Azure Machine Learning-werkruimten

Voltooid

Een werkruimte is een context voor de experimenten, gegevens, rekendoelen en andere assets die zijn gekoppeld aan een machine learning-workload.

Werkruimten voor Machine Learning-assets

Met een werkruimte wordt de grens voor een set gerelateerde machine learning-assets gedefinieerd. U kunt werkruimten gebruiken om machine learning-assets te groeperen op basis van projecten, implementatie-omgevingen (bijvoorbeeld testen en productie), teams of een andere ordeningsmethode. De assets in een werkruimte omvatten onder andere:

  • Rekendoelen voor ontwikkeling, training en implementatie.
  • Gegevens voor experimenteren en modeltraining.
  • Notebooks met gedeelde code en documentatie.
  • Experimenten, inclusief uitvoeringsgeschiedenis met vastgelegde metrische gegevens en uitvoer.
  • Pijplijnen waarmee ingedeelde processen met meerdere stappen worden gedefinieerd.
  • Modellen die u hebt getraind.

Werkruimten als Azure-resources

Werkruimten zijn Azure-resources en zo worden ze gedefinieerd in een resourcegroep in een Azure-abonnement, samen met andere gerelateerde Azure-resources die vereist zijn voor de ondersteuning van de werkruimte.

Een Azure Machine Learning-werkruimte

De Azure-resources die met een werkruimte zijn gemaakt, omvatten onder andere:

  • Een opslagaccount: wordt gebruikt voor het opslaan van bestanden die worden gebruikt door de werkruimte, evenals gegevens voor experimenten en modeltraining.
  • Een Application Insights-exemplaar dat wordt gebruikt om voorspellende services in de werkruimte te bewaken.
  • Een Azure Key Vault-exemplaar dat wordt gebruikt voor het beheren van geheimen zoals verificatiesleutels en referenties die worden gebruikt door de werkruimte.
  • Een containerregister dat waar nodig wordt gemaakt om containers te beheren voor ge├»mplementeerde modellen.

Op rollen gebaseerd toegangsbeheer

U kunt beleid voor op rollen gebaseerde autorisatie toewijzen aan een werkruimte, zodat u machtigingen kunt beheren die bepalen welke acties specifieke Azure Active Directory (AAD)-principals kunnen uitvoeren. U kunt bijvoorbeeld een beleid maken waarmee alleen gebruikers in de IT-bewerkingengroep rekendoelen en gegevensarchieven maken, terwijl gebruikers in de datawetenschappers groep in staat zijn om experimenten te maken en uit te voeren en modellen te registreren.

Een werkruimte maken

U kunt op een van de volgende manieren een werkruimte maken:

  • Maak in Microsoft Azure Portal een nieuwe Machine Learning-resource, waarbij u het abonnement, de resourcegroep en de werkruimtenaam opgeeft.
  • Gebruik de Python-SDK voor Azure Machine Learning om code uit te voeren waarmee een werkruimte wordt gemaakt. Met de volgende code maakt u bijvoorbeeld een werkruimte met de naam aml-workspace (ervan uitgaande dat de Azure ML-SDK is ge├»nstalleerd en een geldig abonnements-id is opgegeven):
    from azureml.core import Workspace
    
    ws = Workspace.create(name='aml-workspace', 
                      subscription_id='123456-abc-123...',
                      resource_group='aml-resources',
                      create_resource_group=True,
                      location='eastus'
                     )

  • Gebruik de Azure-opdrachtregelinterface (CLI) met de Azure Machine Learning CLI-extensie. U kunt bijvoorbeeld de volgende opdracht gebruiken (waarbij ervan wordt uitgegaan dat er al een resourcegroep met de naam aml-resources is gemaakt):
    az ml workspace create -w 'aml-workspace' -g 'aml-resources'