Azure ML 机器学习: 创建 Workspace 以及获得 Workspace 的多种方法-Toy模板网

这篇具有很好参考价值的文章主要介绍了Azure ML 机器学习: 创建 Workspace 以及获得 Workspace 的多种方法。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

Azure ML: 创建 Workspace 以及获得当前 Workspace 的多种方法

记录三种创建Azure Machine Learning Workspace的方法：Azure Portal, Azure Python SDK，Azure CLI，以及获得当前workspace的两个方法。

1 创建 Workspace

一般我们有三种办法创建 Azure Machine Learning Workspace（当然，前提是我们要有一个Azure的账号）。

1.1 通过 Azure Portal

我们可以直接通过Azure的前端：Azure Portal进行Workspace创建。进入Azure Portal的个人主页，找到Machine Learning，点进去之后点击Create，如下图：

Azure ML 机器学习: 创建 Workspace 以及获得 Workspace 的多种方法

需要注意的是，新建一个Workspace需要链接或者新建一个Azure Storage账户（用以保存数据），一个Azure Key Vault账户（用以保存密码），一个Azure Application insights账户（一些monitoring功能），以及一个Azure Container Registry账户（保存Container及其相关）。

1.2 通过 Python SDK

我们可以通过Azure Python SDK进行新建Workspace：

from azureml.core import Workspace
ws = Workspace.create(name='myworkspace',
    subscription_id='<azure-subscription-id>',
    resource_group='myresourcegroup',
    create_resource_group=True,
    location='eastus2'
    )

1.3 通过 Azure CLI

Azure还自带类似terminal指令的Azure CLI。在新建Workspace之前，我们需要先login：

az login

然后

az ml workspace create -g <resource-group-name> --file workspace.yml

这个workspace.yml包含：

$schema: https://azuremlschemas.azureedge.net/latest/workspace.schema.json
name: mlw-basicex-prod
location: eastus
display_name: Bring your own dependent resources-example
description: This configuration specifies a workspace configuration with existing dependent resources
storage_account: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT>
container_registry: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.ContainerRegistry/registries/<CONTAINER_REGISTRY>
key_vault: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.KeyVault/vaults/<KEY_VAULT>
application_insights: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.insights/components/<APP_INSIGHTS>
tags:
  purpose: demonstration

当然，还有其他方式创建Azure Machine Learning Workspace，比如通过ARM 模板，用于CI/CD的yaml文档中。这里我们就不赘述了。

2 获得 Workspace

有两种方式，通过Azure Python SDK:

一种，当我们在Azure Machine Learning Studio中的Compute Instance创建了VM，登录进去，我们可以直接使用

from azureml.core.workspace import Workspace
ws = Workspace.from_config()

得到当前Workspace信息。不需要输入任何参数，因为我们运行环境本身就已经在这个Workspace里面了。

另外一种情况，是我们在本地环境下，则可以通过下面代码：

from azureml.core.workspace import Workspace
subscription_id = 'XXX'
resource_group = 'XXX'
workspace_name = 'XXX'
workspace = Workspace(subscription_id, resource_group, workspace_name)