Share via

Azure Machine Learning Workspaces Management-Clientbibliothek für JavaScript – Version 1.1.0

  • Artikel

Dieses Paket enthält ein isomorphes SDK (wird sowohl in Node.js als auch in Browsern) für den Azure Machine Learning Workspaces Management-Client ausgeführt.

Mit diesen APIs können Endbenutzer mit Azure Machine Learning-Arbeitsbereichsressourcen arbeiten. Sie unterstützen CRUD-Vorgänge für Azure Machine Learning-Arbeitsbereiche.

Quellcode | Paket (NPM) | API-Referenzdokumentation | Proben

Erste Schritte

Die derzeitig unterstützten Umgebungen

Ausführlichere Informationen finden Sie in der Supportrichtlinie.

Voraussetzungen

Installieren Sie das Paket @azure/arm-workspaces.

Installieren Sie die Azure Machine Learning Workspaces Management-Clientbibliothek für JavaScript mit npm:

npm install @azure/arm-workspaces

Erstellen und Authentifizieren eines MachineLearningWorkspacesManagementClient

Um ein Clientobjekt für den Zugriff auf die Verwaltungs-API für Azure Machine Learning-Arbeitsbereiche zu erstellen, benötigen Sie die endpoint ihrer Azure Machine Learning Workspaces Management-Ressource und eine credential. Der Azure Machine Learning Workspaces Management-Client kann Azure Active Directory-Anmeldeinformationen zur Authentifizierung verwenden. Sie finden den Endpunkt für Ihre Azure Machine Learning Workspaces Management-Ressource im Azure-Portal.

Sie können sich mit Azure Active Directory mithilfe von Anmeldeinformationen aus der @azure-/Identitätsbibliothek oder einem vorhandenen AAD-Token authentifizieren.

Um den unten gezeigten Anbieter DefaultAzureCredential oder andere anbieter von Anmeldeinformationen zu verwenden, die mit dem Azure SDK bereitgestellt werden, installieren Sie das @azure/identity Paket:

npm install @azure/identity

Außerdem müssen Sie eine neue AAD-Anwendung registrieren und zugriff auf Azure Machine Learning Workspaces Management gewähren , indem Sie Ihrem Dienstprinzipal die geeignete Rolle zuweisen (Hinweis: Rollen, die "Owner" z. B. die erforderlichen Berechtigungen nicht erteilen). Legen Sie die Werte der Client-ID, Mandanten-ID und geheimen Clientschlüssel der AAD-Anwendung als Umgebungsvariablen fest: AZURE_CLIENT_ID, AZURE_TENANT_ID, AZURE_CLIENT_SECRET.

Weitere Informationen zum Erstellen einer Azure AD-Anwendung finden Sie in diesem Leitfaden.

const { MachineLearningWorkspacesManagementClient } = require("@azure/arm-workspaces");
const { DefaultAzureCredential } = require("@azure/identity");
// For client-side applications running in the browser, use InteractiveBrowserCredential instead of DefaultAzureCredential. See https://aka.ms/azsdk/js/identity/examples for more details.

const subscriptionId = "00000000-0000-0000-0000-000000000000";
const client = new MachineLearningWorkspacesManagementClient(new DefaultAzureCredential(), subscriptionId);

// For client-side applications running in the browser, use this code instead:
// const credential = new InteractiveBrowserCredential({
//   tenantId: "<YOUR_TENANT_ID>",
//   clientId: "<YOUR_CLIENT_ID>"
// });
// const client = new MachineLearningWorkspacesManagementClient(credential, subscriptionId);

JavaScript-Bundle

Um diese Clientbibliothek im Browser zu verwenden, müssen Sie zunächst einen Bundler verwenden. Ausführliche Informationen dazu finden Sie in unserer Bündelungsdokumentation.

Wichtige Begriffe

MachineLearningWorkspacesManagementClient

MachineLearningWorkspacesManagementClient ist die primäre Schnittstelle für Entwickler, die die Azure Machine Learning Workspaces Management-Clientbibliothek verwenden. Erkunden Sie die Methoden für dieses Clientobjekt, um die verschiedenen Features des Azure Machine Learning Workspaces Management-Diensts zu verstehen, auf den Sie zugreifen können.

Problembehandlung

Protokollierung

Die Aktivierung der Protokollierung kann hilfreiche Informationen über Fehler aufdecken. Um ein Protokoll von HTTP-Anforderungen und -Antworten anzuzeigen, legen Sie die Umgebungsvariable AZURE_LOG_LEVEL auf info fest. Alternativ kann die Protokollierung zur Laufzeit aktiviert werden, indem Sie setLogLevel in @azure/logger aufrufen:

const { setLogLevel } = require("@azure/logger");
setLogLevel("info");

Ausführlichere Anweisungen zum Aktivieren von Protokollen finden Sie in der Paketdokumentation zu @azure/logger.

Nächste Schritte

Ausführliche Beispiele zur Verwendung dieser Bibliothek finden Sie im Beispielverzeichnis .

Mitwirken

Wenn Sie an dieser Bibliothek mitwirken möchten, lesen Sie die Anleitung für Mitwirkende, um mehr darüber zu erfahren, wie Sie den Code erstellen und testen können.

Aufrufe