Megosztás a következőn keresztül:

AzureMachineLearningWorkspaces ügyfélkódtár JavaScripthez

  • Cikk

Ez a csomag egy izomorf SDK-t tartalmaz (Node.js és böngészőkben is fut) az AzureMachineLearningWorkspaces-ügyfélhez.

Ezek az API-k lehetővé teszik a végfelhasználók számára az Azure Machine Learning-munkaterület erőforrásainak használatát.

Forráskód | Csomag (NPM) | API-referenciadokumentáció | Minták

Első lépések

Jelenleg támogatott környezetek

További részletekért tekintse meg támogatási szabályzatunkat .

Előfeltételek

Telepítse a(z) @azure/arm-machinelearning csomagot

Telepítse a JavaScripthez készült AzureMachineLearningWorkspaces ügyfélkódtárat a következővel npm:

npm install @azure/arm-machinelearning

Hozzon létre és hitelesítsen egy AzureMachineLearningWorkspaces

Ahhoz, hogy létrehozhasson egy ügyfélobjektumot az AzureMachineLearningWorkspaces API eléréséhez, szüksége lesz az endpoint AzureMachineLearningWorkspaces erőforrásra és egy credential. Az AzureMachineLearningWorkspaces ügyfél az Azure Active Directory hitelesítő adatait használhatja a hitelesítéshez. Az AzureMachineLearningWorkspaces erőforrás végpontját az Azure Portalon találja.

Az Azure Active Directoryval hitelesítést végezhet a @azure/identitástár hitelesítő adataival vagy egy meglévő AAD-jogkivonattal.

Az alább látható DefaultAzureCredential szolgáltató vagy az Azure SDK-hoz biztosított egyéb hitelesítőadat-szolgáltatók használatához telepítse a @azure/identity csomagot:

npm install @azure/identity

Emellett regisztrálnia kell egy új AAD-alkalmazást, és hozzáférést kell adnia az AzureMachineLearningWorkspaceshez úgy, hogy hozzárendeli a megfelelő szerepkört a szolgáltatásnévhez (megjegyzés: az olyan szerepkörök, mint például "Owner" nem biztosítják a szükséges engedélyeket). Állítsa be az AAD-alkalmazás ügyfél-azonosítójának, bérlőazonosítójának és titkos ügyfélkulcsának értékeit környezeti változóként: AZURE_CLIENT_ID, AZURE_TENANT_ID, AZURE_CLIENT_SECRET.

Az Azure AD-alkalmazások létrehozásával kapcsolatos további információkért tekintse meg ezt az útmutatót.

const { AzureMachineLearningWorkspaces } = require("@azure/arm-machinelearning");
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 AzureMachineLearningWorkspaces(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 AzureMachineLearningWorkspaces(credential, subscriptionId);

JavaScript-csomag

Ahhoz, hogy ezt az ügyfélkódtárat a böngészőben használhassa, először egy kötegelőt kell használnia. Ennek módjáról a csomagkontraszt dokumentációjában talál további információt.

Fő fogalmak

AzureMachineLearningWorkspaces

AzureMachineLearningWorkspaces az AzureMachineLearningWorkspaces ügyfélkódtárat használó fejlesztők elsődleges felülete. Az ügyfélobjektum metódusainak megismerése az AzureMachineLearningWorkspaces szolgáltatás különböző elérhető funkcióinak megismeréséhez.

Hibaelhárítás

Naplózás

A naplózás engedélyezése hasznos információkat deríthet fel a hibákról. A HTTP-kérések és -válaszok naplójának megtekintéséhez állítsa a környezeti változót értékre AZURE_LOG_LEVELinfo. A naplózás futásidőben is engedélyezhető a következő hívásával setLogLevel@azure/logger:

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

A naplók engedélyezésére vonatkozó részletesebb utasításokért tekintse meg a @azure/logger csomag dokumentációját.

Következő lépések

A kódtár használatára vonatkozó részletes példákért tekintse meg a mintakönyvtárat.

Közreműködés

Ha hozzá szeretne járulni ehhez a kódtárhoz, olvassa el a közreműködői útmutatót , amelyből többet is megtudhat a kód buildeléséhez és teszteléséhez.

Megjelenések