Udostępnij za pośrednictwem

Wdrażanie obszaru roboczego usługi Machine Learning Studio (wersja klasyczna) przy użyciu usługi Azure Resource Manager

  • Artykuł

DOTYCZY: Dotyczy.Machine Learning Studio (wersja klasyczna) Nie dotyczy.Azure Machine Learning

Ważne

Obsługa programu Machine Learning Studio (wersja klasyczna) zakończy się 31 sierpnia 2024 r. Zalecamy przejście do usługi Azure Machine Learning przed tym terminem.

Od 1 grudnia 2021 r. nie będzie można tworzyć nowych zasobów programu Machine Learning Studio (wersja klasyczna). Do 31 sierpnia 2024 r. można będzie nadal korzystać z istniejących zasobów programu Machine Learning Studio (wersja klasyczna).

Dokumentacja programu ML Studio (wersja klasyczna) jest wycofywana i może nie być aktualizowana w przyszłości.

Użycie szablonu wdrażania usługi Azure Resource Manager pozwala zaoszczędzić czas, zapewniając skalowalny sposób wdrażania połączonych składników za pomocą mechanizmu weryfikacji i ponawiania prób. Aby na przykład skonfigurować obszary robocze usługi Machine Learning Studio (wersja klasyczna), należy najpierw skonfigurować konto usługi Azure Storage, a następnie wdrożyć obszar roboczy. Wyobraź sobie, że robi to ręcznie dla setek obszarów roboczych. Łatwiejszą alternatywą jest użycie szablonu usługi Azure Resource Manager do wdrożenia obszaru roboczego programu Studio (klasycznego) i wszystkich jego zależności. Ten artykuł przeprowadzi Cię przez ten proces krok po kroku. Aby zapoznać się z doskonałym omówieniem usługi Azure Resource Manager, zobacz Omówienie usługi Azure Resource Manager.

Uwaga

Do interakcji z platformą Azure zalecamy używanie modułu Azure Az w programie PowerShell. Zobacz Instalowanie programu Azure PowerShell, aby rozpocząć. Aby dowiedzieć się, jak przeprowadzić migrację do modułu Az PowerShell, zobacz Migracja programu Azure PowerShell z modułu AzureRM do modułu Az.

Krok po kroku: tworzenie obszaru roboczego usługi Machine Learning

Utworzymy grupę zasobów platformy Azure, a następnie wdrożymy nowe konto usługi Azure Storage i nowy obszar roboczy usługi Machine Learning Studio (wersja klasyczna) przy użyciu szablonu usługi Resource Manager. Po zakończeniu wdrażania wyświetlimy ważne informacje o utworzonych obszarach roboczych (klucz podstawowy, identyfikator obszaru roboczego i adres URL do obszaru roboczego).

Tworzenie szablonu usługi Azure Resource Manager

Obszar roboczy usługi Machine Learning wymaga konta usługi Azure Storage do przechowywania połączonego z nim zestawu danych. Poniższy szablon używa nazwy grupy zasobów do wygenerowania nazwy konta magazynu i nazwy obszaru roboczego. Używa również nazwy konta magazynu jako właściwości podczas tworzenia obszaru roboczego.

{
    "contentVersion": "1.0.0.0",
    "$schema": "https://schema.management.azure.com/schemas/2015-01-01/deploymentTemplate.json#",
    "variables": {
        "namePrefix": "[resourceGroup().name]",
        "location": "[resourceGroup().location]",
        "mlVersion": "2016-04-01",
        "stgVersion": "2015-06-15",
        "storageAccountName": "[concat(variables('namePrefix'),'stg')]",
        "mlWorkspaceName": "[concat(variables('namePrefix'),'mlwk')]",
        "mlResourceId": "[resourceId('Microsoft.MachineLearning/workspaces', variables('mlWorkspaceName'))]",
        "stgResourceId": "[resourceId('Microsoft.Storage/storageAccounts', variables('storageAccountName'))]",
        "storageAccountType": "Standard_LRS"
    },
    "resources": [
        {
            "apiVersion": "[variables('stgVersion')]",
            "name": "[variables('storageAccountName')]",
            "type": "Microsoft.Storage/storageAccounts",
            "location": "[variables('location')]",
            "properties": {
                "accountType": "[variables('storageAccountType')]"
            }
        },
        {
            "apiVersion": "[variables('mlVersion')]",
            "type": "Microsoft.MachineLearning/workspaces",
            "name": "[variables('mlWorkspaceName')]",
            "location": "[variables('location')]",
            "dependsOn": ["[variables('stgResourceId')]"],
            "properties": {
                "UserStorageAccountId": "[variables('stgResourceId')]"
            }
        }
    ],
    "outputs": {
        "mlWorkspaceObject": {"type": "object", "value": "[reference(variables('mlResourceId'), variables('mlVersion'))]"},
        "mlWorkspaceToken": {"type": "string", "value": "[listWorkspaceKeys(variables('mlResourceId'), variables('mlVersion')).primaryToken]"},
        "mlWorkspaceWorkspaceID": {"type": "string", "value": "[reference(variables('mlResourceId'), variables('mlVersion')).WorkspaceId]"},
        "mlWorkspaceWorkspaceLink": {"type": "string", "value": "[concat('https://studio.azureml.net/Home/ViewWorkspace/', reference(variables('mlResourceId'), variables('mlVersion')).WorkspaceId)]"}
    }
}

Zapisz ten szablon jako plik mlworkspace.json w folderze c:\temp.

Wdrażanie grupy zasobów na podstawie szablonu

  • Otwórz program PowerShell.
  • Instalowanie modułów dla usługi Azure Resource Manager i zarządzania usługami platformy Azure
# Install the Azure Resource Manager modules from the PowerShell Gallery (press "A")
Install-Module Az -Scope CurrentUser

# Install the Azure Service Management modules from the PowerShell Gallery (press "A")
Install-Module Azure -Scope CurrentUser

Te kroki umożliwiają pobranie i zainstalowanie modułów niezbędnych do wykonania pozostałych kroków. Należy to zrobić tylko raz w środowisku, w którym są wykonywane polecenia programu PowerShell.

  • Uwierzytelnianie na platformie Azure
# Authenticate (enter your credentials in the pop-up window)
Connect-AzAccount

Ten krok należy powtórzyć dla każdej sesji. Po uwierzytelnieniu informacje o subskrypcji powinny być wyświetlane.

Konto platformy Azure

Teraz, gdy mamy dostęp do platformy Azure, możemy utworzyć grupę zasobów.

  • Tworzenie grupy zasobów
$rg = New-AzResourceGroup -Name "uniquenamerequired523" -Location "South Central US"
$rg

Sprawdź, czy grupa zasobów jest poprawnie aprowizowana. Wartość ProvisioningState powinna mieć wartość "Powodzenie". Nazwa grupy zasobów jest używana przez szablon do generowania nazwy konta magazynu. Nazwa konta magazynu musi mieć długość od 3 do 24 znaków, a tylko cyfry i małe litery.

Grupa zasobów

  • Przy użyciu wdrożenia grupy zasobów wdróż nowy obszar roboczy usługi Machine Learning.
# Create a Resource Group, TemplateFile is the location of the JSON template.
$rgd = New-AzResourceGroupDeployment -Name "demo" -TemplateFile "C:\temp\mlworkspace.json" -ResourceGroupName $rg.ResourceGroupName

Po zakończeniu wdrażania dostęp do właściwości wdrożonego obszaru roboczego jest prosty. Możesz na przykład uzyskać dostęp do tokenu klucza podstawowego.

# Access Machine Learning Studio (classic) Workspace Token after its deployment.
$rgd.Outputs.mlWorkspaceToken.Value

Innym sposobem pobierania tokenów istniejącego obszaru roboczego jest użycie polecenia Invoke-AzResourceAction. Można na przykład wyświetlić listę podstawowych i pomocniczych tokenów wszystkich obszarów roboczych.

# List the primary and secondary tokens of all workspaces
Get-AzResource |? { $_.ResourceType -Like "*MachineLearning/workspaces*"} |ForEach-Object { Invoke-AzResourceAction -ResourceId $_.ResourceId -Action listworkspacekeys -Force}

Po aprowizacji obszaru roboczego można również zautomatyzować wiele zadań usługi Machine Learning Studio (klasycznych) przy użyciu modułu programu PowerShell dla usługi Machine Learning Studio (wersja klasyczna).

Następne kroki