Microsoft.MachineLearningServices 工作區 2018-03-01-preview
- 最新
- 2024-07-01-preview
- 2024-04-01
- 2024-04-01-preview
- 2024-01-01-preview
- 2023-10-01
- 2023-08-01-preview
- 2023-06-01-preview
- 2023-04-01
- 2023-04-01-preview
- 2023-02-01-preview
- 2022-12-01-preview
- 2022-10-01
- 2022-10-01-preview
- 2022-06-01-preview
- 2022-05-01
- 2022-02-01-preview
- 2022-01-01-preview
- 2021-07-01
- 2021-04-01
- 2021-03-01-preview
- 2021-01-01
- 2020-09-01-preview
- 2020-08-01
- 2020-06-01
- 2020-05-15-preview
- 2020-05-01-preview
- 2020-04-01
- 2020-03-01
- 2020-02-18-preview
- 2020-01-01
- 2019-11-01
- 2019-06-01
- 2019-05-01
- 2018-11-19
- 2018-03-01-preview
Bicep 資源定義
工作區資源類型可以使用目標作業來部署：
- 資源群組 - 請參閱 資源群組部署命令
如需每個 API 版本中已變更屬性的清單，請參閱 變更記錄檔。
資源格式
若要建立 Microsoft.MachineLearningServices/workspaces 資源，請將下列 Bicep 新增至範本。
resource symbolicname 'Microsoft.MachineLearningServices/workspaces@2018-03-01-preview' = {
name: 'string'
location: 'string'
tags: {
tagName1: 'tagValue1'
tagName2: 'tagValue2'
}
identity: {
type: 'SystemAssigned'
}
properties: {
applicationInsights: 'string'
batchaiWorkspace: 'string'
containerRegistry: 'string'
description: 'string'
discoveryUrl: 'string'
friendlyName: 'string'
keyVault: 'string'
storageAccount: 'string'
}
}
屬性值
工作區
| 名字 | 描述 | 價值 |
|---|---|---|
| 名字 | 資源名稱 | 字串 （必要） 字元限制：3-33 合法字元： 英數位元、連字元和底線。 |
| 位置 | 指定資源的位置。 | 字串 |
| 標籤 | 包含定義為索引鍵/值組的資源標記。 | 標記名稱和值的字典。 請參閱範本中的 標籤 |
| 身份 | 資源的身分識別。 | Identity |
| 性能 | 機器學習工作區的屬性。 | WorkspaceProperties |
身份
| 名字 | 描述 | 價值 |
|---|---|---|
| 類型 | 識別類型。 | 'SystemAssigned' |
WorkspaceProperties
| 名字 | 描述 | 價值 |
|---|---|---|
| applicationInsights | 與此工作區相關聯的 Application Insights ARM 識別碼。 建立工作區之後，就無法變更此專案 | 字串 |
| batchaiWorkspace | 與此工作區相關聯的 Batch AI 工作區 ARM 識別碼。 建立工作區之後，就無法變更此專案 | 字串 |
| containerRegistry | 與此工作區相關聯的容器登錄ARM標識碼。 建立工作區之後，就無法變更此專案 | 字串 |
| 描述 | 此工作區的描述。 | 字串 |
| discoveryUrl | 探索服務的 URL，用來識別機器學習實驗服務的區域端點 | 字串 |
| friendlyName | 此工作區的易記名稱。 此名稱在可變動中 | 字串 |
| keyVault | 與此工作區相關聯的密鑰保存庫 ARM 識別碼。 建立工作區之後，就無法變更此專案 | 字串 |
| storageAccount | 與此工作區相關聯的記憶體帳戶 ARM 識別碼。 建立工作區之後，就無法變更此專案 | 字串 |
快速入門範本
下列快速入門範本會部署此資源類型。
| 範本 | 描述 |
|---|---|
Azure Machine Learning 工作區
|
此範本會建立新的 Azure Machine Learning 工作區，以及加密的記憶體帳戶、KeyVault 和 Applications Insights 記錄 |
|
Azure AI Studio 基本設定
|
這組範本示範如何使用基本設定來設定 Azure AI Studio，這表示已啟用公用因特網存取、Microsoft受控密鑰進行加密，以及 AI 資源的Microsoft受控識別設定。 |
|
Azure AI Studio 基本設定
|
這組範本示範如何使用基本設定來設定 Azure AI Studio，這表示已啟用公用因特網存取、Microsoft受控密鑰進行加密，以及 AI 資源的Microsoft受控識別設定。 |
| 使用 Microsoft Entra ID Authentication Azure AI Studio
|
這組範本示範如何使用相依資源的 Microsoft Entra ID 驗證來設定 Azure AI Studio，例如 Azure AI 服務和 Azure 記憶體。 |
|
Azure AI Studio 網路限制
|
這組範本示範如何使用Microsoft受控密鑰來加密和 AI 資源的 Microsoft 受控識別組態，來設定已停用私人鏈接和輸出的 Azure AI Studio。 |
|
使用多個數據集建立 AML 工作區 & 資料存放區
|
此範本會建立具有多個數據集的 Azure Machine Learning 工作區，& 數據存放區。 |
|
Azure Machine Learning 端對端安全設定
|
這組 Bicep 範本示範如何在安全設定中設定 Azure Machine Learning 端對端。 此參考實作包括工作區、計算叢集、計算實例和附加的私人 AKS 叢集。 |
|
Azure Machine Learning 端對端安全設定 （舊版）
|
這組 Bicep 範本示範如何在安全設定中設定 Azure Machine Learning 端對端。 此參考實作包括工作區、計算叢集、計算實例和附加的私人 AKS 叢集。 |
|
Azure AI Studio 網路限制
|
這組範本示範如何使用Microsoft受控密鑰來加密和 AI 資源的 Microsoft 受控識別組態，來設定已停用私人鏈接和輸出的 Azure AI Studio。 |
|
建立具有私人IP位址的 AKS 計算目標
|
此範本會在具有私人IP位址的指定 Azure Machine Learning 服務工作區中建立 AKS 計算目標。 |
|
建立 Azure Machine Learning 服務工作區
|
此部署範本會指定 Azure Machine Learning 工作區及其相關聯的資源，包括 Azure Key Vault、Azure 儲存體、Azure Application Insights 和 Azure Container Registry。 此組態描述開始使用 Azure Machine Learning 所需的最少資源集。 |
|
建立 Azure Machine Learning 服務工作區 （CMK）
|
此部署範本會指定 Azure Machine Learning 工作區及其相關聯的資源，包括 Azure Key Vault、Azure 儲存體、Azure Application Insights 和 Azure Container Registry。 此範例示範如何使用客戶管理的加密密鑰來設定 Azure Machine Learning 進行加密。 |
|
建立 Azure Machine Learning 服務工作區 （CMK）
|
此部署範本會指定如何使用加密密鑰，建立具有服務端加密的 Azure Machine Learning 工作區。 |
|
建立 Azure Machine Learning 服務工作區 （vnet）
|
此部署範本會指定 Azure Machine Learning 工作區及其相關聯的資源，包括 Azure Key Vault、Azure 儲存體、Azure Application Insights 和 Azure Container Registry。 此組態說明在網路隔離設定中開始使用 Azure Machine Learning 所需的資源集。 |
|
建立 Azure Machine Learning 服務工作區 （舊版）
|
此部署範本會指定 Azure Machine Learning 工作區及其相關聯的資源，包括 Azure Key Vault、Azure 儲存體、Azure Application Insights 和 Azure Container Registry。 此組態說明在網路隔離設定中開始使用 Azure Machine Learning 所需的資源集。 |
ARM 樣本資源定義
工作區資源類型可以使用目標作業來部署：
- 資源群組 - 請參閱 資源群組部署命令
如需每個 API 版本中已變更屬性的清單，請參閱 變更記錄檔。
資源格式
若要建立 Microsoft.MachineLearningServices/workspaces 資源，請將下列 JSON 新增至範本。
{
"type": "Microsoft.MachineLearningServices/workspaces",
"apiVersion": "2018-03-01-preview",
"name": "string",
"location": "string",
"tags": {
"tagName1": "tagValue1",
"tagName2": "tagValue2"
},
"identity": {
"type": "SystemAssigned"
},
"properties": {
"applicationInsights": "string",
"batchaiWorkspace": "string",
"containerRegistry": "string",
"description": "string",
"discoveryUrl": "string",
"friendlyName": "string",
"keyVault": "string",
"storageAccount": "string"
}
}
屬性值
工作區
| 名字 | 描述 | 價值 |
|---|---|---|
| 類型 | 資源類型 | 'Microsoft.MachineLearningServices/workspaces' |
| apiVersion | 資源 API 版本 | '2018-03-01-preview' |
| 名字 | 資源名稱 | 字串 （必要） 字元限制：3-33 合法字元： 英數位元、連字元和底線。 |
| 位置 | 指定資源的位置。 | 字串 |
| 標籤 | 包含定義為索引鍵/值組的資源標記。 | 標記名稱和值的字典。 請參閱範本中的 標籤 |
| 身份 | 資源的身分識別。 | Identity |
| 性能 | 機器學習工作區的屬性。 | WorkspaceProperties |
身份
| 名字 | 描述 | 價值 |
|---|---|---|
| 類型 | 識別類型。 | 'SystemAssigned' |
WorkspaceProperties
| 名字 | 描述 | 價值 |
|---|---|---|
| applicationInsights | 與此工作區相關聯的 Application Insights ARM 識別碼。 建立工作區之後，就無法變更此專案 | 字串 |
| batchaiWorkspace | 與此工作區相關聯的 Batch AI 工作區 ARM 識別碼。 建立工作區之後，就無法變更此專案 | 字串 |
| containerRegistry | 與此工作區相關聯的容器登錄ARM標識碼。 建立工作區之後，就無法變更此專案 | 字串 |
| 描述 | 此工作區的描述。 | 字串 |
| discoveryUrl | 探索服務的 URL，用來識別機器學習實驗服務的區域端點 | 字串 |
| friendlyName | 此工作區的易記名稱。 此名稱在可變動中 | 字串 |
| keyVault | 與此工作區相關聯的密鑰保存庫 ARM 識別碼。 建立工作區之後，就無法變更此專案 | 字串 |
| storageAccount | 與此工作區相關聯的記憶體帳戶 ARM 識別碼。 建立工作區之後，就無法變更此專案 | 字串 |
快速入門範本
下列快速入門範本會部署此資源類型。
| 範本 | 描述 |
|---|---|
|
Azure Machine Learning 工作區
|
此範本會建立新的 Azure Machine Learning 工作區，以及加密的記憶體帳戶、KeyVault 和 Applications Insights 記錄 |
|
Azure AI Studio 基本設定
|
這組範本示範如何使用基本設定來設定 Azure AI Studio，這表示已啟用公用因特網存取、Microsoft受控密鑰進行加密，以及 AI 資源的Microsoft受控識別設定。 |
|
Azure AI Studio 基本設定
|
這組範本示範如何使用基本設定來設定 Azure AI Studio，這表示已啟用公用因特網存取、Microsoft受控密鑰進行加密，以及 AI 資源的Microsoft受控識別設定。 |
| 使用 Microsoft Entra ID Authentication Azure AI Studio
|
這組範本示範如何使用相依資源的 Microsoft Entra ID 驗證來設定 Azure AI Studio，例如 Azure AI 服務和 Azure 記憶體。 |
|
Azure AI Studio 網路限制
|
這組範本示範如何使用Microsoft受控密鑰來加密和 AI 資源的 Microsoft 受控識別組態，來設定已停用私人鏈接和輸出的 Azure AI Studio。 |
|
使用多個數據集建立 AML 工作區 & 資料存放區
|
此範本會建立具有多個數據集的 Azure Machine Learning 工作區，& 數據存放區。 |
|
Azure Machine Learning 端對端安全設定
|
這組 Bicep 範本示範如何在安全設定中設定 Azure Machine Learning 端對端。 此參考實作包括工作區、計算叢集、計算實例和附加的私人 AKS 叢集。 |
|
Azure Machine Learning 端對端安全設定 （舊版）
|
這組 Bicep 範本示範如何在安全設定中設定 Azure Machine Learning 端對端。 此參考實作包括工作區、計算叢集、計算實例和附加的私人 AKS 叢集。 |
|
Azure AI Studio 網路限制
|
這組範本示範如何使用Microsoft受控密鑰來加密和 AI 資源的 Microsoft 受控識別組態，來設定已停用私人鏈接和輸出的 Azure AI Studio。 |
|
建立具有私人IP位址的 AKS 計算目標
|
此範本會在具有私人IP位址的指定 Azure Machine Learning 服務工作區中建立 AKS 計算目標。 |
|
建立 Azure Machine Learning 服務工作區
|
此部署範本會指定 Azure Machine Learning 工作區及其相關聯的資源，包括 Azure Key Vault、Azure 儲存體、Azure Application Insights 和 Azure Container Registry。 此組態描述開始使用 Azure Machine Learning 所需的最少資源集。 |
|
建立 Azure Machine Learning 服務工作區 （CMK）
|
此部署範本會指定 Azure Machine Learning 工作區及其相關聯的資源，包括 Azure Key Vault、Azure 儲存體、Azure Application Insights 和 Azure Container Registry。 此範例示範如何使用客戶管理的加密密鑰來設定 Azure Machine Learning 進行加密。 |
|
建立 Azure Machine Learning 服務工作區 （CMK）
|
此部署範本會指定如何使用加密密鑰，建立具有服務端加密的 Azure Machine Learning 工作區。 |
|
建立 Azure Machine Learning 服務工作區 （vnet）
|
此部署範本會指定 Azure Machine Learning 工作區及其相關聯的資源，包括 Azure Key Vault、Azure 儲存體、Azure Application Insights 和 Azure Container Registry。 此組態說明在網路隔離設定中開始使用 Azure Machine Learning 所需的資源集。 |
|
建立 Azure Machine Learning 服務工作區 （舊版）
|
此部署範本會指定 Azure Machine Learning 工作區及其相關聯的資源，包括 Azure Key Vault、Azure 儲存體、Azure Application Insights 和 Azure Container Registry。 此組態說明在網路隔離設定中開始使用 Azure Machine Learning 所需的資源集。 |
Terraform （AzAPI 提供者） 資源定義
工作區資源類型可以使用目標作業來部署：
- 資源群組
如需每個 API 版本中已變更屬性的清單，請參閱 變更記錄檔。
資源格式
若要建立 Microsoft.MachineLearningServices/workspaces 資源，請將下列 Terraform 新增至範本。
resource "azapi_resource" "symbolicname" {
type = "Microsoft.MachineLearningServices/workspaces@2018-03-01-preview"
name = "string"
location = "string"
parent_id = "string"
tags = {
tagName1 = "tagValue1"
tagName2 = "tagValue2"
}
identity {
type = "SystemAssigned"
}
body = jsonencode({
properties = {
applicationInsights = "string"
batchaiWorkspace = "string"
containerRegistry = "string"
description = "string"
discoveryUrl = "string"
friendlyName = "string"
keyVault = "string"
storageAccount = "string"
}
})
}
屬性值
工作區
| 名字 | 描述 | 價值 |
|---|---|---|
| 類型 | 資源類型 | “Microsoft.MachineLearningServices/workspaces@2018-03-01-preview” |
| 名字 | 資源名稱 | 字串 （必要） 字元限制：3-33 合法字元： 英數位元、連字元和底線。 |
| 位置 | 指定資源的位置。 | 字串 |
| parent_id | 若要部署至資源群組，請使用該資源群組的標識碼。 | 字串 （必要） |
| 標籤 | 包含定義為索引鍵/值組的資源標記。 | 標記名稱和值的字典。 |
| 身份 | 資源的身分識別。 | Identity |
| 性能 | 機器學習工作區的屬性。 | WorkspaceProperties |
身份
| 名字 | 描述 | 價值 |
|---|---|---|
| 類型 | 識別類型。 | “SystemAssigned” |
WorkspaceProperties
| 名字 | 描述 | 價值 |
|---|---|---|
| applicationInsights | 與此工作區相關聯的 Application Insights ARM 識別碼。 建立工作區之後，就無法變更此專案 | 字串 |
| batchaiWorkspace | 與此工作區相關聯的 Batch AI 工作區 ARM 識別碼。 建立工作區之後，就無法變更此專案 | 字串 |
| containerRegistry | 與此工作區相關聯的容器登錄ARM標識碼。 建立工作區之後，就無法變更此專案 | 字串 |
| 描述 | 此工作區的描述。 | 字串 |
| discoveryUrl | 探索服務的 URL，用來識別機器學習實驗服務的區域端點 | 字串 |
| friendlyName | 此工作區的易記名稱。 此名稱在可變動中 | 字串 |
| keyVault | 與此工作區相關聯的密鑰保存庫 ARM 識別碼。 建立工作區之後，就無法變更此專案 | 字串 |
| storageAccount | 與此工作區相關聯的記憶體帳戶 ARM 識別碼。 建立工作區之後，就無法變更此專案 | 字串 |