通过

CLI (v2) Python 源连接 YAML 架构

  • 项目

适用于：Azure CLI ml 扩展 v2（当前）

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 string 必需。 连接名称。
description string 连接描述。
tags object 连接标记字典。
type string 必需。 连接类型。 python_feed python_feed
is_shared boolean 如果中心内其他项目共享连接，则为 true；否则，为 false。 true
target string 端点的 URL。
credentials object 执行基于凭据的身份验证，以访问存储帐户。 可以使用个人访问令牌或用户名和密码。 不要在使用公共 Python 源时指定 credentials。
credentials.type string 要使用的身份验证类型。 pat，username_password
credentials.pat string 用于身份验证时的个人访问令牌。
credentials_username string 用于身份验证的用户名。
credentials_password string 用于身份验证的密码。

注解

而 az ml connection 命令可用于管理 Azure 机器学习和 Azure AI Studio 连接。

示例

有关示例，请访问此 GitHub 资源。 下方显示了几个示例。 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：个人访问令牌

#Connection.yml
name: test_ws_conn_python_pat
type: python_feed
target: https://test-feed.com
credentials:
  type: pat
  pat: dummy_pat

YAML：用户名和密码

name: test_ws_conn_python_user_pass
type: python_feed
target: https://test-feed.com
credentials:
  type: username_password
  username: john
  password: pass

YAML：无凭据

name: test_ws_conn_python_no_cred
type: python_feed
target: https://test-feed.com3

后续步骤