Udostępnij za pośrednictwem

Biblioteka klienta zarządzania obliczeniami usługi Azure Machine Learning dla języka JavaScript — wersja 3.0.0-beta.3

  • Artykuł

Ten pakiet zawiera zestaw SDK izomorficzny (uruchamiany zarówno w Node.js, jak i w przeglądarkach) dla klienta zarządzania obliczeniami usługi Azure Machine Learning.

Te interfejsy API umożliwiają użytkownikom końcowym działanie na zasobach obliczeniowych usługi Azure Machine Learning. Obsługują one następujące operacje:

  • Tworzenie lub aktualizowanie klastra
  • Pobieranie klastra
  • Stosowanie poprawek do klastra
  • Usuwanie klastra
  • Pobieranie kluczy dla klastra
  • Sprawdzanie, czy aktualizacje są dostępne dla usług systemowych w klastrze
  • Aktualizowanie usług systemowych w klastrze
  • Pobieranie wszystkich klastrów w grupie zasobów
  • Pobieranie wszystkich klastrów w subskrypcji

Kod | źródłowy Pakiet (NPM) | Dokumentacja referencyjna interfejsu | API Próbki

Wprowadzenie

Obecnie obsługiwane środowiska

Aby uzyskać więcej informacji, zobacz nasze zasady pomocy technicznej .

Wymagania wstępne

Instalowanie pakietu @azure/arm-machinelearningcompute

Zainstaluj bibliotekę klienta zarządzania obliczeniami usługi Azure Machine Learning dla języka JavaScript przy użyciu polecenia npm:

npm install @azure/arm-machinelearningcompute

Tworzenie i uwierzytelnianie MachineLearningComputeManagementClient

Aby utworzyć obiekt klienta w celu uzyskania dostępu do interfejsu API zarządzania obliczeniami usługi Azure Machine Learning, potrzebny endpoint będzie zasób zarządzania obliczeniami usługi Azure Machine Learning i credential. Klient zarządzania obliczeniami usługi Azure Machine Learning może używać poświadczeń usługi Azure Active Directory do uwierzytelniania. Punkt końcowy zasobu zarządzania obliczeniami usługi Azure Machine Learning można znaleźć w witrynie Azure Portal.

Możesz uwierzytelnić się w usłudze Azure Active Directory przy użyciu poświadczeń z biblioteki @azure/tożsamości lub istniejącego tokenu usługi AAD.

Aby użyć podanego poniżej dostawcy DefaultAzureCredential lub innych dostawców poświadczeń dostarczanych z zestawem Azure SDK, zainstaluj @azure/identity pakiet:

npm install @azure/identity

Należy również zarejestrować nową aplikację usługi AAD i udzielić dostępu do usługi Azure Machine Learning Compute Management , przypisując odpowiednią rolę do jednostki usługi (uwaga: role, takie jak "Owner" nie będą udzielać niezbędnych uprawnień). Ustaw wartości identyfikatora klienta, identyfikatora dzierżawy i klucza tajnego klienta aplikacji usługi AAD jako zmienne środowiskowe: AZURE_CLIENT_ID, , AZURE_CLIENT_SECRETAZURE_TENANT_ID.

Aby uzyskać więcej informacji na temat tworzenia aplikacji Azure AD, zapoznaj się z tym przewodnikiem.

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

Pakiet JavaScript

Aby użyć tej biblioteki klienta w przeglądarce, najpierw należy użyć narzędzia bundler. Aby uzyskać szczegółowe informacje o tym, jak to zrobić, zapoznaj się z naszą dokumentacją dotyczącą tworzenia pakietów.

Kluczowe pojęcia

MachineLearningComputeManagementClient

MachineLearningComputeManagementClient jest podstawowym interfejsem dla deweloperów korzystających z biblioteki klienta zarządzania obliczeniami w usłudze Azure Machine Learning. Zapoznaj się z metodami w tym obiekcie klienta, aby zrozumieć różne funkcje usługi zarządzania obliczeniami w usłudze Azure Machine Learning, do której można uzyskać dostęp.

Rozwiązywanie problemów

Rejestrowanie

Włączenie rejestrowania może pomóc odkryć przydatne informacje o błędach. Aby wyświetlić dziennik żądań i odpowiedzi HTTP, ustaw zmienną AZURE_LOG_LEVEL środowiskową na info. Alternatywnie rejestrowanie można włączyć w czasie wykonywania, wywołując setLogLevel polecenie w pliku @azure/logger:

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

Aby uzyskać bardziej szczegółowe instrukcje dotyczące włączania dzienników, zapoznaj się z dokumentami dotyczącymi pakietów @azure/rejestratora.

Następne kroki

Zapoznaj się z katalogiem samples , aby zapoznać się ze szczegółowymi przykładami dotyczącymi korzystania z tej biblioteki.

Współtworzenie

Jeśli chcesz współtworzyć tę bibliotekę, przeczytaj przewodnik współtworzenia , aby dowiedzieć się więcej na temat tworzenia i testowania kodu.

Wrażenia