Partilhar via

Implantar o espaço de trabalho do Machine Learning Studio (clássico) usando o Azure Resource Manager

  • Artigo

APLICA-SE A: Aplica-se a.Machine Learning Studio (clássico) Não se aplica a.Azure Machine Learning

Importante

O suporte para o Estúdio de ML (clássico) terminará a 31 de agosto de 2024. Recomendamos a transição para o Azure Machine Learning até essa data.

A partir de 1 de dezembro de 2021, não poderá criar novos recursos do Estúdio de ML (clássico). Até 31 de agosto de 2024, pode continuar a utilizar os recursos existentes do Estúdio de ML (clássico).

A documentação do Estúdio de ML (clássico) está a ser descontinuada e poderá não ser atualizada no futuro.

Usar um modelo de implantação do Azure Resource Manager economiza tempo, oferecendo uma maneira escalável de implantar componentes interconectados com um mecanismo de validação e repetição. Para configurar espaços de trabalho (clássicos) do Machine Learning Studio, por exemplo, você precisa primeiro configurar uma conta de armazenamento do Azure e, em seguida, implantar seu espaço de trabalho. Imagine fazer isso manualmente para centenas de espaços de trabalho. Uma alternativa mais fácil é usar um modelo do Azure Resource Manager para implantar um Espaço de Trabalho Studio (clássico) e todas as suas dependências. Este artigo leva-o através deste processo passo-a-passo. Para obter uma excelente visão geral do Azure Resource Manager, consulte Visão geral do Azure Resource Manager.

Nota

Recomendamos que utilize o módulo do Azure Az PowerShell para interagir com o Azure. Veja Instalar o Azure PowerShell para começar. Para saber como migrar para o módulo do Az PowerShell, veja Migrar o Azure PowerShell do AzureRM para o Az.

Passo a passo: criar um espaço de trabalho de Machine Learning

Criaremos um grupo de recursos do Azure e, em seguida, implantaremos uma nova conta de armazenamento do Azure e um novo Espaço de Trabalho do Estúdio de Aprendizado de Máquina (clássico) usando um modelo do Gerenciador de Recursos. Quando a implantação estiver concluída, imprimiremos informações importantes sobre os espaços de trabalho que foram criados (a chave primária, o ID do espaço de trabalho e a URL para o espaço de trabalho).

Criar um modelo do Azure Resource Manager

Um Espaço de Trabalho de Aprendizado de Máquina requer uma conta de armazenamento do Azure para armazenar o conjunto de dados vinculado a ele. O modelo a seguir usa o nome do grupo de recursos para gerar o nome da conta de armazenamento e o nome do espaço de trabalho. Ele também usa o nome da conta de armazenamento como uma propriedade ao criar o espaço de trabalho.

{
    "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)]"}
    }
}

Salve este modelo como mlworkspace.json arquivo em c:\temp.

Implantar o grupo de recursos, com base no modelo

  • Abrir o PowerShell
  • Instalar módulos para o Azure Resource Manager e o Azure Service Management
# 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

Estas etapas baixam e instalam os módulos necessários para concluir as etapas restantes. Isso só precisa ser feito uma vez no ambiente em que você está executando os comandos do PowerShell.

  • Autenticar no Azure
# Authenticate (enter your credentials in the pop-up window)
Connect-AzAccount

Esta etapa precisa ser repetida para cada sessão. Uma vez autenticadas, as informações da sua subscrição devem ser apresentadas.

Conta do Azure

Agora que temos acesso ao Azure, podemos criar o grupo de recursos.

  • Criar um grupo de recursos
$rg = New-AzResourceGroup -Name "uniquenamerequired523" -Location "South Central US"
$rg

Verifique se o grupo de recursos está provisionado corretamente. ProvisioningState deve ser "Bem-sucedido". O nome do grupo de recursos é usado pelo modelo para gerar o nome da conta de armazenamento. O nome da conta de armazenamento deve ter entre 3 e 24 caracteres e usar apenas números e letras minúsculas.

Grupo de Recursos

  • Usando a implantação do grupo de recursos, implante um novo Espaço de Trabalho de Aprendizado de Máquina.
# 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

Depois que a implantação estiver concluída, será fácil acessar as propriedades do espaço de trabalho implantado. Por exemplo, você pode acessar o Token de Chave Primária.

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

Outra maneira de recuperar tokens do espaço de trabalho existente é usar o comando Invoke-AzResourceAction. Por exemplo, você pode listar os tokens primários e secundários de todos os espaços de trabalho.

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

Depois que o espaço de trabalho for provisionado, você também poderá automatizar muitas tarefas do Machine Learning Studio (clássico) usando o Módulo PowerShell para Machine Learning Studio (clássico).

Próximos passos