core 包

此包包含用于在 Azure 机器学习中管理计算目标的类。

有关选择用于训练和部署的计算目标的详细信息，请参阅 Azure 机器学习中的计算目标是什么？

包含用于管理在 Azure 机器学习中部署为 Web 服务终结点的映像的功能。

此类已弃用。 请改用 Environment 类。

映像用于将一个 Model、脚本和关联的文件部署为 Web 服务终结点或 IoT Edge 设备。 终结点处理传入的评分请求并返回预测。 此包的关键类是 Image 类、Azure 机器学习映像的父类和 Docker 映像的派生 ContainerImage 类，以及预览映像（如 FPGA）。

除非有一个专门需要使用图像的工作流，否则应改用类 Environment 来定义图像。 然后，可以将 Environment 对象与方法结合使用 Modeldeploy() ，将模型部署为 Web 服务。 还可以使用 Model package() 方法创建一个映像，该映像可以作为映像或 Dockerfile 下载到本地 Docker 安装。

有关使用 Model 类的信息，请参阅 使用 Azure 机器学习部署模型。

有关使用自定义映像的信息，请参阅 使用自定义 Docker 基础映像部署模型。

包含将机器学习模型部署为 Azure 机器学习中的 Web 服务终结点的功能。

将 Azure 机器学习模型部署为 Web 服务将创建终结点和 REST API。 可以将数据发送到此 API，并接收模型返回的预测。

在部署Model或Image部署到 Azure 容器实例（模块）、Azure Kubernetes 服务（aciaks模块）和 Azure Kubernetes 终结点（AksEndpoint）或现场可编程门阵列（FPGA）时创建 Web 服务。 对于大多数用例，建议使用模型进行部署，而建议对高级用例使用映像进行部署。 本模块中的类支持这两种类型的部署。

包含用于在 Azure 机器学习中管理不同类型的身份验证的功能。

支持的身份验证类型：

• 交互式登录 - 使用 Azure 机器学习 SDK 时的默认模式。 使用交互式对话。
• Azure CLI - 用于 azure-cli 包。
• 服务主体 - 用于自动化机器学习工作流。
• MSI - 用于已启用托管服务标识的资产，例如 Azure 虚拟机。
• Azure ML 令牌 - 仅用于获取提交的运行的 Azure ML 令牌。

若要了解有关这些身份验证机制的详细信息，请参阅 https://aka.ms/aml-notebook-auth。

包含 Azure 机器学习未管理的计算目标的功能。

计算目标定义训练计算环境，可以是云中的本地资源，也可以是远程资源。 利用远程资源，可以利用加速的 CPU 和 GPU 处理功能，轻松纵向扩展或横向扩展机器学习试验。

有关 Azure 机器学习管理的计算目标的信息，请参阅该 ComputeTarget 类。 有关详细信息，请参阅 什么是 Azure 机器学习中的计算目标？

包含用于管理 conda 环境依赖项的功能。

使用该 CondaDependencies 类加载现有的 conda 环境文件，并配置和管理执行试验的新环境。

包含用于管理 Azure 容器注册表的功能。

包含用于在 Azure 机器学习中管理 Databricks 环境的功能。

有关在 Azure 机器学习中使用 Databricks 的详细信息，请参阅 为 Azure 机器学习配置开发环境。

管理与 Azure 机器学习数据集的交互。

本模块提供用于使用原始数据、管理数据以及对 Azure 机器学习中的数据执行作的功能。 Dataset使用此模块中的类创建数据集以及包中data包含支持类FileDataset和TabularDataset的功能。

若要开始使用数据集，请参阅 “添加和注册数据集”一文。

包含用于在 Azure 机器学习中管理数据存储的功能。

包含用于在 Azure 机器学习中创建和管理可重现环境的功能。

环境提供了一种管理软件依赖项的方法，以便在本地和分布式云开发环境之间移动时，可重现受控环境，只需最少的手动配置。 环境封装 Python 包、环境变量、用于训练和评分脚本的软件设置，并在 Python、Spark 或 Docker 上运行时间。 有关使用环境进行 Azure 机器学习训练和部署的详细信息，请参阅 创建和管理可重用的环境。

包含用于在 Azure 机器学习中提交试验和管理试验历史记录的功能。

包含用于管理与 Azure 机器学习工作区关联的 Key Vault 中的机密的功能。

本模块包含用于添加、检索、删除和列出与工作区关联的 Azure Key Vault 中的机密的便利方法。

包含用于在 AML 工作区中创建和管理链接服务的功能。

包含用于在 Azure 机器学习中管理机器学习模型的功能。

Model通过类，可以完成以下主要任务：

• 将模型注册到工作区
• 分析模型以了解部署要求
• 打包模型以用于 Docker
• 将模型作为 Web 服务部署到推理终结点

有关如何使用模型的详细信息，请参阅 Azure 机器学习的工作原理：体系结构和概念。

包含用于定义和配置 Azure 专用终结点的功能。

包含 Azure 机器学习中分析模型的功能。

包含用于管理 Azure 机器学习实体的资源配置的功能。

包含用于在 Azure 机器学习中管理试验指标和项目的功能。

包含用于在 Azure 机器学习中管理试验运行配置的功能。

本模块 RunConfiguration中的关键类封装在指定计算目标上提交训练运行所需的信息。 该配置包括一组广泛的行为定义，例如是使用现有 Python 环境还是使用从规范生成的 Conda 环境。

通过 RunConfiguration 访问模块中的其他配置类。

包含用于在 Azure 机器学习中管理提交的训练运行的功能。

包含用于管理在 Azure 机器学习中提交训练运行的配置的功能。

包含用于指定日志记录详细信息级别的类。

包含用于管理工作区的功能，即 Azure 机器学习中的顶级资源。

此模块包含 Workspace 类及其方法和属性，可用于管理机器学习项目，如计算目标、环境、数据存储、试验和模型。 工作区与 Azure 订阅和资源组相关联，是计费的主要方式。 工作区支持 Azure 资源管理器基于角色的访问控制（RBAC）和区域相关性，用于工作区中保存的所有机器学习数据。

Azure 机器学习管理的所有计算目标的抽象父类。

计算目标是指定的计算资源/环境，可在其中运行训练脚本或托管服务部署。 此位置可以是你的本地计算机，也可以是基于云的计算资源。 有关详细信息，请参阅 什么是 Azure 机器学习中的计算目标？

类 ComputeTarget 构造函数。

检索与提供的工作区关联的计算对象的云表示形式。 返回与检索的计算对象的特定类型对应的子类的实例。

定义与 Azure 容器注册表的连接。

类 ContainerRegistry 构造函数。

表示用于浏览、转换和管理 Azure 机器学习中的数据的资源。

数据集是对公共 Web URL 中 Datastore 或隐藏的数据的引用。

对于此类中弃用的方法，请检查 AbstractDataset 类中是否有改进的 API。

支持以下数据集类型：

• TabularDataset 表示通过分析提供的文件或文件列表创建的表格格式的数据。

• FileDataset 引用数据存储或公共 URL 中的单个或多个文件。

若要开始使用数据集，请参阅 “添加和注册数据集”一文，或查看笔记本 https://aka.ms/tabulardataset-samplenotebook 和 https://aka.ms/filedataset-samplenotebook笔记本。

初始化 Dataset 对象。

若要获取已在工作区中注册的数据集，请使用 get 方法。

表示 Azure 机器学习存储帐户的存储抽象。

数据存储附加到工作区，用于将连接信息存储到 Azure 存储服务，以便按名称引用它们，无需记住用于连接到存储服务的连接信息和机密。

可注册为数据存储的受支持 Azure 存储服务的示例包括：

• Azure Blob 容器

• Azure 文件共享

• Azure Data Lake

• Azure Data Lake Gen2

• Azure SQL 数据库

• 适用于 PostgreSQL 的 Azure 数据库

• Databricks 文件系统

• 适用于 MySQL 的 Azure 数据库

使用此类执行管理作，包括注册、列出、获取和删除数据存储。 使用此类的方法创建 register* 每个服务的数据存储。 使用数据存储访问数据时，必须有权访问该数据，具体取决于向数据存储注册的凭据。

有关数据存储以及如何在机器学习中使用数据存储的详细信息，请参阅以下文章：

• 访问 Azure 存储服务中的数据

• 使用估算器通过 Azure 机器学习训练模型

• 创建和运行机器学习管道

按名称获取数据存储。 此调用将向数据存储服务发出请求。

为机器学习试验配置可重现的 Python 环境。

环境定义机器学习试验中使用的 Python 包、环境变量和 Docker 设置，包括数据准备、训练和部署到 Web 服务。 环境在 Azure 机器学习 Workspace中管理和版本控制。 可以更新现有环境并检索要重复使用的版本。 环境是它们在其中创建的工作区的独占，不能在不同的工作区中使用。

有关环境的详细信息，请参阅 创建和管理可重用的环境。

类环境构造函数。

表示用于在 Azure 机器学习中创建和使用试验的主要入口点。

试验是表示多个模型运行的 试验 容器。

试验构造函数。

定义 Azure 机器学习映像的抽象父类。

此类已弃用。 请改用 Environment 类。

图像构造函数。

此类已弃用。 请改用 Environment 类。

图像构造函数用于检索与提供的工作区关联的 Image 对象的云表示形式。 将返回与检索的图像对象的特定类型对应的子类的实例。

管理与 Azure 机器学习工作区关联的 Azure Key Vault 中存储的机密。

每个 Azure 机器学习工作区都有一个关联的 Azure Key Vault。 Keyvault 类是 Azure Key Vault 的简化包装器，可用于管理密钥保管库中的机密，包括设置、检索、删除和列出机密。 使用 Keyvault 类安全地将机密传递到远程运行，而无需以明文形式公开敏感信息。

有关详细信息，请参阅 在训练运行中使用机密。

类 Keyvault 构造函数。

定义用于管理 AML 工作区与 Azure 上其他服务之间的链接的资源。

初始化 LinkedService 对象。

表示机器学习训练的结果。

模型是 Azure 机器学习训练Run或 Azure 外部的一些其他模型训练过程的结果。 无论模型是如何生成的，它都可以在工作区中注册，其中它由名称和版本表示。 使用 Model 类，可以打包模型以用于 Docker，并将其部署为可用于推理请求的实时终结点。

有关演示如何创建、管理和使用模型的端到端教程，请参阅 使用 AZURE 机器学习通过 MNIST 数据和 scikit-learn 训练图像分类模型。

模型构造函数。

模型构造函数用于检索与提供的工作区关联的 Model 对象的云表示形式。 必须提供名称或 ID。

定义用于管理与 Azure ML 工作区关联的专用终结点连接的专用终结点。

初始化 PrivateEndPoint。

定义 Azure 专用 EndPoint 的配置。

Azure 专用终结点 是一个网络接口，它通过专用链接将你专用且安全地连接到 Azure ML 工作区。

初始化 PrivateEndPointConfig。

定义所有 Azure 机器学习试验运行的基类。

运行表示试验的单个试用。 运行用于监视试用的异步执行、记录指标和存储试用的输出，以及分析试用版生成的结果和访问项目。

提交脚本来训练 Azure 机器学习中的多种不同方案（包括 HyperDrive 运行、管道运行和 AutoML 运行）时，将创建运行对象。 当你或submit与类一start_logging起Experiment创建 Run 对象。

若要开始使用试验和运行，请参阅

• 创建和管理用于训练和部署的环境

• 如何管理运行

初始化 Run 对象。

表示针对 Azure 机器学习中不同计算目标的试验运行的配置。

RunConfiguration 对象封装在试验中提交训练运行所需的信息。 通常，不会直接创建 RunConfiguration 对象，而是从返回它的方法（如 submit 类的方法 Experiment ）获取一个。

RunConfiguration 是一种基本环境配置，也用于其他类型的配置步骤，具体取决于要触发的运行类型。 例如，设置时 PythonScriptStep，可以访问步骤的 RunConfiguration 对象，并配置 Conda 依赖项或访问运行的环境属性。

有关运行配置的示例，请参阅 “选择”并使用计算目标来训练模型。

使用默认设置初始化 RunConfiguration。

提供用于管理提交的训练运行的编程访问。

提交的 ScriptRunConfig 运行表示试验中的单个试用版。 提交运行将返回 ScriptRun 对象，该对象可用于监视运行的异步执行、记录指标和存储运行的输出，以及分析运行生成的结果和访问项目。

若要开始使用试验和 ScriptRunConf，请参阅

• 创建和管理用于训练和部署的环境

• 如何管理运行

类 ScriptRun 构造函数。

表示在 Azure 机器学习中提交训练运行的配置信息。

ScriptRunConfig 将提交 Azure ML 中运行所需的配置信息打包在一起，包括脚本、计算目标、环境以及任何特定于分布式作业的配置。

配置并提交 submit脚本后，将返回 a ScriptRun 。

Class ScriptRunConfig 构造函数。

定义链接 synapse 工作区的链接服务配置。

初始化 SynapseWorkspaceLinkedServiceConfiguration 对象。

定义将模型部署为 Azure 机器学习中的 Web 服务终结点的基本功能。

Webservice 构造函数用于检索与提供的工作区关联的 Webservice 对象的云表示形式。 返回与检索的 Webservice 对象的特定类型对应的子类的实例。 Webservice 类允许从 Model 某个或 Image 对象部署机器学习模型。

有关使用 Webservice 的详细信息，请参阅 使用 Azure 机器学习部署模型。

初始化 Webservice 实例。

Webservice 构造函数检索与提供的工作区关联的 Webservice 对象的云表示形式。 它将返回与检索的 Webservice 对象的特定类型对应的子类的实例。

定义用于管理训练和部署项目的 Azure 机器学习资源。

工作区是 Azure 机器学习中机器学习的基本资源。 使用工作区来试验、训练和部署机器学习模型。 每个工作区都绑定到 Azure 订阅和资源组，并具有关联的 SKU。

有关工作区的详细信息，请参阅：

• 什么是 Azure 机器学习工作区？

• 管理对工作区的访问权限

用于加载现有 Azure 机器学习工作区的类工作区构造函数。

将调试日志定向到指定的文件。