Workspace Sınıf
Eğitim ve dağıtım yapıtlarını yönetmek için bir Azure Machine Learning kaynağı tanımlar.
Çalışma Alanı, Azure Machine Learning'de makine öğrenmesi için temel bir kaynaktır. Makine öğrenmesi modellerini denemek, eğitmek ve dağıtmak için bir çalışma alanı kullanırsınız. Her çalışma alanı bir Azure aboneliğine ve kaynak grubuna bağlıdır ve ilişkili bir SKU'ya sahiptir.
Çalışma alanları hakkında daha fazla bilgi için bkz:
Mevcut Bir Azure Machine Learning Çalışma Alanını yüklemek için Sınıf Çalışma Alanı oluşturucusu.
- Devralma
-
builtins.objectWorkspace
Oluşturucu
Workspace(subscription_id, resource_group, workspace_name, auth=None, _location=None, _disable_service_check=False, _workspace_id=None, sku='basic', tags=None, _cloud='AzureCloud')Parametreler
Kimlik doğrulama nesnesi. Diğer ayrıntılar için bkz https://aka.ms/aml-notebook-auth. . Hiçbiri ise, varsayılan Azure CLI kimlik bilgileri kullanılır veya API kimlik bilgilerini ister.
- workspace_name
- str
Çalışma alanı adı. Ad 2 - 32 karakter uzunluğunda olmalıdır. Adın ilk karakteri alfasayısal (harf veya sayı) olmalıdır, ancak adın geri kalanı alfasayısal, kısa çizgi ve alt çizgi içerebilir. Boşluk kullanılamaz.
Kimlik doğrulama nesnesi. Diğer ayrıntılar için bkz https://aka.ms/aml-notebook-auth. . Hiçbiri ise, varsayılan Azure CLI kimlik bilgileri kullanılır veya API kimlik bilgilerini ister.
Açıklamalar
Aşağıdaki örnekte çalışma alanının nasıl oluşturulacağı gösterilmektedir.
from azureml.core import Workspace
ws = Workspace.create(name='myworkspace',
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup',
create_resource_group=True,
location='eastus2'
)
Çalışma alanı için kullanmak istediğiniz mevcut bir Azure kaynak grubunuz varsa False olarak ayarlayın create_resource_group .
Aynı çalışma alanını birden çok ortamda kullanmak için bir JSON yapılandırma dosyası oluşturun. Yapılandırma dosyası kolayca yüklenebilmesi için aboneliğinizi, kaynağınızı ve çalışma alanı adınızı kaydeder. Yapılandırmayı kaydetmek için yöntemini kullanın write_config .
ws.write_config(path="./file-path", file_name="ws_config.json")
Yapılandırma dosyası örneği için bkz. Çalışma alanı yapılandırma dosyası oluşturma .
Çalışma alanını yapılandırma dosyasından yüklemek için yöntemini kullanın from_config .
ws = Workspace.from_config()
ws.get_details()
Alternatif olarak, mevcut çalışma alanını yapılandırma dosyalarını kullanmadan yüklemek için yöntemini kullanın get .
ws = Workspace.get(name="myworkspace",
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup')
Yukarıdaki örneklerde etkileşimli oturum açma iletişim kutusu kullanılarak Azure kimlik doğrulaması kimlik bilgileri istenebilir. Otomatik iş akışlarında kimlik doğrulaması ve kimlik doğrulaması için Azure CLI kullanma gibi diğer kullanım örnekleri için bkz. Azure Machine Learning'de kimlik doğrulaması.
Yöntemler
| add_private_endpoint |
Çalışma alanına özel bir uç nokta ekleyin. |
| create |
Yeni bir Azure Machine Learning Çalışma Alanı oluşturun. Çalışma alanı zaten varsa veya çalışma alanı gereksinimlerinden herhangi biri karşılanmadıysa bir özel durum oluşturur. |
| delete |
Azure Machine Learning Çalışma Alanı ile ilişkili kaynakları silin. |
| delete_connection |
Çalışma alanının bağlantısını silin. |
| delete_private_endpoint_connection |
Çalışma alanına özel uç nokta bağlantısını silin. |
| diagnose_workspace |
Çalışma alanı kurulum sorunlarını tanılayın. |
| from_config |
Var olan bir Azure Machine Learning Çalışma Alanından çalışma alanı nesnesi döndürme. Çalışma alanı yapılandırmasını bir dosyadan okur. Yapılandırma dosyası bulunamazsa bir özel durum oluşturur. yöntemi, aynı çalışma alanını birden çok Python not defteri veya projesinde yeniden kullanmak için basit bir yol sağlar. Kullanıcılar yöntemini kullanarak write_config çalışma alanı Azure Resource Manager (ARM) özelliklerini kaydedebilir ve çalışma alanı ARM özelliklerini yeniden yazmadan farklı Python not defterlerinde veya projelerinde aynı çalışma alanını yüklemek için bu yöntemi kullanabilir. |
| get |
Var olan bir Azure Machine Learning Çalışma Alanı için çalışma alanı nesnesi döndürme. Çalışma alanı yoksa veya gerekli alanlar bir çalışma alanını benzersiz olarak tanımlamıyorsa bir özel durum oluşturur. |
| get_connection |
Çalışma alanının bağlantısını alın. |
| get_default_compute_target |
Çalışma alanı için varsayılan işlem hedefini alın. |
| get_default_datastore |
Çalışma alanı için varsayılan veri depolarını alın. |
| get_default_keyvault |
Çalışma alanı için varsayılan anahtar kasası nesnesini alın. |
| get_details |
Çalışma alanının ayrıntılarını döndürür. |
| get_mlflow_tracking_uri |
Çalışma alanı için MLflow izleme URI'sini alın. MLflow (https://mlflow.org/), makine öğrenmesi denemelerini izlemeye ve modelleri yönetmeye yönelik bir açık kaynak platformudur. Ölçümlerin, modellerin ve yapıtların Azure Machine Learning çalışma alanınızda günlüğe kaydedilmesi için Azure Machine Learning ile MLflow günlük API'lerini kullanabilirsiniz. |
| get_run |
Çalışma alanında belirtilen run_id çalıştırmayı döndürür. |
| list |
Kullanıcının abonelik içinde erişimi olan tüm çalışma alanlarını listeleyin. Çalışma alanlarının listesi kaynak grubuna göre filtrelenebilir. |
| list_connections |
Bu çalışma alanı altındaki bağlantıları listeleyin. |
| list_keys |
Geçerli çalışma alanının liste anahtarları. |
| set_connection |
Çalışma alanı altında bağlantı ekleyin veya güncelleştirin. |
| set_default_datastore |
Çalışma alanı için varsayılan veri depounu ayarlayın. |
| setup |
Yeni bir çalışma alanı oluşturun veya var olan bir çalışma alanını alın. |
| sync_keys |
Anahtarları hemen eşitlemek için çalışma alanını tetikler. Çalışma alanında herhangi bir kaynağın anahtarları değiştirilirse, bunların otomatik olarak güncelleştirilmiş olması yaklaşık bir saat sürebilir. Bu işlev, anahtarların istek üzerine güncelleştirilmiş olmasını sağlar. Örnek bir senaryo, depolama anahtarlarını yeniden oluşturarak depolamaya hemen erişmeye ihtiyaç duymanızdır. |
| update |
Kolay ad, açıklama, etiketler, görüntü derlemesi işlem ve çalışma alanıyla ilişkili diğer ayarları güncelleştirin. |
| update_dependencies |
Aşağıdaki durumlarda çalışma alanı için ilişkili kaynakları güncelleştirin. a) Kullanıcı yanlışlıkla ilişkili bir kaynağı sildiğinde ve çalışma alanının tamamını yeniden oluşturmak zorunda kalmadan yeni bir kaynakla güncelleştirmek istediğinizde. b) Kullanıcının ilişkili bir kaynağı varsa ve çalışma alanıyla ilişkili geçerli kaynağı değiştirmek istediğinde. c) İlişkili bir kaynak henüz oluşturulmadığında ve zaten sahip oldukları bir kaynağı kullanmak istediklerinde (yalnızca kapsayıcı kayıt defteri için geçerlidir). |
| write_config |
Azure Resource Manager (ARM) özelliklerini bir yapılandırma dosyasına yazın. Çalışma alanı ARM özellikleri daha sonra yöntemi kullanılarak from_config yüklenebilir. Geçerli yöntemi, aynı çalışma alanını birden çok Python not defteri veya projesinde yeniden kullanmanın basit bir yolunu sağlar. Kullanıcılar bu işlevi kullanarak çalışma alanı ARM özelliklerini kaydedebilir ve çalışma alanı ARM özelliklerini yeniden yazmadan farklı Python not defterlerinde veya projelerinde aynı çalışma alanını yüklemek için from_config kullanabilir. |
add_private_endpoint
Çalışma alanına özel bir uç nokta ekleyin.
add_private_endpoint(private_endpoint_config, private_endpoint_auto_approval=True, location=None, show_output=True, tags=None)Parametreler
- private_endpoint_config
- PrivateEndPointConfig
Çalışma alanına özel uç nokta oluşturmak için özel uç nokta yapılandırması.
- private_endpoint_auto_approval
- bool
Özel uç nokta oluşturma işleminin Azure Özel Bağlantı Merkezi'nden otomatik olarak onaylanması veya el ile onaylanması gerekip gerekmediğini belirten boole bayrağı. El ile onay durumunda, kullanıcılar isteği onaylamak/reddetmek için bekleyen isteği Özel Bağlantı portalda görüntüleyebilir.
- location
- string
Özel uç noktanın konumu, varsayılan olarak çalışma alanı konumudur
- show_output
- bool
Çalışma alanı oluşturma işleminin ilerleme durumunu gösteren bayrak
Döndürülenler
Oluşturulan PrivateEndPoint nesnesi.
Dönüş türü
create
Yeni bir Azure Machine Learning Çalışma Alanı oluşturun.
Çalışma alanı zaten varsa veya çalışma alanı gereksinimlerinden herhangi biri karşılanmadıysa bir özel durum oluşturur.
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)Parametreler
- name
- str
Yeni çalışma alanı adı. Ad 2 - 32 karakter uzunluğunda olmalıdır. Adın ilk karakteri alfasayısal (harf veya sayı) olmalıdır, ancak adın geri kalanı alfasayısal, kısa çizgi ve alt çizgi içerebilir. Boşluk kullanılamaz.
Kimlik doğrulama nesnesi. Diğer ayrıntılar için bkz https://aka.ms/aml-notebook-auth. . Hiçbiri ise, varsayılan Azure CLI kimlik bilgileri kullanılır veya API kimlik bilgilerini ister.
- subscription_id
- str
Yeni çalışma alanı için içeren aboneliğin abonelik kimliği. Kullanıcının birden fazla aboneliğe erişimi varsa parametresi gereklidir.
- resource_group
- str
Çalışma alanını içeren Azure kaynak grubu. parametresi varsayılan olarak çalışma alanı adının mutasyonunu kullanır.
- location
- str
Çalışma alanının konumu. parametresi varsayılan olarak kaynak grubu konumunu kullanır. Konumun Azure Machine Learning için desteklenen bir bölge olması gerekir.
- create_resource_group
- bool
Kaynak grubu yoksa oluşturulup oluşturulmayacağını gösterir.
- friendly_name
- str
Kullanıcı arabiriminde görüntülenebilen çalışma alanı için isteğe bağlı kolay ad.
- storage_account
- str
Azure kaynak kimliği biçiminde mevcut bir depolama hesabı. Depolama alanı çalışma alanı tarafından çalıştırma çıkışlarını, kodu, günlükleri vb. kaydetmek için kullanılır. Hiçbiri ise, yeni bir depolama hesabı oluşturulur.
- key_vault
- str
Azure kaynak kimliği biçiminde mevcut bir anahtar kasası. Azure kaynak kimliği biçiminin ayrıntıları için aşağıdaki örnek koda bakın. Anahtar kasası, kullanıcılar tarafından çalışma alanına eklenen kimlik bilgilerini depolamak için çalışma alanı tarafından kullanılır. Hiçbiri ise yeni bir anahtar kasası oluşturulur.
- app_insights
- str
Azure kaynak kimliği biçiminde mevcut bir Application Insights. Azure kaynak kimliği biçiminin ayrıntıları için aşağıdaki örnek koda bakın. Application Insights, çalışma alanı tarafından web hizmetleri olaylarını günlüğe kaydetmek için kullanılır. Hiçbiri ise yeni bir Application Insights oluşturulur.
- container_registry
- str
Azure kaynak kimliği biçiminde mevcut bir kapsayıcı kayıt defteri (Azure kaynak kimliği biçiminin ayrıntıları için aşağıdaki örnek koda bakın). Kapsayıcı kayıt defteri, çalışma alanı tarafından hem deneme hem de web hizmetleri görüntülerini çekmek ve göndermek için kullanılır. Hiçbiri ise, yeni bir kapsayıcı kayıt defteri yalnızca gerektiğinde oluşturulur ve çalışma alanı oluşturma işlemiyle birlikte oluşturulmaz.
- adb_workspace
- str
Azure kaynak kimliği biçiminde mevcut bir Adb Çalışma Alanı (Azure kaynak kimliği biçiminin ayrıntıları için aşağıdaki örnek koda bakın). Adb Çalışma Alanı, çalışma alanıyla bağlantı oluşturmak için kullanılır. Hiçbiri ise çalışma alanı bağlantısı gerçekleşmez.
- primary_user_assigned_identity
- str
Çalışma alanını temsil etmek için kullanılan kullanıcı tarafından atanan kimliğin kaynak kimliği
- cmk_keyvault
- str
Azure kaynak kimliği biçiminde müşteri tarafından yönetilen anahtarı içeren anahtar kasası:/subscriptions/<azure-subscription-id>/resourcegroups/<azure-resource-group>/providers/microsoft.keyvault/vaults/<azure-keyvault-name> Örneğin: '/subscriptions/d139f240-94e6-4175-87a7-954b9d27db16/resourcegroups/myresourcegroup/providers/microsoft.keyvault/vaults/mykeyvault' Azure kaynak kimliği biçimi hakkında daha fazla bilgi için aşağıdaki Açıklamalar'daki örnek koda bakın.
- resource_cmk_uri
- str
Bekleyen verileri şifrelemek için müşteri tarafından yönetilen anahtarın anahtar URI'si.
URI biçimi: https://<keyvault-dns-name>/keys/<key-name>/<key-version>.
Örneğin, 'https://mykeyvault.vault.azure.net/keys/mykey/bc5dce6d01df49w2na7ffb11a2ee008b'.
https://docs.microsoft.com/azure-stack/user/azure-stack-key-vault-manage-portal Anahtar oluşturma ve URI'sini alma adımları için bkz.
- hbi_workspace
- bool
Çalışma alanının Yüksek İş Etkisi (HBI) verilerini (hassas iş bilgileri gibi) içerip içermediğini belirtir. Bu bayrak yalnızca çalışma alanı oluşturma sırasında ayarlanabilir. Çalışma alanı oluşturulduktan sonra değeri değiştirilemez. Varsayılan değer False'tur.
True olarak ayarlandığında, daha fazla şifreleme adımı gerçekleştirilir ve SDK bileşenine bağlı olarak, dahili olarak toplanan telemetrideki bilgilerin yeniden dağıtılmasıyla sonuçlanır. Daha fazla bilgi için bkz. Veri şifreleme.
Bu bayrak True olarak ayarlandığında olası etkilerden biri sorunları giderme zorluğunun artmasıdır. Bunun nedeni, bazı telemetri verilerinin Microsoft'a gönderilmemesi ve başarı oranlarına veya sorun türlerine daha az görünürlük olması ve bu nedenle bu bayrak True olduğunda proaktif olarak tepki vermemesi olabilir. Öneri, kesinlikle True olması gerekmediği sürece bu bayrak için varsayılan False değerini kullanır.
- default_cpu_compute_target
- AmlComputeProvisioningConfiguration
(KULLANıM DıŞı) CPU işlem oluşturmak için kullanılacak yapılandırma. Parametre varsayılan olarak {min_nodes=0, max_nodes=2, vm_size="STANDARD_DS2_V2", vm_priority="dedicated"} olarak belirlenir. Hiçbiri yoksa, hiçbir işlem oluşturulmaz.
- default_gpu_compute_target
- AmlComputeProvisioningConfiguration
(KULLANıM DıŞı) GPU işlem oluşturmak için kullanılacak yapılandırma. Parametre varsayılan olarak {min_nodes=0, max_nodes=2, vm_size="STANDARD_NC6", vm_priority="dedicated"} şeklindedir. Yoksa hiçbir işlem oluşturulmaz.
- private_endpoint_config
- PrivateEndPointConfig
Azure ML çalışma alanına özel uç nokta oluşturmak için özel uç nokta yapılandırması.
- private_endpoint_auto_approval
- bool
Özel uç nokta oluşturma işleminin Azure Özel Bağlantı Merkezi'nden otomatik olarak onaylanması veya el ile onaylanması gerekip gerekmediğini belirten boole bayrağı. El ile onay durumunda, kullanıcılar isteği onaylamak/reddetmek için bekleyen isteği Özel Bağlantı portalda görüntüleyebilir.
- exist_ok
- bool
Çalışma alanı zaten varsa bu yöntemin başarılı olup olmadığını gösterir. False ise, çalışma alanı varsa bu yöntem başarısız olur. True ise, bu yöntem varsa var olan çalışma alanını döndürür.
- show_output
- bool
Bu yöntemin artımlı ilerlemeyi yazdırıp yazdırmayacağını gösterir.
- user_assigned_identity_for_cmk_encryption
- str
Kullanıcı tarafından atanan kimliğin, müşteri yönetim anahtarına erişmek için kullanılması gereken kaynak kimliği
- system_datastores_auth_mode
- str
'workspaceblobstore' ve 'workspacefilestore' çalışma alanının sistem veri depoları için kimlik bilgilerinin kullanılıp kullanılmayacağını belirler. Varsayılan değer 'accessKey' değeridir, bu durumda çalışma alanı kimlik bilgileriyle sistem veri depolarını oluşturur. 'Identity' olarak ayarlanırsa, çalışma alanı kimlik bilgileri olmadan sistem veri depolarını oluşturur.
- v1_legacy_mode
- bool
Genel Azure Resource Manager'de v2 API hizmetini kullanmayı engelleme
Döndürülenler
Çalışma alanı nesnesi.
Dönüş türü
Özel durumlar
Çalışma alanını oluştururken karşılaşılan sorunlar için harekete geçirildi.
Açıklamalar
Bu ilk örnek yalnızca en az belirtimi gerektirir ve tüm bağımlı kaynakların yanı sıra kaynak grubu da otomatik olarak oluşturulur.
from azureml.core import Workspace
ws = Workspace.create(name='myworkspace',
subscription_id='<azure-subscription-id>',
resource_group='myresourcegroup',
create_resource_group=True,
location='eastus2')
Aşağıdaki örnekte, Azure kaynak kimliği biçimini kullanarak mevcut Azure kaynaklarını yeniden kullanma adımları gösterilmektedir. Belirli Azure kaynak kimlikleri Azure Portal veya SDK aracılığıyla alınabilir. Bu, kaynak grubunun, depolama hesabının, anahtar kasasının, App Insights'ın ve kapsayıcı kayıt defterinin zaten mevcut olduğunu varsayar.
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
Azure Machine Learning Çalışma Alanı ile ilişkili kaynakları silin.
delete(delete_dependent_resources=False, no_wait=False)Parametreler
- delete_dependent_resources
- bool
Çalışma alanıyla ilişkili kaynakların silinip silinmeyeceği, örneğin kapsayıcı kayıt defteri, depolama hesabı, anahtar kasası ve uygulama içgörüleri. Varsayılan değer False'tur. Bu kaynakları silmek için True olarak ayarlayın.
- no_wait
- bool
Çalışma alanı silme işleminin tamamlanmasının beklenip beklenmeyeceği.
Döndürülenler
Başarılı olursa hiçbiri; aksi takdirde bir hata oluşturur.
Dönüş türü
delete_connection
Çalışma alanının bağlantısını silin.
delete_connection(name)Parametreler
delete_private_endpoint_connection
Çalışma alanına özel uç nokta bağlantısını silin.
delete_private_endpoint_connection(private_endpoint_connection_name)Parametreler
- private_endpoint_connection_name
- str
Çalışma alanı altındaki özel uç nokta bağlantısının benzersiz adı
diagnose_workspace
Çalışma alanı kurulum sorunlarını tanılayın.
diagnose_workspace(diagnose_parameters)Parametreler
- diagnose_parameters
- <xref:_restclient.models.DiagnoseWorkspaceParameters>
Çalışma alanı durumunu tanılama parametresi
Döndürülenler
DiagnoseResponseResult döndüren bir AzureOperationPoller örneği
Dönüş türü
from_config
Var olan bir Azure Machine Learning Çalışma Alanından çalışma alanı nesnesi döndürme.
Çalışma alanı yapılandırmasını bir dosyadan okur. Yapılandırma dosyası bulunamazsa bir özel durum oluşturur.
yöntemi, aynı çalışma alanını birden çok Python not defteri veya projesinde yeniden kullanmak için basit bir yol sağlar. Kullanıcılar yöntemini kullanarak write_config çalışma alanı Azure Resource Manager (ARM) özelliklerini kaydedebilir ve çalışma alanı ARM özelliklerini yeniden yazmadan farklı Python not defterlerinde veya projelerinde aynı çalışma alanını yüklemek için bu yöntemi kullanabilir.
static from_config(path=None, auth=None, _logger=None, _file_name=None)Parametreler
- path
- str
Arama için yapılandırma dosyasının veya başlangıç dizininin yolu. parametresi varsayılan olarak aramanın geçerli dizinde başlatılmasını sağlar.
Kimlik doğrulama nesnesi. Diğer ayrıntılar için bkz https://aka.ms/aml-notebook-auth. . Hiçbiri ise, varsayılan Azure CLI kimlik bilgileri kullanılır veya API kimlik bilgilerini ister.
- _file_name
- str
Yol bir dizin yolu olduğunda aramak için yapılandırma dosyası adının geçersiz kılınmasına izin verir.
Döndürülenler
Mevcut Bir Azure ML Çalışma Alanı için çalışma alanı nesnesi.
Dönüş türü
get
Var olan bir Azure Machine Learning Çalışma Alanı için çalışma alanı nesnesi döndürme.
Çalışma alanı yoksa veya gerekli alanlar bir çalışma alanını benzersiz olarak tanımlamıyorsa bir özel durum oluşturur.
static get(name, auth=None, subscription_id=None, resource_group=None, location=None, cloud='AzureCloud', id=None)Parametreler
Kimlik doğrulama nesnesi. Daha fazla ayrıntı için bkz https://aka.ms/aml-notebook-auth. . Hiçbiri ise, varsayılan Azure CLI kimlik bilgileri kullanılır veya API kimlik bilgilerini ister.
- subscription_id
- str
Kullanılacak abonelik kimliği. Kullanıcının birden fazla aboneliğe erişimi varsa parametresi gereklidir.
- resource_group
- str
Kullanılacak kaynak grubu. Hiçbiri ise yöntemi abonelikteki tüm kaynak gruplarında arama yapacaktır.
- cloud
- str
Hedef bulutun adı. "AzureCloud", "AzureChinaCloud" veya "AzureUSGovernment" olabilir. Herhangi bir bulut belirtilmezse "AzureCloud" kullanılır.
Döndürülenler
Çalışma alanı nesnesi.
Dönüş türü
get_connection
Çalışma alanının bağlantısını alın.
get_connection(name)Parametreler
get_default_compute_target
Çalışma alanı için varsayılan işlem hedefini alın.
get_default_compute_target(type)Parametreler
Döndürülenler
Verilen işlem türü için varsayılan işlem hedefi.
Dönüş türü
get_default_datastore
Çalışma alanı için varsayılan veri depolarını alın.
get_default_datastore()Döndürülenler
Varsayılan veri deposu.
Dönüş türü
get_default_keyvault
Çalışma alanı için varsayılan anahtar kasası nesnesini alın.
get_default_keyvault()Döndürülenler
Çalışma alanıyla ilişkilendirilmiş KeyVault nesnesi.
Dönüş türü
get_details
Çalışma alanının ayrıntılarını döndürür.
get_details()Döndürülenler
Sözlük biçiminde çalışma alanı ayrıntıları.
Dönüş türü
Açıklamalar
Döndürülen sözlük aşağıdaki anahtar-değer çiftlerini içerir.
id: Abonelik kimliğini, kaynak grubunu ve çalışma alanı adını içeren bu çalışma alanı kaynağını işaret eden URI.
name: Bu çalışma alanının adı.
location: Çalışma alanı bölgesi.
type: "{providerName}/workspaces" biçiminde bir URI.
etiketler: Şu anda kullanılmıyor.
workspaceid: Bu çalışma alanının kimliği.
description: Şu anda kullanılmıyor.
friendlyName: Kullanıcı arabiriminde görüntülenen çalışma alanının kolay adı.
creationTime: Bu çalışma alanının ISO8601 biçiminde oluşturulduğu saat.
containerRegistry: Hem deneme hem de web hizmetleri görüntülerini çekmek ve göndermek için kullanılan çalışma alanı kapsayıcı kayıt defteri.
keyVault: Kullanıcılar tarafından çalışma alanına eklenen kimlik bilgilerini depolamak için kullanılan çalışma alanı anahtar kasası.
applicationInsights: Application Insights, çalışma alanı tarafından web hizmetleri olaylarını günlüğe kaydetmek için kullanılır.
identityPrincipalId:
identityTenantId
ıdentitytype
storageAccount: Depolama alanı çalışma alanı tarafından çalıştırma çıkışlarını, kodunu, günlüklerini vb. kaydetmek için kullanılır.
sku: Çalışma alanı SKU'su (sürüm olarak da adlandırılır). Parametresi geriye dönük uyumluluk için mevcut ve yoksayılır.
resourceCmkUri: Bekleyen verileri şifrelemek için müşteri tarafından yönetilen anahtarın anahtar URI'si. https://docs.microsoft.com/en-us/azure-stack/user/azure-stack-key-vault-manage-portal?view=azs-1910 Anahtar oluşturma ve URI'sini alma adımları için bkz.
hbiWorkspace: Müşteri verilerinin yüksek iş etkisine neden olup olmadığını belirtir.
imageBuildCompute: Görüntü derlemesi için işlem hedefi.
systemDatastoresAuthMode: 'workspaceblobstore' ve 'workspacefilestore' çalışma alanının sistem veri depoları için kimlik bilgilerinin kullanılıp kullanılmayacağını belirler. Varsayılan değer 'accessKey'dir, bu durumda çalışma alanı sistem veri depolarını kimlik bilgileriyle oluşturur. 'identity' olarak ayarlanırsa, çalışma alanı kimlik bilgileri olmadan sistem veri depolarını oluşturur.
Bu anahtar-değer çiftleri hakkında daha fazla bilgi için bkz create. .
get_mlflow_tracking_uri
Çalışma alanı için MLflow izleme URI'sini alın.
MLflow (https://mlflow.org/), makine öğrenmesi denemelerini izlemeye ve modelleri yönetmeye yönelik bir açık kaynak platformudur. Ölçümlerin, modellerin ve yapıtların Azure Machine Learning çalışma alanınızda günlüğe kaydedilmesi için Azure Machine Learning ile MLflow günlük API'lerini kullanabilirsiniz.
get_mlflow_tracking_uri(_with_auth=False)Parametreler
- _with_auth
- bool
(KULLANIMSIZ) İzleme URI'sine kimlik doğrulama bilgileri ekleyin.
Döndürülenler
MLflow uyumlu izleme URI'si.
Dönüş türü
Açıklamalar
Azure ML Çalışma Alanına veri göndermek üzere MLflow izlemeyi yapılandırmak için aşağıdaki örneği kullanın:
import mlflow
from azureml.core import Workspace
workspace = Workspace.from_config()
mlflow.set_tracking_uri(workspace.get_mlflow_tracking_uri())
get_run
Çalışma alanında belirtilen run_id çalıştırmayı döndürür.
get_run(run_id)Parametreler
Döndürülenler
Gönderilen çalıştırma.
Dönüş türü
list
Kullanıcının abonelik içinde erişimi olan tüm çalışma alanlarını listeleyin.
Çalışma alanlarının listesi kaynak grubuna göre filtrelenebilir.
static list(subscription_id, auth=None, resource_group=None)Parametreler
Kimlik doğrulama nesnesi. Daha fazla ayrıntı için bkz https://aka.ms/aml-notebook-auth. . Hiçbiri ise, varsayılan Azure CLI kimlik bilgileri kullanılır veya API kimlik bilgilerini ister.
- resource_group
- str
Döndürülen çalışma alanlarını filtrelemek için bir kaynak grubu. Hiçbiri ise, yöntemi belirtilen abonelik içindeki tüm çalışma alanlarını listeler.
Döndürülenler
Anahtarın çalışma alanı adı ve değerin çalışma alanı nesnelerinin listesi olduğu sözlük.
Dönüş türü
list_connections
Bu çalışma alanı altındaki bağlantıları listeleyin.
list_connections(category=None, target=None)Parametreler
- category
list_keys
set_connection
Çalışma alanı altında bağlantı ekleyin veya güncelleştirin.
set_connection(name, category, target, authType, value)Parametreler
set_default_datastore
Çalışma alanı için varsayılan veri depounu ayarlayın.
set_default_datastore(name)Parametreler
setup
Yeni bir çalışma alanı oluşturun veya var olan bir çalışma alanını alın.
static setup()Döndürülenler
Çalışma alanı nesnesi.
Dönüş türü
sync_keys
Anahtarları hemen eşitlemek için çalışma alanını tetikler.
Çalışma alanında herhangi bir kaynağın anahtarları değiştirilirse, bunların otomatik olarak güncelleştirilmiş olması yaklaşık bir saat sürebilir. Bu işlev, anahtarların istek üzerine güncelleştirilmiş olmasını sağlar. Örnek bir senaryo, depolama anahtarlarını yeniden oluşturarak depolamaya hemen erişmeye ihtiyaç duymanızdır.
sync_keys(no_wait=False)Parametreler
- no_wait
- bool
Çalışma alanı eşitleme anahtarlarının tamamlanmasını bekleyip beklemeyeyim.
Döndürülenler
Başarılı olursa yok; aksi takdirde bir hata oluşturur.
Dönüş türü
update
Kolay ad, açıklama, etiketler, görüntü derlemesi işlem ve çalışma alanıyla ilişkili diğer ayarları güncelleştirin.
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)Parametreler
- friendly_name
- str
Kullanıcı arabiriminde görüntülenebilen çalışma alanı için kolay bir ad.
- service_managed_resources_settings
- <xref:azureml._base_sdk_common.workspace.models.ServiceManagedResourcesSettings>
Hizmet tarafından yönetilen kaynaklar ayarları.
- primary_user_assigned_identity
- str
Kullanıcı tarafından atanan ve çalışma alanı kimliğini temsil eden kimlik kaynak kimliği.
- allow_public_access_when_behind_vnet
- bool
Özel bağlantı çalışma alanına genel erişime izin verin.
- v1_legacy_mode
- bool
Genel Azure Resource Manager v2 API hizmetini kullanmayı engelleme
Döndürülenler
Güncelleştirilmiş bilgilerin sözlüğü.
Dönüş türü
update_dependencies
Aşağıdaki durumlarda çalışma alanı için ilişkili kaynakları güncelleştirin.
a) Kullanıcı yanlışlıkla ilişkili bir kaynağı sildiğinde ve çalışma alanının tamamını yeniden oluşturmak zorunda kalmadan yeni bir kaynakla güncelleştirmek istediğinizde. b) Kullanıcının ilişkili bir kaynağı varsa ve çalışma alanıyla ilişkili geçerli kaynağı değiştirmek istediğinde. c) İlişkili bir kaynak henüz oluşturulmadığında ve zaten sahip oldukları bir kaynağı kullanmak istediklerinde (yalnızca kapsayıcı kayıt defteri için geçerlidir).
update_dependencies(container_registry=None, force=False)Parametreler
Dönüş türü
write_config
Azure Resource Manager (ARM) özelliklerini bir yapılandırma dosyasına yazın.
Çalışma alanı ARM özellikleri daha sonra yöntemi kullanılarak from_config yüklenebilir. Geçerli path çalışma dizininde varsayılan olarak '.azureml/' ve file_name varsayılan olarak 'config.json' değeri bulunur.
yöntemi, aynı çalışma alanını birden çok Python not defteri veya projesinde yeniden kullanmanın basit bir yolunu sağlar. Kullanıcılar bu işlevi kullanarak çalışma alanı ARM özelliklerini kaydedebilir ve çalışma alanı ARM özelliklerini yeniden yazmadan farklı Python not defterlerinde veya projelerinde aynı çalışma alanını yüklemek için from_config kullanabilir.
write_config(path=None, file_name=None)Parametreler
- path
- str
Kullanıcı config.json dosyasını yazmak için konum sağladı. parametresi, geçerli çalışma dizininde varsayılan olarak '.azureml/' olarak ayarlanmaktadır.
- file_name
- str
Yapılandırma dosyası için kullanılacak ad. parametresi varsayılan olarak config.json değerini kullanır.
Öznitelikler
compute_targets
Çalışma alanında tüm işlem hedeflerini listeleyin.
Döndürülenler
İşlem hedef adı olarak anahtar ve nesne olarak değer içeren ComputeTarget bir sözlük.
Dönüş türü
datasets
Çalışma alanındaki tüm veri kümelerini listeleyin.
Döndürülenler
Veri kümesi adı olarak anahtar ve nesne olarak Dataset değer içeren bir sözlük.
Dönüş türü
datastores
Çalışma alanı içindeki tüm veri depolarını listeleyin. Bu işlem veri depolarının kimlik bilgilerini döndürmez.
Döndürülenler
Veri deposu adı olarak anahtar ve nesne olarak Datastore değer içeren bir sözlük.
Dönüş türü
discovery_url
Bu çalışma alanının bulma URL'sini döndür.
Döndürülenler
Bu çalışma alanının bulma URL'si.
Dönüş türü
environments
Çalışma alanı içindeki tüm ortamları listeleyin.
Döndürülenler
Ortam adı olarak anahtar ve nesne olarak Environment değer içeren bir sözlük.
Dönüş türü
experiments
Çalışma alanında yapılan tüm denemeleri listeleyin.
Döndürülenler
Deneme adı olarak anahtar ve nesne olarak değer içeren Experiment bir sözlük.
Dönüş türü
images
Çalışma alanında görüntü listesini döndürebilirsiniz.
WebserviceException Model yönetimi hizmetiyle etkileşimde bir sorun varsa oluşturur.
Döndürülenler
Resim adı olarak anahtar ve nesne olarak Image değer içeren bir sözlük.
Dönüş türü
Özel durumlar
Model yönetim hizmetiyle etkileşimde bir sorun oluştu.
linked_services
Çalışma alanında tüm bağlı hizmetleri listeleyin.
Döndürülenler
Anahtarın bağlı hizmet adı, değerin ise nesne olduğu sözlük LinkedService .
Dönüş türü
location
models
Çalışma alanında modelin listesini döndürür.
WebserviceException Model yönetimi hizmetiyle etkileşimde bir sorun varsa oluşturur.
Döndürülenler
Anahtar, model adı ve değer nesne olarak Model içeren bir model sözlüğü.
Dönüş türü
Özel durumlar
Model yönetim hizmetiyle etkileşimde bir sorun oluştu.
name
private_endpoints
Çalışma alanının tüm özel uç noktalarını listeleyin.
Döndürülenler
Çalışma alanıyla ilişkili PrivateEndPoint nesnelerinin diktesi. Anahtar, özel uç nokta adıdır.
Dönüş türü
resource_group
service_context
Bu çalışma alanının hizmet bağlamını döndür.
Döndürülenler
ServiceContext nesnesini döndürür.
Dönüş türü
sku
subscription_id
tags
Bu çalışma alanının Etiketlerini döndürün.
Döndürülenler
Bu çalışma alanının Etiketleri.
Dönüş türü
webservices
Çalışma alanında web hizmetlerinin listesini döndürür.
WebserviceException Listeyi döndürürken bir sorun oluştuysa oluşturur.
Döndürülenler
Çalışma alanında web hizmetlerinin listesi.
Dönüş türü
Özel durumlar
Listeyi döndürürken bir sorun oluştu.
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'Geri Bildirim
Çok yakında: 2024 boyunca, içerik için geri bildirim mekanizması olarak GitHub Sorunları’nı kullanımdan kaldıracak ve yeni bir geri bildirim sistemiyle değiştireceğiz. Daha fazla bilgi için bkz. https://aka.ms/ContentUserFeedback.
Gönderin ve geri bildirimi görüntüleyin