Share via

Bibliothèque cliente De gestion des espaces de travail Azure Machine Learning pour JavaScript - version 1.1.0

  • Article

Ce package contient un KIT de développement logiciel (SDK) isomorphe (s’exécute à la fois dans Node.js et dans les navigateurs) pour le client Gestion des espaces de travail Azure Machine Learning.

Ces API permettent aux utilisateurs finaux d’utiliser des ressources d’espace de travail Azure Machine Learning. Ils prennent en charge les opérations CRUD pour les espaces de travail Azure Machine Learning.

| Code sourcePackage (NPM) | Documentation de référence sur les | API Échantillons

Prise en main

Environnements actuellement pris en charge

Pour plus d’informations, consultez notre politique de support .

Prérequis

Installez le package @azure/arm-workspaces

Installez la bibliothèque cliente Azure Machine Learning Workspaces Management pour JavaScript avec npm:

npm install @azure/arm-workspaces

Créez et authentifiez unMachineLearningWorkspacesManagementClient

Pour créer un objet client afin d’accéder à l’API Gestion des espaces de travail Azure Machine Learning, vous aurez besoin de la endpoint ressource De gestion des espaces de travail Azure Machine Learning et d’une credential. Le client Gestion des espaces de travail Azure Machine Learning peut utiliser les informations d’identification Azure Active Directory pour s’authentifier. Vous trouverez le point de terminaison de votre ressource Gestion des espaces de travail Azure Machine Learning dans le portail Azure.

Vous pouvez vous authentifier auprès d’Azure Active Directory à l’aide d’informations d’identification provenant de la bibliothèque @azure/identité ou d’un jeton AAD existant.

Pour utiliser le fournisseur DefaultAzureCredential indiqué ci-dessous ou d’autres fournisseurs d’informations d’identification fournis avec le Kit de développement logiciel (SDK) Azure, installez le @azure/identity package :

npm install @azure/identity

Vous devez également inscrire une nouvelle application AAD et accorder l’accès à La gestion des espaces de travail Azure Machine Learning en attribuant le rôle approprié à votre principal de service (remarque : des rôles tels que n’accordent "Owner" pas les autorisations nécessaires). Définissez les valeurs de l’ID client, de l’ID de locataire et de la clé secrète client de l’application AAD en tant que variables d’environnement : AZURE_CLIENT_ID, AZURE_TENANT_ID, AZURE_CLIENT_SECRET.

Pour plus d’informations sur la création d’une application Azure AD, consultez ce guide.

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);

Ensemble JavaScript

Pour utiliser cette bibliothèque cliente dans le navigateur, vous devez d’abord utiliser un bundler. Pour plus d’informations sur la façon de procéder, reportez-vous à notre documentation sur le regroupement.

Concepts clés

MachineLearningWorkspacesManagementClient

MachineLearningWorkspacesManagementClient est l’interface principale pour les développeurs qui utilisent la bibliothèque cliente Azure Machine Learning Workspaces Management. Explorez les méthodes de cet objet client pour comprendre les différentes fonctionnalités du service De gestion des espaces de travail Azure Machine Learning auquel vous pouvez accéder.

Résolution des problèmes

Journalisation

L’activation de la journalisation peut vous aider à mieux comprendre les échecs. Pour avoir un journal des requêtes et réponses HTTP, définissez la variable d’environnement AZURE_LOG_LEVEL sur info. Vous pouvez également activer la journalisation au moment de l’exécution en appelant setLogLevel dans @azure/logger :

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

Pour obtenir des instructions plus détaillées sur l’activation des journaux, consultez les documents relatifs au package @azure/logger.

Étapes suivantes

Consultez le répertoire d’exemples pour obtenir des exemples détaillés sur l’utilisation de cette bibliothèque.

Contribution

Si vous souhaitez contribuer à cette bibliothèque, lisez le guide de contribution pour en savoir plus sur la génération et le test du code.

Impressions