entities 包

访问密钥凭据。

包含 Azure 机器学习 SDKv2 的实体和 SDK 对象。

主要领域包括管理计算目标、创建/管理工作区和作业、提交/访问模型、运行和运行输出/日志记录等。

用于监视作业的警报通知配置

AzureML 计算资源。

与 AmlCompute 相关的计算节点信息。

用于访问 AML 计算目标的 SSH 设置。

配置 AmlComputeSshSettings 对象。

   from azure.ai.ml.entities import AmlComputeSshSettings

   ssh_settings = AmlComputeSshSettings(
       admin_username="azureuser",
       ssh_key_value="ssh-rsa ABCDEFGHIJKLMNOPQRSTUVWXYZ administrator@MININT-2023",
       admin_password="password123",
   )

AzureML 令牌标识配置。

Api 密钥凭据。

资产的基类。

不应直接实例化此类。 请改用其子类之一。

用于代表其他用户创建计算资源的设置。

Synapse Spark 计算的自动暂停设置。

Synapse Spark 计算的自动缩放设置。

链接到 Azure ML 工作区的 Azure Blob 存储。

Azure Data Lake 又名第 1 代数据存储，链接到 Azure ML 工作区。

链接到 Azure ML 工作区的 Azure Data Lake gen 2。

链接到 Azure ML 工作区的 Azure 文件共享。

Azure ML 批量推理配置。

Azure ML 联机推理配置。

基本环境类型。

必须填充所有必需的参数才能发送到 Azure。

Batch 终结点部署实体。

Batch 终结点实体。

使用批量部署/终结点调用创建的批处理作业。

不应直接实例化此类。 相反，它用作批处理部署/终结点调用和作业列表的返回类型。

批量部署的重试设置。

环境的 Docker 生成上下文。

包含 Azure 机器学习 SDKv2 的实体和 SDK 对象。

主要领域包括管理计算目标、创建/管理工作区和作业、提交/访问模型、运行和运行输出/日志记录等。

选择分发配置。

评分作业的代码配置。

命令节点的基类，用于命令组件版本消耗。

不应直接实例化此类。 相反，应使用生成器函数：command () 创建它。

命令组件版本，用于定义命令组件或作业。

命令作业。

命令作业的限制。

组件版本的基类，用于定义组件。 不能直接实例化。

计算资源的基类。

不应直接实例化此类。 请改用其子类之一。

计算资源配置

计算实例资源。

用于通过 SSH 连接到计算节点的管理员用户帐户的凭据。

仅当 ssh_public_access_enabled 在计算资源上设置为 true 时，才能进行配置。

Spark 计算运行时配置。

计算计划。

计算启动或停止方案的计划。

与给定工作区关联的 ACR 的密钥。

作业计划的 Cron 触发器。

指定自定义服务应用程序配置。

自定义推理配置。

特征归属偏移指标阈值

自定义监视信号。

包含 Azure 机器学习 SDKv2 的实体和 SDK 对象。

主要领域包括管理计算目标、创建/管理工作区和作业、提交/访问模型、运行和运行输出/日志记录等。

用于训练和评分的数据。

数据捕获部署实体。

数据帧列:p aram 名称：列名 ：type name： str，必需:p aram 类型：列数据类型 ：type： str，[string， integer， long， float， double， binary， datetime， boolean] 或 ~azure.ai.ml.entities.DataColumnType 之一，可选

数据偏移指标阈值

数据偏移信号。

:p aram metric_thresholds：要计算的指标列表及其关联阈值

具有创建数据导入作业的数据资产。

数据质量指标阈值

数据质量信号

用于监视的数据段。

Azure ML 工作区的数据存储，抽象类。

默认缩放设置。

终结点部署基类。

终结点部署基类。

Endpoint Deployment 基类的构造函数。

集合实体

DiagnoseRequestProperties。

DiagnoseResponseResult。

DiagnoseResponseResultValue。

诊断结果。

用于诊断工作区的参数。

终结点基类。

终结点基类。

Endpoint 基类的构造函数。

终结点身份验证的密钥。

终结点身份验证密钥的构造函数。

终结点身份验证令牌。

终结点身份验证令牌的 Constuctor。

包含 Azure 机器学习 SDKv2 的实体和 SDK 对象。

主要领域包括管理计算目标、创建/管理工作区和作业、提交/访问模型、运行和运行输出/日志记录等。

指定自定义应用程序的终结点配置。

用于训练的环境。

特征归因生产数据

：关键字 (keyword) pre_processing_component：ARM (Azure 资源管理器) 用于预处理数据的组件资源的资源 ID。

特征归因偏移指标阈值

特征归因偏移信号

FeatureStore。

表示 FQDN 出站规则的类。

生成安全质量指标阈值

生成安全质量监视信号。

用于表示计算、终结点和注册表资源上的标识属性的标识配置。

有关计算实例的操作系统映像的元数据。

指定自定义应用程序的映像配置。

ImportDataSchedule 对象。

包含 Azure 机器学习 SDKv2 的实体和 SDK 对象。

主要领域包括管理计算目标、创建/管理工作区和作业、提交/访问模型、运行和运行输出/日志记录等。

知识产权设置定义。

工作区托管网络的 IsolationMode。

作业的基类。

不应直接实例化此类。 请改用其子类之一。

作业资源配置类，从 ResourceConfiguration 继承和扩展的功能。

用于管理作业计划的类。

用于向后兼容性的基本作业服务配置。

不应直接使用此类。 请改用其特定于作业类型的子类之一。

JupyterLab 作业服务配置。

Kubernetes 计算资源。

Kubernetes Online 终结点部署实体。

Kubernetes Online 终结点部署实体。

Kubernetes Online 终结点部署实体的构造函数。

K8s Online 终结点实体。

K8s Online 终结点实体。

K8s Online 终结点实体的构造函数。

LLM 请求响应数据

LogNormal 分发配置。

LogUniform 分发配置。

托管标识凭据配置。

包含 Azure 机器学习 SDKv2 的实体和 SDK 对象。

主要领域包括管理计算目标、创建/管理工作区和作业、提交/访问模型、运行和运行输出/日志记录等。

ManagedNetworkProvisionStatus。

托管联机终结点部署实体。

托管联机终结点部署实体。

托管联机终结点部署实体的构造函数。

托管联机终结点实体。

托管联机终结点实体。

托管联机终结点实体的构造函数。

具体化计算资源

定义具体化设置。

MaterializationStore。 :p aram 类型：存储类型。 ：type type： str :p aram target： store target. ：type target： str

用于训练和评分的模型。

作业定义实体。

模型批处理部署设置实体。

ModelConfiguration。

模型包。

模型包输入。

监视定义

监视功能筛选器

监视输入数据。

监视计划。

监视目标。

计算资源的网络设置。

无凭据配置。

正态分布配置。

与给定工作区关联的笔记本资源的键。

通知的配置。

支持 OneLake 工作区 (数据源) OneLake 项目。

链接到 Azure ML 工作区的 OneLake 数据存储。

联机终结点部署实体。

联机终结点部署实体。

联机终结点部署实体的构造函数

联机终结点实体。

联机终结点实体。

联机终结点实体的构造函数。

“请求设置”实体。

联机部署的缩放设置。

无法直接实例化出站规则的基类。

使用资源 ID 指定的包输入路径。

使用 URL 指定的包输入路径。

使用资源名称和版本指定的包输入路径。

并行节点的基类，用于并行组件版本消耗。

不应直接实例化此类。 相反，应从生成器函数：parallel 创建 。

并行组件版本，用于定义并行组件。

并行任务。

包含命令组件或作业的命令和支持参数的命令组件版本。

不应直接实例化此类。 请改用子类 ~azure.ai.ml.entities.CommandComponent。

个人访问令牌凭据。

管道节点的基类，用于管道组件版本消耗。 不应直接实例化此类。 相反，应使用 @pipeline 修饰器创建管道节点。

管道组件，当前用于将组件存储在 azure.ai.ml.dsl.pipeline 中。

作业定义实体。

管道作业。

不应直接实例化此类。 相反，应使用 @pipeline 修饰器来创建 PipelineJob。

] :p aram 计算：生成管道的计算目标名称。 默认为 None ：type compute： str :p aram tags： Tag dictionary。 可以添加、删除和更新标记。 默认为 None ：type tags： dict[str， str] :p aram kwargs： 附加配置参数的字典。 默认为 None ：type kwargs： dict

PipelineJob 的设置包括default_datastore、default_compute、continue_on_step_failure和force_rerun。

预测偏移指标阈值

预测偏移信号。

包含 Azure 机器学习 SDKv2 的实体和 SDK 对象。

主要领域包括管理计算目标、创建/管理工作区和作业、提交/访问模型、运行和运行输出/日志记录等。

表示专用终结点出站规则的类。

有关如何探测终结点的设置。

生产数据:p aram input_data：将计算偏移的数据：type Input： ~azure.ai.ml.entities._input_outputs :p aram data_context： 要计算偏移量的数据：type MonitorDatasetContext： ~azure.ai.ml.constants._monitoring :p aram pre_processing_component ： ：type pre_processing_component： string :p aram data_window_size： ：type data_window_size： string

QLogNormal 分发配置。

QLogUniform 分发配置。

QNormal 分发配置。

QUniform 分发配置。

管道作业的队列设置。

Randint 分发配置。

作业计划的定期模式。

作业计划的定期触发器。

引用数据:p aram input_data：将计算其偏移的数据：type Input： ~azure.ai.ml.entities._input_outputs :p aram data_context： 要针对 ：type MonitorDatasetContext： ~azure.ai.ml.constants._monitoring :p aram pre_processing_component： ：type pre_processing_component： string :p aram target_column_name： ：type target_column_name： string :p aram data_window： ：type data_window_size： BaselineDataRange

Azure ML 注册表。

注册表所在的每个区域的详细信息。

请求日志记录部署实体。

实体类的基类。

资源是一个抽象对象，用作创建资源的基础。 它包含所有资源的通用属性和方法。

不应直接实例化此类。 请改用其子类之一。

作业的资源配置。

不应直接实例化此类。 请改用其子类。

容器的资源要求设置。

容器的资源设置。

此类使用 Kubernetes 资源单元格式。 有关详细信息，请参阅 https://kubernetes.io/docs/concepts/configuration/manage-resources-containers/。

Parallel RetrySettings。

路线。

包含 Azure 机器学习 SDKv2 的实体和 SDK 对象。

主要领域包括管理计算目标、创建/管理工作区和作业、提交/访问模型、运行和运行输出/日志记录等。

用于创建和管理计划的 Schedule 对象。

不应直接实例化此类。 请改用 子类。

脚本引用。

服务实例结果。

服务主体凭据配置。

表示服务标记出站规则的类。

自定义安装脚本。

Spark 节点的基类，用于 Spark 组件版本消耗。

不应直接实例化此类。 相反，应从生成器函数 spark 创建它。

] :p aram 输出：输出名称到作业中使用的输出数据源的映射。 ：type outputs： Dict[str， Union[str， ~azure.ai.ml.Output]] :p aram args：作业的参数。 ：type args： str :p aram compute：运行作业的计算资源。 ：type compute： str :p aram 资源：作业的计算资源配置。 ：type resources： Union[Dict， ~azure.ai.ml.entities.SparkResourceConfiguration] :p aram 条目：文件或类入口点。 ：type entry： Dict[str， str] :p aram py_files：要放置在 PythonPATH for Python 应用的 PYTHONPATH 上的 .zip、.egg 或 .py 文件的列表。 ：type py_files： List[str] :p aram jars：的列表。要包含在驱动程序和执行程序类路径上的 JAR 文件。 ：type jars： List[str] :p aram 文件：要放置在每个执行程序的工作目录中的文件列表。 ：type files：List[str] :p aram 存档：要提取到每个执行程序的工作目录中的存档列表。 ：type 存档：List[str]

Spark 组件版本，用于定义 Spark 组件或作业。

独立的 Spark 作业。

Spark 作业的条目。

Spark 作业条目的类型。 可能的是 Python 文件条目或 Scala 类条目。

Spark 组件或作业的计算资源配置。

SSH 作业服务配置。

扫描节点的基类。

不应直接实例化此类。 相反，它应通过生成器函数：sweep 创建。

SynapseSpark 计算资源。

Azure ML ACR 帐户。

包含 Azure 机器学习 SDKv2 的实体和 SDK 对象。

主要领域包括管理计算目标、创建/管理工作区和作业、提交/访问模型、运行和运行输出/日志记录等。

与资源的创建和最近修改相关的元数据。

自动缩放设置。

TensorBoard 作业服务配置。

Azure ML 三元推理配置。

统一分发配置。

不支持的计算资源。

仅用于显示 SDK 中不完全支持的资源的计算属性。

AzureML 资源使用情况。

用法名称。

用户标识配置。

用户名和密码凭据。

表示作业/资产验证的结果。

此类用于组织和分析两个客户端&服务器端诊断，然后再公开它们。 结果是不可变的。

虚拟机计算资源。

虚拟机的 SSH 设置。

虚拟机大小。

指定自定义应用程序的绑定装载设置。

VS Code 作业服务配置。

Azure ML 工作区。

Azure ML 工作区连接提供了一种安全的方法，用于存储连接外部资源以及与外部资源交互所需的身份验证和配置信息。

WorkspaceHub。

WorkspaceHubConfig。

工作区密钥。

：type container_registry_credentials：ContainerRegistryCredential :p aram notebook_access_keys：与给定工作区关联的笔记本资源的密钥：type notebook_access_keys：NotebookAccessKeys

[必需]计算能力操作。

创建资源的标识类型。

描述使用情况度量单位的枚举。