MLClient Sınıf

  • Başvuru

Azure ML hizmetleriyle etkileşime geçmek için bir istemci sınıfı.

Çalışma alanları, işler, modeller gibi Azure ML kaynaklarını yönetmek için bu istemciyi kullanın.

Devralma
builtins.object
MLClient

Oluşturucu

MLClient(credential: TokenCredential, subscription_id: str | None = None, resource_group_name: str | None = None, workspace_name: str | None = None, registry_name: str | None = None, **kwargs: Any)

Parametreler

credential
TokenCredential
Gerekli

Kimlik doğrulaması için kullanılacak kimlik bilgisi.

subscription_id
Optional[str]
varsayılan değer: None

Azure abonelik kimliği. Yalnızca kayıt defteri varlıkları için isteğe bağlıdır. Varsayılan değer Yok'tır.

resource_group_name
Optional[str]
varsayılan değer: None

Azure kaynak grubu. Yalnızca kayıt defteri varlıkları için isteğe bağlıdır. Varsayılan değer Yok'tır.

workspace_name
Optional[str]
varsayılan değer: None

İstemcide kullanılacak çalışma alanı. Yalnızca çalışma alanına bağımlı olmayan işlemler için isteğe bağlıdır. Varsayılan değer Yok'tır.

registry_name
Optional[str]
varsayılan değer: None

İstemcide kullanılacak kayıt defteri. Yalnızca çalışma alanına bağımlı olmayan işlemler için isteğe bağlıdır. Varsayılan değer Yok'tır.

show_progress
Optional[bool]

Uzun süre çalışan işlemler için ilerleme çubuklarının görüntülenip görüntülenmeyeceğini belirtir (örneğin, müşteriler bu SDK'yi etkileşimli bir kurulumda kullanmazlarsa bunu False olarak ayarlamayı göz önünde bulundurabilir). Varsayılan değer True'dır.

enable_telemetry
Optional[bool]

Telemetrinin etkinleştirilip etkinleştirilmeymeyeceğini belirtir. bir Jupyter Notebook değilse False olarak geçersiz kılınacaktır. Jupyter Notebook ise varsayılan değer True olur.

cloud
Optional[str]

Kullanılacak bulut adı. Varsayılan olarak "AzureCloud" kullanılır.

Örnekler

Bağımsız etki alanlarını (yani AZURE_PUBLIC_CLOUD dışındaki herhangi bir bulutu) kullanırken, kwargs'da bulut adını geçirmeniz ve DefaultAzureCredential ile bir yetkili kullanmanız gerekir.


   from azure.ai.ml import MLClient
   from azure.identity import AzureAuthorityHosts, DefaultAzureCredential

   kwargs = {"cloud": "AzureChinaCloud"}
   ml_client = MLClient(
       subscription_id=subscription_id,
       resource_group_name=resource_group,
       credential=DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_CHINA),
       **kwargs,
   )

Yöntemler

begin_create_or_update

Azure ML kaynağını zaman uyumsuz olarak oluşturur veya güncelleştirir.
create_or_update

Azure ML kaynağını oluşturur veya güncelleştirir.
from_config

Dosya yapılandırması kullanarak var olan bir Azure Machine Learning Çalışma Alanı'ndan bir istemci döndürür.

Bu yöntem, aynı çalışma alanını birden çok Python not defteri veya projesinde yeniden kullanmanın basit bir yolunu sağlar. Çalışma alanının Azure Resource Manager (ARM) özelliklerini şu biçimi kullanarak bir JSON yapılandırma dosyasına kaydedebilirsiniz:


   {
       "subscription_id": "<subscription-id>",
       "resource_group": "<resource-group>",
       "workspace_name": "<workspace-name>"
   }

Ardından, çalışma alanı ARM özelliklerini yeniden yazmadan aynı çalışma alanını farklı Python not defterlerine veya projelerine yüklemek için bu yöntemi kullanabilirsiniz.

begin_create_or_update

Azure ML kaynağını zaman uyumsuz olarak oluşturur veya güncelleştirir.

begin_create_or_update(entity: R, **kwargs) -> LROPoller[R]

Parametreler

entity
Union[Workspace , Registry, Compute, OnlineDeployment , OnlineEndpoint, BatchDeployment , BatchEndpoint, Schedule]
Gerekli

Oluşturulacak veya güncelleştirilecek kaynak.

Döndürülenler

Oluşturma/güncelleştirme işleminden sonra kaynak.

Dönüş türü

LROPoller[Union[Workspace , Registry, Compute, OnlineDeployment , OnlineEndpoint, BatchDeployment , BatchEndpoint, Schedule]]

create_or_update

Azure ML kaynağını oluşturur veya güncelleştirir.

create_or_update(entity: T, **kwargs) -> T

Parametreler

entity
Union[Job , Model, Environment, Component , Datastore]
Gerekli

Oluşturulacak veya güncelleştirilecek kaynak.

Döndürülenler

Oluşturulan veya güncelleştirilen kaynak.

Dönüş türü

Union[Job, Model , Environment, Component, Datastore]

from_config

Dosya yapılandırması kullanarak var olan bir Azure Machine Learning Çalışma Alanı'ndan bir istemci döndürür.

Bu yöntem, aynı çalışma alanını birden çok Python not defteri veya projesinde yeniden kullanmanın basit bir yolunu sağlar. Çalışma alanının Azure Resource Manager (ARM) özelliklerini şu biçimi kullanarak bir JSON yapılandırma dosyasına kaydedebilirsiniz:


   {
       "subscription_id": "<subscription-id>",
       "resource_group": "<resource-group>",
       "workspace_name": "<workspace-name>"
   }

Ardından, çalışma alanı ARM özelliklerini yeniden yazmadan aynı çalışma alanını farklı Python not defterlerine veya projelerine yüklemek için bu yöntemi kullanabilirsiniz.

from_config(credential: TokenCredential, *, path: PathLike | str | None = None, file_name=None, **kwargs) -> MLClient

Parametreler

credential
TokenCredential
Gerekli

Çalışma alanının kimlik bilgisi nesnesi.

path
Optional[Union[PathLike, str]]

içindeki yapılandırma dosyasını aramak için yapılandırma dosyasının veya başlangıç dizininin yolu. Varsayılan değer Yok'tır ve geçerli dizinin kullanılacağını belirtir.

file_name
Optional[str]

Yol bir dizin yolu olduğunda aranacak yapılandırma dosyası adı. Varsayılan olarak "config.json" kullanılır.

cloud
Optional[str]

Kullanılacak bulut adı. Varsayılan olarak "AzureCloud" kullanılır.

Döndürülenler

Mevcut bir Azure ML Çalışma Alanı için istemci.

Dönüş türü

MLClient

Özel durumlar

ValidationException

"config.json" ise veya geçersiz kılınırsa file_name dizinde bulunamaz. Ayrıntılar hata iletisinde sağlanacaktır.

Örnekler

"src" dizinindeki "config.json" adlı bir dosyadan MLClient oluşturma.


   from azure.ai.ml import MLClient

   client = MLClient.from_config(credential=DefaultAzureCredential(), path="./sdk/ml/azure-ai-ml/samples/src")

Geçerli dizindeki "team_workspace_configuration.json" adlı bir dosyadan MLClient oluşturma.


   from azure.ai.ml import MLClient

   client = MLClient.from_config(
       credential=DefaultAzureCredential(),
       file_name="./sdk/ml/azure-ai-ml/samples/team_workspace_configuration.json",
   )

Öznitelikler

batch_deployments

Toplu dağıtımla ilgili işlemler koleksiyonu.

Döndürülenler

Toplu Dağıtım işlemleri.

Dönüş türü

BatchDeploymentOperations

batch_endpoints

Toplu iş uç noktasıyla ilgili işlemler koleksiyonu.

Döndürülenler

Batch Uç Noktası işlemleri

Dönüş türü

BatchEndpointOperations

components

Bileşenle ilgili işlemlerin koleksiyonu.

Döndürülenler

Bileşen işlemleri.

Dönüş türü

ComponentOperations

compute

İşlemle ilgili işlemler koleksiyonu.

Döndürülenler

İşlem işlemleri

Dönüş türü

ComputeOperations

connections

Çalışma alanı bağlantısıyla ilgili işlemler koleksiyonu.

Döndürülenler

Çalışma Alanı Bağlantıları işlemleri

Dönüş türü

WorkspaceConnectionsOperations

data

Veriyle ilgili işlemlerin koleksiyonu.

Döndürülenler

Veri işlemleri.

Dönüş türü

DataOperations

datastores

Veri deposuyla ilgili işlemlerin koleksiyonu.

Döndürülenler

Veri deposu işlemleri.

Dönüş türü

DatastoreOperations

environments

Ortamla ilgili işlemlerin koleksiyonu.

Döndürülenler

Ortam işlemleri.

Dönüş türü

EnvironmentOperations

feature_sets

Daha fazla bilgi için aka.ms/azuremlexperimental.

Özellik kümesiyle ilgili işlemler koleksiyonu.

Döndürülenler

FeatureSet işlemleri

Dönüş türü

FeatureSetOperations

feature_store_entities

Daha fazla bilgi için aka.ms/azuremlexperimental.

Özellik deposu varlığıyla ilgili işlemler koleksiyonu.

Döndürülenler

FeatureStoreEntity işlemleri

Dönüş türü

FeatureStoreEntityOperations

feature_stores

Daha fazla bilgi için aka.ms/azuremlexperimental.

Özellik deposuyla ilgili işlemler koleksiyonu.

Döndürülenler

FeatureStore işlemleri

Dönüş türü

FeatureStoreOperations

jobs

İşle ilgili işlemlerin koleksiyonu.

Döndürülenler

İş işlemleri

Dönüş türü

JobOperations

models

Modelle ilgili işlemler koleksiyonu.

Döndürülenler

Model işlemleri

Dönüş türü

ModelOperations

online_deployments

Çevrimiçi dağıtımla ilgili işlemlerin koleksiyonu.

Döndürülenler

Çevrimiçi Dağıtım işlemleri

Dönüş türü

OnlineDeploymentOperations

online_endpoints

Çevrimiçi uç noktayla ilgili işlemler koleksiyonu.

Döndürülenler

Çevrimiçi Uç Nokta işlemleri

Dönüş türü

OnlineEndpointOperations

registries

Daha fazla bilgi için aka.ms/azuremlexperimental.

Kayıt defteriyle ilgili işlemlerin koleksiyonu.

Döndürülenler

Kayıt defteri işlemleri

Dönüş türü

RegistryOperations

resource_group_name

MLClient nesnesinin kaynak grubu adını alın.

Döndürülenler

Azure kaynak grubu adı.

Dönüş türü

str

schedules

Zamanlamayla ilgili işlemlerin koleksiyonu.

Döndürülenler

İşlemleri zamanlama.

Dönüş türü

ScheduleOperations

subscription_id

MLClient nesnesinin abonelik kimliğini alın.

Döndürülenler

Azure aboneliği kimliği.

Dönüş türü

str

workspace_hubs

Daha fazla bilgi için aka.ms/azuremlexperimental.

Çalışma alanı hub'ı ile ilgili işlemler koleksiyonu.

Döndürülenler

Hub İşlemleri

Dönüş türü

<xref:HubOperations>

workspace_name

Çalışma alanına bağımlı işlemlerin yürütüleceği çalışma alanının adı.

Döndürülenler

Varsayılan çalışma alanının adı.

Dönüş türü

Optional[str]

workspace_outbound_rules

Çalışma alanı giden kuralıyla ilgili işlemler koleksiyonu.

Döndürülenler

Çalışma alanı giden kuralı işlemleri

Dönüş türü

WorkspaceOutboundRuleOperations

workspaces

Çalışma alanıyla ilgili işlemler koleksiyonu.

Döndürülenler

Çalışma alanı işlemleri

Dönüş türü

WorkspaceOperations

R 

R = ~R

T 

T = ~T