Workspace Clase

Agrega un punto de conexión privado al área de trabajo.

add_private_endpoint(private_endpoint_config, private_endpoint_auto_approval=True, location=None, show_output=True, tags=None)

Parámetros

Devoluciones

Crea un área de trabajo de Azure Machine Learning.

Produce una excepción si ya existe el área de trabajo o no se cumple alguno de los requisitos del área de trabajo.

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)

Parámetros

Devoluciones

Excepciones

Comentarios

En este primer ejemplo solo se requiere una especificación mínima y todos los recursos dependientes, así como el grupo de recursos, se crearán automáticamente.

   from azureml.core import Workspace
   ws = Workspace.create(name='myworkspace',
                         subscription_id='<azure-subscription-id>',
                         resource_group='myresourcegroup',
                         create_resource_group=True,
                         location='eastus2')

En el ejemplo siguiente, se muestra cómo reutilizar los recursos de Azure existentes con el formato de identificador de recurso de Azure. Los identificadores de recursos de Azure específicos se pueden recuperar mediante Azure Portal o el SDK. Se da por supuesto que el grupo de recursos, la cuenta de almacenamiento, el almacén de claves, App Insights y el registro de contenedor ya existen.

   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)

Elimina los recursos asociados al área de trabajo de Azure Machine Learning.

delete(delete_dependent_resources=False, no_wait=False)

Parámetros

Devoluciones

Elimina una conexión del área de trabajo.

delete_connection(name)

Parámetros

Elimina la conexión del punto de conexión privado con el área de trabajo.

delete_private_endpoint_connection(private_endpoint_connection_name)

Parámetros

Se diagnostican los problemas de configuración del área de trabajo.

diagnose_workspace(diagnose_parameters)

Parámetros

Devoluciones

Devuelve un objeto de área de trabajo del área de trabajo de Azure Machine Learning existente.

Lee la configuración del área de trabajo de un archivo. Produce una excepción si no se encuentra el archivo de configuración.

El método proporciona una manera sencilla de reutilizar la misma área de trabajo en varios cuadernos o proyectos de Python. Los usuarios pueden guardar las propiedades de Azure Resource Manager (ARM) del área de trabajo mediante el método write_config y usar este método para cargar la misma área de trabajo en otros cuadernos o proyectos de Python sin volver a escribir las propiedades de ARM del área de trabajo.

static from_config(path=None, auth=None, _logger=None, _file_name=None)

Parámetros

Devoluciones

Devuelve un objeto de área de trabajo de un área de trabajo de Azure Machine Learning existente.

Produce una excepción si el área de trabajo no existe o los campos obligatorios no identifican de forma única un área de trabajo.

static get(name, auth=None, subscription_id=None, resource_group=None, location=None, cloud='AzureCloud', id=None)

Parámetros

Devoluciones

Obtiene una conexión del área de trabajo.

get_connection(name)

Parámetros

Obtiene el destino de proceso predeterminado del área de trabajo.

get_default_compute_target(type)

Parámetros

Devoluciones

Obtiene el almacén de datos predeterminado del área de trabajo.

get_default_datastore()

Devoluciones

Obtiene el objeto de almacén de claves predeterminado del área de trabajo.

get_default_keyvault()

Devoluciones

Devuelve los detalles del área de trabajo.

get_details()

Devoluciones

Comentarios

El diccionario devuelto contiene los siguientes pares clave-valor.

• id: identificador URI que apunta a este recurso de área de trabajo, que contiene el identificador de suscripción, el grupo de recursos y el nombre del área de trabajo.

• name: nombre de esta área de trabajo.

• location: región del área de trabajo.

• type: identificador URI con el formato "{providerName}/workspaces".

• tags: no se usa actualmente.

• workspaceid: identificador de esta área de trabajo.

• description: no se usa actualmente.

• friendlyName: nombre descriptivo del área de trabajo que se muestra en la interfaz de usuario.

• creationTime: hora en la que se creó esta área de trabajo, en formato ISO8601.

• containerRegistry: registro de contenedor del área de trabajo usado para extraer e insertar imágenes de experimentación y de servicios web.

• keyVault: almacén de claves del área de trabajo utilizado para almacenar las credenciales que los usuarios agreguen al área de trabajo.

• applicationInsights: el área de trabajo usará la instancia de Application Insights para registrar los eventos de los servicios web.

• identityPrincipalId

• identityTenantId

• identityType

• storageAccount: el área de trabajo usará el almacenamiento para guardar las salidas de la ejecución, el código, los registros, etc.

• sku: SKU del área de trabajo (también denominada edición). El parámetro está presente por compatibilidad con versiones anteriores y se omite.

• resourceCmkUri: URI de la clave administrada por el cliente para cifrar los datos en reposo. Consulte https://docs.microsoft.com/en-us/azure-stack/user/azure-stack-key-vault-manage-portal?view=azs-1910 para conocer los pasos sobre cómo crear una clave y obtener su identificador URI.

• hbiWorkspace: especifica si los datos del cliente tienen un gran impacto empresarial.

• imageBuildCompute: destino de proceso para la creación de imágenes.

• systemDatastoresAuthMode: determina si se deben usar o no credenciales para los almacenes de datos del sistema del área de trabajo "workspaceblobstore" y "workspacefilestore". El valor predeterminado es "accessKey", en cuyo caso, el área de trabajo creará los almacenes de datos del sistema con credenciales. Si se establece en "identity", el área de trabajo creará los almacenes de datos del sistema sin credenciales.

Para más información sobre estos pares clave-valor, vea create.

Obtiene el identificador URI de seguimiento de MLflow del área de trabajo.

MLflow (https://mlflow.org/) es una plataforma de código abierto para el seguimiento de experimentos de aprendizaje automático y la administración de modelos. Puede usar las API de registro de MLflow con Azure Machine Learning para que las métricas, los modelos y los artefactos se registren en el área de trabajo de Azure Machine Learning.

get_mlflow_tracking_uri(_with_auth=False)

Parámetros

Devoluciones

Comentarios

Use el ejemplo siguiente para configurar el seguimiento de MLflow para enviar datos al área de trabajo de Azure ML:

   import mlflow
   from azureml.core import Workspace
   workspace = Workspace.from_config()
   mlflow.set_tracking_uri(workspace.get_mlflow_tracking_uri())

Devuelve la ejecución con el valor de run_id especificado en el área de trabajo.

get_run(run_id)

Parámetros

Devoluciones

Enumera todas las áreas de trabajo a las que el usuario tiene acceso dentro de la suscripción.

La lista de áreas de trabajo se puede filtrar en función del grupo de recursos.

static list(subscription_id, auth=None, resource_group=None)

Parámetros

Devoluciones

Enumera las conexiones de esta área de trabajo.

list_connections(category=None, target=None)

Parámetros

Enumera las claves del área de trabajo actual.

list_keys()

Devoluciones

Agrega o actualiza una conexión del área de trabajo.

set_connection(name, category, target, authType, value)

Parámetros

Establece el almacén de datos predeterminado del área de trabajo.

set_default_datastore(name)

Parámetros

Crea un área de trabajo o recupera una existente.

static setup()

Devoluciones

Desencadena que el área de trabajo sincronice las claves inmediatamente.

Si se cambian las claves de cualquier recurso del área de trabajo, pueden tardar aproximadamente una hora en actualizarse automáticamente. Esta función permite que las claves se actualicen a petición. Un escenario de ejemplo es la necesidad de acceso inmediato al almacenamiento después de regenerar las claves de almacenamiento.

sync_keys(no_wait=False)

Parámetros

Devoluciones

Actualiza el nombre descriptivo, la descripción, las etiquetas, el proceso de compilación de imágenes y otras configuraciones asociadas a un área de trabajo.

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)

Parámetros

Devoluciones

Actualiza los recursos asociados existentes para el área de trabajo en los casos siguientes.

a) Cuando un usuario elimina accidentalmente un recurso asociado y quiere actualizarlo con uno nuevo sin tener que volver a crear toda el área de trabajo. b) Cuando un usuario tiene un recurso asociado y quiere reemplazar el actual que está asociado al área de trabajo. c) Cuando aún no se ha creado un recurso asociado y el usuario quiere usar uno existente que ya tiene (solo se aplica al registro de contenedor).

update_dependencies(container_registry=None, force=False)

Parámetros

Devoluciones

Escribe las propiedades de Azure Resource Manager (ARM) del área de trabajo en un archivo de configuración.

Las propiedades de ARM del área de trabajo se pueden cargar más adelante mediante el método from_config. El elemento path tiene el valor predeterminado ".azureml/" en el directorio de trabajo actual y el valor predeterminado de file_name es "config.json".

El método proporciona una manera sencilla de reutilizar la misma área de trabajo en varios cuadernos o proyectos de Python. Los usuarios pueden guardar las propiedades de ARM del área de trabajo mediante esta función y usar from_config para cargar la misma área de trabajo en otros cuadernos o proyectos de Python sin volver a escribir las propiedades de ARM del área de trabajo.

write_config(path=None, file_name=None)

Parámetros

Enumera todos los destinos de proceso del área de trabajo.

Devoluciones

Enumera todos los conjuntos de datos del área de trabajo.

Devoluciones

Enumera todos los almacenes de datos del área de trabajo. Esta operación no devuelve las credenciales de los almacenes de datos.

Devoluciones

Devuelve la dirección URL de detección de esta área de trabajo.

Devoluciones

Enumera todos los entornos del área de trabajo.

Devoluciones

Enumera todos los experimentos del área de trabajo.

Devoluciones

Devuelve la lista de imágenes del área de trabajo.

Emite una excepción WebserviceException si se produce un problema al interactuar con el servicio de administración de modelos.

Devoluciones

Excepciones

Enumera todos los servicios vinculados del área de trabajo.

Devoluciones

Devuelve la ubicación de esta área de trabajo.

Devoluciones

Devuelve una lista de modelos del área de trabajo.

Emite una excepción WebserviceException si se produce un problema al interactuar con el servicio de administración de modelos.

Devoluciones

Excepciones

Devuelve el nombre del área de trabajo.

Devoluciones

Enumera todos los puntos de conexión privados del área de trabajo.

Devoluciones

Devuelve el nombre del grupo de recursos para esta área de trabajo.

Devoluciones

Devuelve el contexto de servicio para esta área de trabajo.

Devoluciones

Devuelve la SKU de esta área de trabajo.

Devoluciones

Devuelve el identificador de suscripción de esta área de trabajo.

Devoluciones

Devuelve las etiquetas de esta área de trabajo.

Devoluciones

Devuelve una lista de servicios web del área de trabajo.

Genera una excepción WebserviceException si se produjo un problema al devolver la lista.

Devoluciones

Excepciones

DEFAULT_CPU_CLUSTER_CONFIGURATION = <azureml.core.compute.amlcompute.AmlComputeProvisioningConfiguration object>

DEFAULT_CPU_CLUSTER_NAME = 'cpu-cluster'

DEFAULT_GPU_CLUSTER_CONFIGURATION = <azureml.core.compute.amlcompute.AmlComputeProvisioningConfiguration object>

DEFAULT_GPU_CLUSTER_NAME = 'gpu-cluster'