Microsoft.MachineLearningServices 工作區 2019-06-01
Bicep 資源定義
工作區資源類型可以使用目標作業來部署：
如需每個 API 版本中已變更屬性的清單，請參閱 變更記錄檔。
若要建立 Microsoft.MachineLearningServices/workspaces 資源，請將下列 Bicep 新增至範本。
resource symbolicname 'Microsoft.MachineLearningServices/workspaces@2019-06-01' = {
identity: {
type: 'SystemAssigned'
}
location: 'string'
name: 'string'
properties: {
applicationInsights: 'string'
containerRegistry: 'string'
description: 'string'
discoveryUrl: 'string'
friendlyName: 'string'
keyVault: 'string'
storageAccount: 'string'
}
tags: {
{customized property}: 'string'
}
}
屬性值
身份
| 名字 |
描述 |
價值 |
| 類型 |
識別類型。 |
'SystemAssigned' |
Microsoft.MachineLearningServices/workspaces
WorkspaceProperties
| 名字 |
描述 |
價值 |
| applicationInsights |
與此工作區相關聯的 Application Insights ARM 識別碼。 建立工作區之後，就無法變更此專案 |
字串 |
| containerRegistry |
與此工作區相關聯的容器登錄ARM標識碼。 建立工作區之後，就無法變更此專案 |
字串 |
| 描述 |
此工作區的描述。 |
字串 |
| discoveryUrl |
探索服務的 URL，用來識別機器學習實驗服務的區域端點 |
字串 |
| friendlyName |
此工作區的易記名稱。 此名稱在可變動中 |
字串 |
| keyVault |
與此工作區相關聯的密鑰保存庫 ARM 識別碼。 建立工作區之後，就無法變更此專案 |
字串 |
| storageAccount |
與此工作區相關聯的記憶體帳戶 ARM 識別碼。 建立工作區之後，就無法變更此專案 |
字串 |
快速入門範例
下列快速入門範例會部署此資源類型。
| Bicep 檔案 |
描述 |
|
Azure AI Studio 基本設定 |
這組範本示範如何使用基本設定來設定 Azure AI Studio，這表示已啟用公用因特網存取、Microsoft受控密鑰進行加密，以及 AI 資源的Microsoft受控識別設定。 |
|
Azure AI Studio 基本設定 |
這組範本示範如何使用基本設定來設定 Azure AI Studio，這表示已啟用公用因特網存取、Microsoft受控密鑰進行加密，以及 AI 資源的Microsoft受控識別設定。 |
|
Azure AI Studio 基本設定 |
這組範本示範如何使用基本設定來設定 Azure AI Studio，這表示已啟用公用因特網存取、Microsoft受控密鑰進行加密，以及 AI 資源的Microsoft受控識別設定。 |
|
Azure AI Studio 網路限制 |
這組範本示範如何使用Microsoft受控密鑰來加密和 AI 資源的 Microsoft 受控識別組態，來設定已停用私人鏈接和輸出的 Azure AI Studio。 |
|
Azure AI Studio 網路限制 |
這組範本示範如何使用Microsoft受控密鑰來加密和 AI 資源的 Microsoft 受控識別組態，來設定已停用私人鏈接和輸出的 Azure AI Studio。 |
| 使用 Microsoft Entra ID Authentication Azure AI Studio |
這組範本示範如何使用相依資源的 Microsoft Entra ID 驗證來設定 Azure AI Studio，例如 Azure AI 服務和 Azure 記憶體。 |
|
Azure Machine Learning 端對端安全設定 |
這組 Bicep 範本示範如何在安全設定中設定 Azure Machine Learning 端對端。 此參考實作包括工作區、計算叢集、計算實例和附加的私人 AKS 叢集。 |
|
Azure Machine Learning 端對端安全設定 （舊版） |
這組 Bicep 範本示範如何在安全設定中設定 Azure Machine Learning 端對端。 此參考實作包括工作區、計算叢集、計算實例和附加的私人 AKS 叢集。 |
|
建立具有私人IP位址的 AKS 計算目標 |
此範本會在具有私人IP位址的指定 Azure Machine Learning 服務工作區中建立 AKS 計算目標。 |
|
建立 Azure Machine Learning 服務工作區 |
此部署範本會指定 Azure Machine Learning 工作區及其相關聯的資源，包括 Azure Key Vault、Azure 儲存體、Azure Application Insights 和 Azure Container Registry。 此組態描述開始使用 Azure Machine Learning 所需的最少資源集。 |
|
建立 Azure Machine Learning 服務工作區 （CMK） |
此部署範本會指定如何使用加密密鑰，建立具有服務端加密的 Azure Machine Learning 工作區。 |
|
建立 Azure Machine Learning 服務工作區 （CMK） |
此部署範本會指定 Azure Machine Learning 工作區及其相關聯的資源，包括 Azure Key Vault、Azure 儲存體、Azure Application Insights 和 Azure Container Registry。 此範例示範如何使用客戶管理的加密密鑰來設定 Azure Machine Learning 進行加密。 |
|
建立 Azure Machine Learning 服務工作區 （舊版） |
此部署範本會指定 Azure Machine Learning 工作區及其相關聯的資源，包括 Azure Key Vault、Azure 儲存體、Azure Application Insights 和 Azure Container Registry。 此組態說明在網路隔離設定中開始使用 Azure Machine Learning 所需的資源集。 |
|
建立 Azure Machine Learning 服務工作區 （vnet） |
此部署範本會指定 Azure Machine Learning 工作區及其相關聯的資源，包括 Azure Key Vault、Azure 儲存體、Azure Application Insights 和 Azure Container Registry。 此組態說明在網路隔離設定中開始使用 Azure Machine Learning 所需的資源集。 |
|
使用受控虛擬網路部署安全的 Azure AI Studio |
此範本會建立安全的 Azure AI Studio 環境，並具有健全的網路和身分識別安全性限制。 |
ARM 樣本資源定義
工作區資源類型可以使用目標作業來部署：
如需每個 API 版本中已變更屬性的清單，請參閱 變更記錄檔。
若要建立 Microsoft.MachineLearningServices/workspaces 資源，請將下列 JSON 新增至範本。
{
"type": "Microsoft.MachineLearningServices/workspaces",
"apiVersion": "2019-06-01",
"name": "string",
"identity": {
"type": "SystemAssigned"
},
"location": "string",
"properties": {
"applicationInsights": "string",
"containerRegistry": "string",
"description": "string",
"discoveryUrl": "string",
"friendlyName": "string",
"keyVault": "string",
"storageAccount": "string"
},
"tags": {
"{customized property}": "string"
}
}
屬性值
身份
| 名字 |
描述 |
價值 |
| 類型 |
識別類型。 |
'SystemAssigned' |
Microsoft.MachineLearningServices/workspaces
| 名字 |
描述 |
價值 |
| apiVersion |
API 版本 |
'2019-06-01' |
| 身份 |
資源的身分識別。 |
Identity |
| 位置 |
指定資源的位置。 |
字串 |
| 名字 |
資源名稱 |
字串 （必要） |
| 性能 |
機器學習工作區的屬性。 |
WorkspaceProperties |
| 標籤 |
資源標籤 |
標記名稱和值的字典。 請參閱範本中的 標籤 |
| 類型 |
資源類型 |
'Microsoft.MachineLearningServices/workspaces' |
WorkspaceProperties
| 名字 |
描述 |
價值 |
| applicationInsights |
與此工作區相關聯的 Application Insights ARM 識別碼。 建立工作區之後，就無法變更此專案 |
字串 |
| containerRegistry |
與此工作區相關聯的容器登錄ARM標識碼。 建立工作區之後，就無法變更此專案 |
字串 |
| 描述 |
此工作區的描述。 |
字串 |
| discoveryUrl |
探索服務的 URL，用來識別機器學習實驗服務的區域端點 |
字串 |
| friendlyName |
此工作區的易記名稱。 此名稱在可變動中 |
字串 |
| keyVault |
與此工作區相關聯的密鑰保存庫 ARM 識別碼。 建立工作區之後，就無法變更此專案 |
字串 |
| storageAccount |
與此工作區相關聯的記憶體帳戶 ARM 識別碼。 建立工作區之後，就無法變更此專案 |
字串 |
快速入門範本
下列快速入門範本會部署此資源類型。
工作區資源類型可以使用目標作業來部署：
如需每個 API 版本中已變更屬性的清單，請參閱 變更記錄檔。
若要建立 Microsoft.MachineLearningServices/workspaces 資源，請將下列 Terraform 新增至範本。
resource "azapi_resource" "symbolicname" {
type = "Microsoft.MachineLearningServices/workspaces@2019-06-01"
name = "string"
identity = {
type = "SystemAssigned"
}
location = "string"
body = jsonencode({
properties = {
applicationInsights = "string"
containerRegistry = "string"
description = "string"
discoveryUrl = "string"
friendlyName = "string"
keyVault = "string"
storageAccount = "string"
}
})
tags = {
{customized property} = "string"
}
}
屬性值
身份
| 名字 |
描述 |
價值 |
| 類型 |
識別類型。 |
'SystemAssigned' |
Microsoft.MachineLearningServices/workspaces
| 名字 |
描述 |
價值 |
| 身份 |
資源的身分識別。 |
Identity |
| 位置 |
指定資源的位置。 |
字串 |
| 名字 |
資源名稱 |
字串 （必要） |
| 性能 |
機器學習工作區的屬性。 |
WorkspaceProperties |
| 標籤 |
資源標籤 |
標記名稱和值的字典。 |
| 類型 |
資源類型 |
“Microsoft.MachineLearningServices/workspaces@2019-06-01” |
WorkspaceProperties
| 名字 |
描述 |
價值 |
| applicationInsights |
與此工作區相關聯的 Application Insights ARM 識別碼。 建立工作區之後，就無法變更此專案 |
字串 |
| containerRegistry |
與此工作區相關聯的容器登錄ARM標識碼。 建立工作區之後，就無法變更此專案 |
字串 |
| 描述 |
此工作區的描述。 |
字串 |
| discoveryUrl |
探索服務的 URL，用來識別機器學習實驗服務的區域端點 |
字串 |
| friendlyName |
此工作區的易記名稱。 此名稱在可變動中 |
字串 |
| keyVault |
與此工作區相關聯的密鑰保存庫 ARM 識別碼。 建立工作區之後，就無法變更此專案 |
字串 |
| storageAccount |
與此工作區相關聯的記憶體帳戶 ARM 識別碼。 建立工作區之後，就無法變更此專案 |
字串 |
