MLClient Kelas

Referensi

Kelas klien untuk berinteraksi dengan layanan Azure ML.

Gunakan klien ini untuk mengelola sumber daya Azure ML seperti ruang kerja, pekerjaan, model, dan sebagainya.

Warisan: builtins.object

MLClient

Konstruktor

MLClient(credential: TokenCredential, subscription_id: str | None = None, resource_group_name: str | None = None, workspace_name: str | None = None, registry_name: str | None = None, **kwargs: Any)

Parameter

credential: TokenCredential

Diperlukan

Kredensial yang digunakan untuk autentikasi.

subscription_id: Optional[str]

nilai default: None

Atur ID Langganan Azure. Opsional hanya untuk aset registri. Default ke Tidak Ada.

resource_group_name: Optional[str]

nilai default: None

Grup sumber daya Azure. Opsional hanya untuk aset registri. Default ke Tidak Ada.

workspace_name: Optional[str]

nilai default: None

Ruang kerja yang akan digunakan di klien. Opsional hanya untuk operasi yang tidak bergantung pada ruang kerja. Default ke Tidak Ada.

registry_name: Optional[str]

nilai default: None

Registri yang digunakan dalam klien. Opsional hanya untuk operasi yang tidak bergantung pada ruang kerja. Default ke Tidak Ada.

show_progress: Optional[bool]

Menentukan apakah akan menampilkan bilah kemajuan untuk operasi yang berjalan lama atau tidak (misalnya pelanggan dapat mempertimbangkan untuk mengatur ini ke False jika tidak menggunakan SDK ini dalam penyiapan interaktif). Default ke True.

enable_telemetry: Optional[bool]

Menentukan apakah akan mengaktifkan telemetri atau tidak. Akan ditimpa ke False jika tidak ada di Jupyter Notebook. Default ke True jika dalam Jupyter Notebook.

cloud: Optional[str]

Nama cloud yang akan digunakan. Default ke "AzureCloud".

Contoh

Saat menggunakan domain berdaulat (yaitu cloud apa pun selain AZURE_PUBLIC_CLOUD), Anda harus meneruskan nama cloud di kwargs dan Anda harus menggunakan otoritas dengan DefaultAzureCredential.


   from azure.ai.ml import MLClient
   from azure.identity import AzureAuthorityHosts, DefaultAzureCredential

   kwargs = {"cloud": "AzureChinaCloud"}
   ml_client = MLClient(
       subscription_id=subscription_id,
       resource_group_name=resource_group,
       credential=DefaultAzureCredential(authority=AzureAuthorityHosts.AZURE_CHINA),
       **kwargs,
   )

Metode

begin_create_or_update

Membuat atau memperbarui sumber daya Azure ML secara asinkron.

create_or_update

Membuat atau memperbarui sumber daya Azure ML.

from_config

Mengembalikan klien dari Ruang Kerja Azure Machine Learning yang sudah ada menggunakan konfigurasi file.

Metode ini menyediakan cara sederhana untuk menggunakan kembali ruang kerja yang sama di beberapa buku catatan atau proyek Python. Anda dapat menyimpan properti Azure Resource Manager (ARM) ruang kerja dalam file konfigurasi JSON menggunakan format ini:


   {
       "subscription_id": "<subscription-id>",
       "resource_group": "<resource-group>",
       "workspace_name": "<workspace-name>"
   }

Kemudian, Anda dapat menggunakan metode ini untuk memuat ruang kerja yang sama di notebook atau proyek Python yang berbeda tanpa mengetik ulang properti ARM ruang kerja.

begin_create_or_update

Membuat atau memperbarui sumber daya Azure ML secara asinkron.

begin_create_or_update(entity: R, **kwargs) -> LROPoller[R]

Parameter

entity: Union[Workspace , Registry, Compute, OnlineDeployment , OnlineEndpoint, BatchDeployment , BatchEndpoint, Schedule]

Diperlukan

Sumber daya untuk membuat atau memperbarui.

Mengembalikan

Sumber daya setelah operasi buat/perbarui.

Tipe hasil

LROPoller[Union[Workspace , Registry, Compute, OnlineDeployment , OnlineEndpoint, BatchDeployment , BatchEndpoint, Schedule]]

create_or_update

Membuat atau memperbarui sumber daya Azure ML.

create_or_update(entity: T, **kwargs) -> T

Parameter

entity: Union[Job , Model, Environment, Component , Datastore]

Diperlukan

Sumber daya untuk membuat atau memperbarui.

Mengembalikan

Sumber daya yang dibuat atau diperbarui.

Tipe hasil

Union[Job, Model , Environment, Component, Datastore]

from_config

Mengembalikan klien dari Ruang Kerja Azure Machine Learning yang sudah ada menggunakan konfigurasi file.


   {
       "subscription_id": "<subscription-id>",
       "resource_group": "<resource-group>",
       "workspace_name": "<workspace-name>"
   }

Kemudian, Anda dapat menggunakan metode ini untuk memuat ruang kerja yang sama di notebook atau proyek Python yang berbeda tanpa mengetik ulang properti ARM ruang kerja.

from_config(credential: TokenCredential, *, path: PathLike | str | None = None, file_name=None, **kwargs) -> MLClient

Parameter

credential: TokenCredential

Diperlukan

Objek kredensial untuk ruang kerja.

path: Optional[Union[PathLike, str]]

Jalur ke file konfigurasi atau direktori awal untuk mencari file konfigurasi di dalamnya. Default ke Tidak Ada, menunjukkan direktori saat ini akan digunakan.

file_name: Optional[str]

Nama file konfigurasi yang akan dicari ketika jalur adalah jalur direktori. Default ke "config.json".

cloud: Optional[str]

Nama cloud yang akan digunakan. Default ke "AzureCloud".

Mengembalikan

Klien untuk Ruang Kerja Azure ML yang sudah ada.

Tipe hasil

MLClient

Pengecualian

ValidationException

Dimunculkan jika "config.json", atau file_name jika ditimpa, tidak dapat ditemukan di direktori. Detail akan diberikan dalam pesan kesalahan.

Contoh

Membuat MLClient dari file bernama "config.json" di direktori "src".


   from azure.ai.ml import MLClient

   client = MLClient.from_config(credential=DefaultAzureCredential(), path="./sdk/ml/azure-ai-ml/samples/src")

Membuat MLClient dari file bernama "team_workspace_configuration.json" di direktori saat ini.


   from azure.ai.ml import MLClient

   client = MLClient.from_config(
       credential=DefaultAzureCredential(),
       file_name="./sdk/ml/azure-ai-ml/samples/team_workspace_configuration.json",
   )

aka.ms/azuremlexperimental untuk informasi selengkapnya.

Kumpulan operasi terkait kumpulan fitur.

Mengembalikan

Operasi FeatureSet

Tipe hasil

FeatureSetOperations

feature_store_entities

aka.ms/azuremlexperimental untuk informasi selengkapnya.

Kumpulan operasi terkait entitas penyimpanan fitur.

Mengembalikan

Operasi FeatureStoreEntity

Tipe hasil

FeatureStoreEntityOperations

feature_stores

registries

workspace_hubs

R

R = ~R

T

T = ~T