry "/subscriptions/<service-GUID>/resourceGroups/<resource-group-name>/providers/Microsoft.ContainerRegistry/registries/<acr-name>"

Önemli

Mevcut kaynakları eklerken tümünü belirtmeniz gerekmez. Bir veya daha fazla belirtebilirsiniz. Örneğin, mevcut bir depolama hesabı belirtebilirsiniz ve çalışma alanı diğer kaynakları oluşturur.

Çalışma alanı oluşturma komutunun çıktısı aşağıdaki JSON'a benzer. Oluşturulan kaynakları bulmak veya sonraki CLI adımlarına giriş olarak ayrıştırmak için çıkış değerlerini kullanabilirsiniz.

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

Gelişmiş yapılandırmalar

Çalışma alanını özel ağ bağlantısı için yapılandırma

Kullanım örneğinize ve kuruluş gereksinimlerinize bağlı olarak, özel ağ bağlantısını kullanarak Azure Machine Learning'i yapılandırmayı seçebilirsiniz. Çalışma alanı kaynağı için bir çalışma alanı ve Özel bağlantı uç noktası dağıtmak için Azure CLI'yi kullanabilirsiniz. Çalışma alanınızla özel uç nokta ve sanal ağ (VNet) kullanma hakkında daha fazla bilgi için bkz . Sanal ağ yalıtımına ve gizliliğine genel bakış. Karmaşık kaynak yapılandırmaları için Azure Resource Manager da dahil olmak üzere şablon tabanlı dağıtım seçeneklerine de bakın.

Çalışma alanı erişimini bir sanal ağa kısıtlamak istiyorsanız, komutun bir parçası az ml workspace create olarak aşağıdaki parametreleri kullanabilir veya komutları kullanabilirsiniz az ml workspace private-endpoint .

az ml workspace create -w <workspace-name>
                       -g <resource-group-name>
                       --pe-name "<pe name>"
                       --pe-auto-approval "<pe-autoapproval>"
                       --pe-resource-group "<pe name>"
                       --pe-vnet-name "<pe name>"
                       --pe-subnet-name "<pe name>"

• --pe-name: Oluşturulan özel uç noktanın adı.
• --pe-auto-approval: Çalışma alanına özel uç nokta bağlantılarının otomatik olarak onaylanıp onaylanmayacağını belirtir.
• --pe-resource-group: özel uç noktanın oluşturulacağı kaynak grubu. Sanal ağı içeren grup olmalıdır.
• --pe-vnet-name: özel uç noktanın oluşturulacağı mevcut sanal ağ.
• --pe-subnet-name: özel uç noktanın oluşturulacağı alt ağın adı. Varsayılan değer şudur: default.

Bu komutların nasıl kullanılacağı hakkında daha fazla bilgi için CLI başvuru sayfalarına bakın.

Müşteri tarafından yönetilen anahtar ve yüksek iş etkisi çalışma alanı

Varsayılan olarak, çalışma alanının meta verileri Microsoft'un koruduğu bir Azure Cosmos DB örneğinde depolanır. Bu veriler Microsoft tarafından yönetilen anahtarlar kullanılarak şifrelenir. Microsoft tarafından yönetilen anahtarı kullanmak yerine kendi anahtarınızı da sağlayabilirsiniz. Bunu yaptığınızda Azure aboneliğinizde verilerinizi depolamak için ek bir kaynak kümesi oluşturulur.

Şifreleme için kendi anahtarınızı getirdiğinizde oluşturulan kaynaklar hakkında daha fazla bilgi edinmek için bkz . Azure Machine Learning ile veri şifreleme.

--cmk-keyvault anahtarı içeren Azure Key Vault'unu belirtmek ve --resource-cmk-uri kasadaki anahtarın kaynak kimliğini ve uri'sini belirtmek için parametresini kullanın.

Microsoft'un çalışma alanınızda topladığı verileri sınırlamak için parametresini --hbi-workspace de belirtebilirsiniz.

az ml workspace create -w <workspace-name>
                       -g <resource-group-name>
                       --cmk-keyvault "<cmk keyvault name>"
                       --resource-cmk-uri "<resource cmk uri>"
                       --hbi-workspace

Not

Veri şifreleme ek kaynaklarını yönetmek için aboneliğinizde katkıda bulunan izinleriyle Machine Learning Uygulamasını (Kimlik ve Erişim Yönetimi'nde) yetkileyin.

Not

Azure Cosmos DB model performansı, denemeler tarafından günlüğe kaydedilen bilgiler veya model dağıtımlarınızdan günlüğe kaydedilen bilgiler gibi bilgileri depolamak için kullanılmaz. Bu öğeleri izleme hakkında daha fazla bilgi için mimari ve kavramlar makalesinin İzleme ve günlüğe kaydetme bölümüne bakın.

Önemli

yüksek iş etkisi seçme işlemi yalnızca çalışma alanı oluşturulurken yapılabilir. Çalışma alanı oluşturulduktan sonra bu ayarı değiştiremezsiniz.

Müşteri tarafından yönetilen anahtarlar ve yüksek iş etkisi çalışma alanı hakkında daha fazla bilgi için bkz . Azure Machine Learning için kurumsal güvenlik.

Çalışma alanlarını yönetmek için CLI kullanma

Çalışma alanı bilgilerini alma

Çalışma alanı hakkında bilgi almak için aşağıdaki komutu kullanın:

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

Çalışma alanını güncelleştirme

Çalışma alanını güncelleştirmek için aşağıdaki komutu kullanın:

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

Bağımlı kaynaklar için eşitleme anahtarları

Çalışma alanınız tarafından kullanılan kaynaklardan birinin erişim anahtarlarını değiştirirseniz, çalışma alanının yeni anahtarla eşitlenmesi yaklaşık bir saat sürer. Çalışma alanını yeni anahtarları hemen eşitlemeye zorlamak için aşağıdaki komutu kullanın:

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

Anahtarları değiştirme hakkında daha fazla bilgi için bkz . Depolama erişim anahtarlarını yeniden oluşturma.

Çalışma alanını silme

Uyarı

Çalışma alanı için geçici silme etkinleştirildiyse, silme işleminden sonra kurtarılabilir. Geçici silme etkin değilse veya çalışma alanını kalıcı olarak silme seçeneğini belirtirseniz, kurtarılamaz. Daha fazla bilgi için bkz . Silinen çalışma alanını kurtarma.

Artık gerekmedikten sonra bir çalışma alanını silmek için aşağıdaki komutu kullanın:

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

Önemli

Çalışma alanı silindiğinde, çalışma alanı tarafından kullanılan uygulama içgörüleri, depolama hesabı, anahtar kasası veya kapsayıcı kayıt defteri silinmez.

Ayrıca kaynak grubunu silebilirsiniz; bu da çalışma alanını ve kaynak grubundaki diğer tüm Azure kaynaklarını siler. Kaynak grubunu silmek için aşağıdaki komutu kullanın:

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

İpucu

Azure Machine Learning için varsayılan davranış, çalışma alanını geçici olarak silmektir. Bu, çalışma alanının hemen silinmediği, bunun yerine silinmek üzere işaretleneceği anlamına gelir. Daha fazla bilgi için bkz . Geçici silme.

Sorun giderme

Kaynak sağlayıcısı hataları

Azure Machine Learning çalışma alanı veya çalışma alanı tarafından kullanılan bir kaynak oluştururken aşağıdaki iletilere benzer bir hata alabilirsiniz:

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

Çoğu kaynak sağlayıcısı otomatik olarak kaydedilir, ancak tümü kaydedilmez. Bu iletiyi alırsanız, bahsedilen sağlayıcıyı kaydetmeniz gerekir.

Aşağıdaki tabloda Azure Machine Learning tarafından gereken kaynak sağlayıcılarının listesi yer alır:

Kaynak sağlayıcısı	Neden gereklidir?
Microsoft.MachineLearningServices	Azure Machine Learning çalışma alanını oluşturma.
Microsoft.Storage	Azure Depolama Hesabı, çalışma alanı için varsayılan depolama alanı olarak kullanılır.
Microsoft.ContainerRegistry	Azure Container Registry, çalışma alanı tarafından Docker görüntüleri oluşturmak için kullanılır.
Microsoft.KeyVault	Azure Key Vault, çalışma alanı tarafından gizli dizileri depolamak için kullanılır.
Microsoft.Notebooks	Azure Machine Learning işlem örneğindeki tümleşik not defterleri.
Microsoft.ContainerService	Eğitilmiş modelleri Azure Kubernetes Services'e dağıtmayı planlıyorsanız.

Azure Machine Learning ile müşteri tarafından yönetilen bir anahtar kullanmayı planlıyorsanız aşağıdaki hizmet sağlayıcılarının kaydedilmesi gerekir:

Kaynak sağlayıcısı	Neden gereklidir?
Microsoft.DocumentDB	Çalışma alanı için meta verileri günlüğe kaydeden Azure CosmosDB örneği.
Microsoft.Search	Azure Search, çalışma alanı için dizin oluşturma özellikleri sağlar.

Azure Machine Learning ile yönetilen bir sanal ağ kullanmayı planlıyorsanız Microsoft.Network kaynak sağlayıcısının kayıtlı olması gerekir. Bu kaynak sağlayıcısı, yönetilen sanal ağ için özel uç noktalar oluştururken çalışma alanı tarafından kullanılır.

Kaynak sağlayıcılarını kaydetme hakkında bilgi için bkz . Kaynak sağlayıcısı kaydı hatalarını çözme.

Çalışma alanını taşıma

Uyarı

Azure Machine Learning çalışma alanınızı farklı bir aboneliğe taşıma veya sahip olan aboneliği yeni bir kiracıya taşıma desteklenmez. Bunu yapmak hatalara neden olabilir.

Azure Container Registry'yi silme

Azure Machine Learning çalışma alanı, bazı işlemler için Azure Container Registry'yi (ACR) kullanır. İlk ihtiyaç duyduğunda otomatik olarak bir ACR örneği oluşturur.

Uyarı

Bir çalışma alanı için Azure Container Registry oluşturulduktan sonra silmeyin. Bunu yaptığınızda Azure Machine Learning çalışma alanınız bozulur.

Sonraki adımlar

Makine öğrenmesi için Azure CLI uzantısı hakkında daha fazla bilgi için az ml (v1) belgelerine bakın.

Çalışma alanınızla ilgili sorunları denetlemek için bkz . Çalışma alanı tanılamasını kullanma.

Çalışma alanını yeni bir Azure aboneliğine taşımayı öğrenmek için bkz . Çalışma alanını taşıma.

Azure Machine Learning'inizi en son güvenlik güncelleştirmeleriyle güncel tutma hakkında bilgi için bkz . Güvenlik açığı yönetimi.