Workspace Clase

Agregue 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

Cree un área de trabajo de Azure Machine Learning.

Produce una excepción si el área de trabajo ya existe o no se cumplen 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 mediante el formato de identificador de recurso de Azure. Los identificadores de recursos de Azure específicos se pueden recuperar mediante Azure Portal o el SDK. Esto supone 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)

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

delete(delete_dependent_resources=False, no_wait=False)

Parámetros

Devoluciones

Elimine una conexión del área de trabajo.

delete_connection(name)

Parámetros

Elimine la conexión del punto de conexión privado al área de trabajo.

delete_private_endpoint_connection(private_endpoint_connection_name)

Parámetros

Diagnosticar problemas de configuración del área de trabajo.

diagnose_workspace(diagnose_parameters)

Parámetros

Devoluciones

Devuelve un objeto de área de trabajo de un 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 write_config método y usar este método para cargar el mismo área de trabajo en distintos cuadernos o proyectos de Python sin volver a ajustar 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 para 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

Obtenga una conexión del área de trabajo.

get_connection(name)

Parámetros

Obtenga el destino de proceso predeterminado para el área de trabajo.

get_default_compute_target(type)

Parámetros

Devoluciones

Obtenga el almacén de datos predeterminado para el área de trabajo.

get_default_datastore()

Devoluciones

Obtenga el objeto de almacén de claves predeterminado para el 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: 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: la región del área de trabajo.

• type: URI del formato "{providerName}/workspaces".

• etiquetas: no se usa actualmente.

• workspaceid: el identificador de esta área de trabajo.

• description: no se usa actualmente.

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

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

• containerRegistry: el registro de contenedor del área de trabajo que se usa para extraer e insertar imágenes de experimentación y servicios web.

• keyVault: almacén de claves del área de trabajo que se usa para almacenar las credenciales agregadas al área de trabajo por los usuarios.

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

• identityPrincipalId:

• identityTenantId

• identityType

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

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

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

• hbiWorkspace: especifica si los datos del cliente son de gran impacto empresarial.

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

• systemDatastoresAuthMode: determina si se deben usar 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 obtener más información sobre estos pares clave-valor, vea create.

Obtenga el URI de seguimiento de MLflow para el área de trabajo.

MLflow (https://mlflow.org/) es una plataforma de código abierto para realizar el seguimiento de experimentos de aprendizaje automático y administrar 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 run_id especificado en el área de trabajo.

get_run(run_id)

Parámetros

Devoluciones

Enumere 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

Enumere las conexiones en esta área de trabajo.

list_connections(category=None, target=None)

Parámetros

Enumera las claves del área de trabajo actual.

list_keys()

Devoluciones

Agregue o actualice una conexión en el área de trabajo.

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

Parámetros

Establezca el almacén de datos predeterminado para el área de trabajo.

set_default_datastore(name)

Parámetros

Cree una nueva área de trabajo o recupere una área de trabajo existente.

static setup()

Devoluciones

Desencadena el área de trabajo para sincronizar inmediatamente las claves.

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

sync_keys(no_wait=False)

Parámetros

Devoluciones

Actualice el nombre descriptivo, la descripción, las etiquetas, el proceso de compilación de imágenes y otras opciones de configuración 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

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

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

update_dependencies(container_registry=None, force=False)

Parámetros

Devoluciones

Escriba 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 from_config método . El path valor predeterminado es ".azureml/" en el directorio de trabajo actual y file_name el valor predeterminado es "config.json".

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

write_config(path=None, file_name=None)

Parámetros

Enumere todos los destinos de proceso en el área de trabajo.

Devoluciones

Enumere todos los conjuntos de datos del área de trabajo.

Devoluciones

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

Devoluciones

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

Devoluciones

Enumere todos los entornos del área de trabajo.

Devoluciones

Enumere todos los experimentos del área de trabajo.

Devoluciones

Devuelve la lista de imágenes del área de trabajo.

Genera un WebserviceException si se produjo un problema al interactuar con el servicio de administración de modelos.

Devoluciones

Excepciones

Enumere todos los servicios vinculados en el área de trabajo.

Devoluciones

Devuelve la ubicación de esta área de trabajo.

Devoluciones

Devuelve una lista de modelos en el área de trabajo.

Genera un WebserviceException si se produjo un problema al interactuar con el servicio de administración de modelos.

Devoluciones

Excepciones

Devuelve el nombre del área de trabajo.

Devoluciones

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

Devoluciones

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

Devoluciones

Devuelve el contexto del 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 en el área de trabajo.

Genera un 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'