注意
本文档中详细介绍的 YAML 语法基于最新版本的 ML CLI v2 扩展的 JSON 架构。 此语法必定仅适用于最新版本的 ML CLI v2 扩展。 可以在 https://azuremlschemasprod.azureedge.net/ 上查找早期扩展版本的架构。
YAML 语法
| 密钥 | 类型 | 说明 | 允许的值 | 默认值 |
|---|---|---|---|---|
$schema |
字符串 | YAML 架构。 如果使用 Azure 机器学习 Visual Studio Code 扩展来创作 YAML 文件，请在该文件的顶部添加 $schema 以调用架构和资源完成。 |
||
name |
字符串 | 必需。 连接名称。 | ||
description |
字符串 | 连接描述。 | ||
tags |
物体 | 连接标记字典。 | ||
type |
字符串 | 必需。 连接类型。 | container_registry |
container_registry |
is_shared |
布尔 | 如果中心内其他项目共享连接，则为 true；否则，为 false。 |
true |
|
target |
字符串 | 端点的 URL。 | ||
credentials |
物体 | 基于凭据的身份验证，用于访问存储帐户。 可以使用 Microsoft Entra ID 或用户名和密码。 | ||
credentials.type |
字符串 | 要使用的身份验证类型。 |
managed_identity，username_password |
|
credentials.client_id |
字符串 | Microsoft Entra ID 客户端 ID。 | ||
credentials.resource_id |
字符串 | Microsoft Entra ID 资源 ID。 | ||
credentials_username |
字符串 | 用于身份验证的用户名。 | ||
credentials_password |
字符串 | 用于身份验证的密码。 |
注解
az ml connection虽然命令可用于管理Azure 机器学习和 Azure AI Foundry 连接。
示例
这些示例将以 YAML 文件的形式显示，并通过 CLI 使用。 例如 az ml connection create -f <file-name>.yaml。
YAML：Microsoft Entra ID 托管标识
name: test_ws_conn_cr_managed
type: container_registry
target: https://test-feed.com
credentials:
type: managed_identity
client_id: client_id
resource_id: resource_id
YAML：用户名和密码
name: test_ws_conn_cr_user_pass
type: container_registry
target: https://test-feed.com2
credentials:
type: username_password
username: contoso
password: pass