Udostępnij za pośrednictwem

Biblioteka klienta zarządzania obszarami roboczymi usługi Azure Machine Learning dla języka JavaScript — wersja 1.1.0

  • Artykuł

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

Te interfejsy API umożliwiają użytkownikom końcowym działanie na zasobach obszaru roboczego usługi Azure Machine Learning. Obsługują one operacje CRUD dla obszarów roboczych usługi Azure Machine Learning.

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-workspaces

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

npm install @azure/arm-workspaces

Tworzenie i uwierzytelnianie MachineLearningWorkspacesManagementClient

Aby utworzyć obiekt klienta w celu uzyskania dostępu do interfejsu API zarządzania obszarami roboczymi usługi Azure Machine Learning, potrzebny endpoint będzie zasób zarządzania obszarami roboczymi usługi Azure Machine Learning i element credential. Klient zarządzania obszarami roboczymi usługi Azure Machine Learning może używać poświadczeń usługi Azure Active Directory do uwierzytelniania. Punkt końcowy dla zasobu zarządzania obszarami roboczymi 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 poniższego dostawcy DefaultAzureCredential lub innych dostawców poświadczeń dostarczonych 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 Workspaces Management , przypisując odpowiednią rolę do jednostki usługi (uwaga: role, takie jak "Owner" nie będą udzielać niezbędnych uprawnień). Ustaw wartości identyfikatora klienta, identyfikatora dzierżawy i wpisu 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 { MachineLearningWorkspacesManagementClient } = require("@azure/arm-workspaces");
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 MachineLearningWorkspacesManagementClient(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 MachineLearningWorkspacesManagementClient(credential, subscriptionId);

Pakiet JavaScript

Aby użyć tej biblioteki klienta w przeglądarce, najpierw musisz użyć pakietu. Aby uzyskać szczegółowe informacje na temat tego, jak to zrobić, zapoznaj się z naszą dokumentacją dotyczącą tworzenia pakietów.

Kluczowe pojęcia

MachineLearningWorkspacesManagementClient

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

Rozwiązywanie problemów

Rejestrowanie

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

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

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

Następne kroki

Zapoznaj się z katalogiem samples , aby uzyskać szczegółowe przykłady dotyczące sposobu korzystania z tej biblioteki.

Współtworzenie

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

Wrażenia