建立 Azure Machine Learning 工作區
若要存取 Azure Machine Learning 工作區,您必須先在 Azure 訂用帳戶中建立 Azure Machine Learning 服務。 工作區是一個中心位置,您可以在其中處理可用來訓練和部署機器學習模型的所有資源和資產。 為了重現性,工作區會儲存所有訓練作業的歷程記錄,包括記錄、計量、輸出,以及程式碼的快照集。
瞭解 Azure Machine Learning 服務
若要建立 Azure Machine Learning 服務,您必須:
取得 Azure 的存取權,例如透過 Azure 入口網站。
登入以取得 Azure 訂用帳戶的存取權。
在您的訂用帳戶中建立資源群組。
建立 Azure Machine Learning 服務,以建立工作區。
佈建工作區時,Azure 會自動在相同的資源群組內建立其他 Azure 資源,以支援工作區:
Azure 儲存體帳戶:儲存工作區中使用的檔案和筆記本,以及儲存作業和模型的中繼資料。
Azure Key Vault:用來安全管理工作區所使用的祕密,例如驗證金鑰和認證。
Application Insights:用來監視工作區中的預測服務。
Azure Container Registry:視需要建立,以儲存 Azure Machine Learning 環境的映像。
建立工作區
您可以使用下列任一種方式來建立 Azure Machine Learning 工作區:
- 使用 Azure 入口網站中的使用者介面來建立 Azure Machine Learning 服務。
- 建立 Azure Resource Manager (ARM) 範本。 瞭解如何使用 ARM 範本來建立工作區。
- 搭配使用 Azure 命令列介面 (CLI) 與 Azure Machine Learning CLI 延伸模組。 瞭解如何使用 CLI v2 建立工作區。
- 使用 Azure Machine Learning Python SDK。
例如,下列程式碼會使用 Python SDK 來建立名為 mlw-example
的工作區:
from azure.ai.ml.entities import Workspace
workspace_name = "mlw-example"
ws_basic = Workspace(
name=workspace_name,
location="eastus",
display_name="Basic workspace-example",
description="This example shows how to create a basic workspace",
)
ml_client.workspaces.begin_create(ws_basic)
在 Azure 入口網站中探索工作區
建立 Azure Machine Learning 工作區通常需要 5-10 分鐘才能完成。 建立工作區時,您可以選取工作區來檢視其詳細資料。
從 Azure 入口網站中的 Azure Machine Learning 工作區 [概觀] 頁面中,您可以啟動Azure Machine Learning 工作室。 Azure Machine Learning 工作室是入口網站,提供便於使用的介面,可在工作區中建立、管理及使用資源和資產。
從 Azure 入口網站,您也可以使用「存取控制」將 Azure Machine Learning 工作區的存取權授與其他人。
授與 Azure Machine Learning 工作區的存取權
您可以為個別使用者或小組提供 Azure Machine Learning 工作區的存取權。 在 Azure 中使用角色型存取控制 (RBAC) 授與存取權,您可以在資源或資源群組的 [存取控制] 索引標籤中設定。
在 [存取控制] 索引標籤中,您可以管理權限來限制特定使用者或小組可執行哪些動作。 例如,您可以建立原則,只允許「Azure 系統管理員群組」中的使用者建立計算目標和資料存放區。 雖然「資料科學家群組」中的使用者可以建立和執行作業來訓練模型,以及註冊模型。
有三個一般內建角色可供跨資源和資源群組使用,以將權限指派給其他使用者:
- 擁有者:取得所有資源的完整存取權,而且可以使用存取控制,將存取權授與其他使用者。
- 參與者:取得所有資源的完整存取權,但無法將存取權授與其他使用者。
- 讀者:只能檢視資源,但不允許進行任何變更。
此外,Azure Machine Learning 具有您可以使用的特定內建角色:
- AzureML 資料科學家:可以在工作區內執行所有動作,但建立或刪除計算資源,或編輯工作區設定除外。
- AzureML 計算操作員:允許在工作區內建立、變更和管理計算資源的存取權。
最後,如果內建角色不符合您的需求,您可以建立自訂角色來指派權限給其他使用者。
最佳化您的工作區
一開始,您只能使用一個工作區。 不過,在處理大規模專案時,您可以選擇使用多個工作區。
您可以使用工作區以根據專案、部署環境 (例如測試和生產)、小組或一些其他組織準則來分組機器學習資產。