Azure 机器学习的工作原理：资源和资产

若要使用 CLI v2 创建工作区，请使用以下命令：

适用于：Azure CLI ml 扩展 v2（当前版）

az ml workspace create --file my_workspace.yml

有关详细信息，请参阅工作区 YAML 架构。

若要使用 Python SDK v2 创建工作区，可使用以下代码：

适用于：Python SDK azure-ai-ml v2（当前版本）

ws_basic = Workspace(
    name="my-workspace",
    location="chinanorth", # Azure region (location) of workspace
    display_name="Basic workspace-example",
    description="This example shows how to create a basic workspace"
)
ml_client.workspaces.begin_create(ws_basic) # use MLClient to connect to the subscription and resource group and create workspace

此 Jupyter 笔记本演示了使用 SDK v2 创建 Azure 机器学习工作区的更多方法。

若要使用 CLI v2 创建计算，请使用以下命令：

适用于：Azure CLI ml 扩展 v2（当前版）

az ml compute --file my_compute.yml

有关详细信息，请参阅计算 YAML 架构。

若要使用 Python SDK v2 创建计算，可使用以下代码：

适用于：Python SDK azure-ai-ml v2（当前版本）

cluster_basic = AmlCompute(
    name="basic-example",
    type="amlcompute",
    size="STANDARD_DS3_v2",
    location="chinanorth",
    min_instances=0,
    max_instances=2,
    idle_time_before_scale_down=120,
)
ml_client.begin_create_or_update(cluster_basic)

此 Jupyter 笔记本演示了使用 SDK v2 创建计算的其他方法。

若要使用 CLI v2 创建数据存储，请使用以下命令：

适用于：Azure CLI ml 扩展 v2（当前版）

az ml datastore create --file my_datastore.yml

有关详细信息，请参阅数据存储 YAML 架构。

若要使用 Python SDK v2 创建数据存储，可使用以下代码：

适用于：Python SDK azure-ai-ml v2（当前版本）

blob_datastore1 = AzureBlobDatastore(
    name="blob-example",
    description="Datastore pointing to a blob container.",
    account_name="mytestblobstore",
    container_name="data-container",
    credentials={
        "account_key": "XXXxxxXXXxXXXXxxXXXXXxXXXXXxXxxXxXXXxXXXxXXxxxXXxxXXXxXxXXXxxXxxXXXXxxxxxXXxxxxxxXXXxXXX"
    },
)
ml_client.create_or_update(blob_datastore1)

此 Jupyter 笔记本演示了使用 SDK v2 创建数据存储的其他方法。

若要使用 CLI v2 创建模型，请使用以下命令：

适用于：Azure CLI ml 扩展 v2（当前版）

az ml model create --file my_model.yml

有关详细信息，请参阅模型 YAML 架构。

若要使用 Python SDK v2 创建模型，可使用以下代码：

适用于：Python SDK azure-ai-ml v2（当前版本）

my_model = Model(
    path="model.pkl", # the path to where my model file is located
    type="custom_model", # can be custom_model, mlflow_model or triton_model
    name="my-model",
    description="Model created from local file.",
)

ml_client.models.create_or_update(my_model) # use the MLClient to connect to workspace and create/register the model

若要使用 CLI v2 创建环境，请使用以下命令：

适用于：Azure CLI ml 扩展 v2（当前版）

az ml environment create --file my_environment.yml

有关详细信息，请参阅环境 YAML 架构。

若要使用 Python SDK v2 创建环境，可使用以下代码：

适用于：Python SDK azure-ai-ml v2（当前版本）

my_env = Environment(
    image="pytorch/pytorch:latest", # base image to use
    name="docker-image-example", # name of the model
    description="Environment created from a Docker image.",
)

ml_client.environments.create_or_update(my_env) # use the MLClient to connect to workspace and create/register the environment

此 Jupyter 笔记本演示了使用 SDK v2 创建自定义环境的其他方法。