Workspace Sınıf

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

Döndürülenler

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

Döndürülenler

Özel durumlar

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)

Azure Machine Learning Çalışma Alanı ile ilişkili kaynakları silin.

delete(delete_dependent_resources=False, no_wait=False)

Parametreler

Döndürülenler

Çalışma alanının bağlantısını silin.

delete_connection(name)

Parametreler

Çalışma alanına özel uç nokta bağlantısını silin.

delete_private_endpoint_connection(private_endpoint_connection_name)

Parametreler

Çalışma alanı kurulum sorunlarını tanılayın.

diagnose_workspace(diagnose_parameters)

Parametreler

Döndürülenler

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

Döndürülenler

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

Döndürülenler

Çalışma alanının bağlantısını alın.

get_connection(name)

Parametreler

Çalışma alanı için varsayılan işlem hedefini alın.

get_default_compute_target(type)

Parametreler

Döndürülenler

Çalışma alanı için varsayılan veri depolarını alın.

get_default_datastore()

Döndürülenler

Çalışma alanı için varsayılan anahtar kasası nesnesini alın.

get_default_keyvault()

Döndürülenler

Çalışma alanının ayrıntılarını döndürür.

get_details()

Döndürülenler

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. .

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

Döndürülenler

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())

Çalışma alanında belirtilen run_id çalıştırmayı döndürür.

get_run(run_id)

Parametreler

Döndürülenler

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

Döndürülenler

Bu çalışma alanı altındaki bağlantıları listeleyin.

list_connections(category=None, target=None)

Parametreler

Geçerli çalışma alanının liste anahtarları.

list_keys()

Döndürülenler

Çalışma alanı altında bağlantı ekleyin veya güncelleştirin.

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

Parametreler

Çalışma alanı için varsayılan veri depounu ayarlayın.

set_default_datastore(name)

Parametreler

Yeni bir çalışma alanı oluşturun veya var olan bir çalışma alanını alın.

static setup()

Döndürülenler

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

Döndürülenler

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

Döndürülenler

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

Döndürülenler

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

Çalışma alanında tüm işlem hedeflerini listeleyin.

Döndürülenler

Çalışma alanındaki tüm veri kümelerini listeleyin.

Döndürülenler

Çalışma alanı içindeki tüm veri depolarını listeleyin. Bu işlem veri depolarının kimlik bilgilerini döndürmez.

Döndürülenler

Bu çalışma alanının bulma URL'sini döndür.

Döndürülenler

Çalışma alanı içindeki tüm ortamları listeleyin.

Döndürülenler

Çalışma alanında yapılan tüm denemeleri listeleyin.

Döndürülenler

Çalışma alanında görüntü listesini döndürebilirsiniz.

WebserviceException Model yönetimi hizmetiyle etkileşimde bir sorun varsa oluşturur.

Döndürülenler

Özel durumlar

Çalışma alanında tüm bağlı hizmetleri listeleyin.

Döndürülenler

Bu çalışma alanının konumunu döndür.

Döndürülenler

Çalışma alanında modelin listesini döndürür.

WebserviceException Model yönetimi hizmetiyle etkileşimde bir sorun varsa oluşturur.

Döndürülenler

Özel durumlar

Çalışma alanı adını döndürür.

Döndürülenler

Çalışma alanının tüm özel uç noktalarını listeleyin.

Döndürülenler

Bu çalışma alanının kaynak grubu adını döndür.

Döndürülenler

Bu çalışma alanının hizmet bağlamını döndür.

Döndürülenler

Bu çalışma alanının SKU'sunu döndür.

Döndürülenler

Bu çalışma alanının abonelik kimliğini döndür.

Döndürülenler

Bu çalışma alanının Etiketlerini döndürün.

Döndürülenler

Çalışma alanında web hizmetlerinin listesini döndürür.

WebserviceException Listeyi döndürürken bir sorun oluştuysa oluşturur.

Döndürülenler

Özel durumlar

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'