Diagnostische gegevens over werkruimten gebruiken
VAN TOEPASSING OP: Python SDK azure-ai-ml v2 (actueel)
VAN TOEPASSING OP: Python SDK azureml v1
Azure Machine Learning biedt een diagnostische API die kan worden gebruikt om problemen met je werkruimte te identificeren. Fouten die worden geretourneerd in het diagnostische rapport bevatten informatie over het oplossen van het probleem.
Je kunt de diagnostische gegevens van de werkruimte gebruiken vanuit Azure Machine Learning Studio of Python SDK.
Vereisten
Voordat u de stappen in dit artikel volgt, moet u ervoor zorgen dat u over de volgende vereisten beschikt:
Een Azure Machine Learning-werkruimte. Als u er nog geen hebt, gebruikt u de stappen in de quickstart: artikel Werkruimtebronnen maken om er een te maken.
Gebruik de volgende opdracht om de Python SDK v2 te installeren:
pip install azure-ai-ml azure-identity
Gebruik de volgende opdracht om een bestaande installatie van de SDK bij te werken naar de nieuwste versie:
pip install --upgrade azure-ai-ml azure-identity
Zie De Python SDK v2 voor Azure Machine Learning installeren voor meer informatie.
- Een Azure Machine Learning-werkruimte. Zie Een werkruimte maken als u er nog geen hebt.
- De Azure Machine Learning SDK v1 voor Python.
Diagnostische gegevens van studio
Vanuit Azure Machine Learning-studio kunt u diagnostische tests uitvoeren op uw werkruimte om uw installatie te controleren. Als u diagnostische gegevens wilt uitvoeren, selecteert u het pictogram '?' in de rechterbovenhoek van de pagina. Vervolgens selecteert u Werkruimtediagnose uitvoeren.
Nadat diagnostische gegevens zijn uitgevoerd, wordt een lijst met gedetecteerde problemen geretourneerd. Deze lijst bevat koppelingen naar mogelijke oplossingen.
Diagnostische gegevens van Python
In het volgende codefragment ziet u hoe u diagnostische gegevens van werkruimten uit Python gebruikt.
VAN TOEPASSING OP: Python SDK azure-ai-ml v2 (actueel)
from azure.ai.ml import MLClient
from azure.ai.ml.entities import Workspace
from azure.identity import DefaultAzureCredential
subscription_id = '<your-subscription-id>'
resource_group = '<your-resource-group-name>'
workspace = '<your-workspace-name>'
ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group)
resp = ml_client.workspaces.begin_diagnose(workspace).result()
# Inspect the attributes of the response you are interested in
for result in resp.application_insights_results:
print(f"Diagnostic result: {result.code}, {result.level}, {result.message}")
Het antwoord is een DiagnoseResponseResultValue-object dat informatie bevat over eventuele problemen die zijn gedetecteerd met de werkruimte.
VAN TOEPASSING OP: Python SDK azureml v1
from azureml.core import Workspace
ws = Workspace.from_config()
diag_param = {
"value": {
}
}
resp = ws.diagnose_workspace(diag_param)
print(resp)
Het antwoord is een JSON-document dat informatie bevat over eventuele problemen die zijn gedetecteerd met de werkruimte. De volgende JSON is een voorbeeldantwoord:
{
"value": {
"user_defined_route_results": [],
"network_security_rule_results": [],
"resource_lock_results": [],
"dns_resolution_results": [{
"code": "CustomDnsInUse",
"level": "Warning",
"message": "It is detected VNet '/subscriptions/<subscription-id>/resourceGroups/<resource-group-name>/providers/Microsoft.Network/virtualNetworks/<virtual-network-name>' of private endpoint '/subscriptions/<subscription-id>/resourceGroups/<myresourcegroup>/providers/Microsoft.Network/privateEndpoints/<workspace-private-endpoint>' is not using Azure default DNS. You need to configure your DNS server and check https://learn.microsoft.com/azure/machine-learning/how-to-custom-dns to make sure the custom DNS is set up correctly."
}],
"storage_account_results": [],
"key_vault_results": [],
"container_registry_results": [],
"application_insights_results": [],
"other_results": []
}
}
Als er geen problemen worden gedetecteerd, wordt een leeg JSON-document geretourneerd.
Zie de naslaginformatie Workspace.diagnose_workspace() voor meer informatie.