大家还记得我们在一开始学习 Azure Machine Learning(下称 AML)的时候,建了一个 Workspace 吗?如果忘记了的话可以回到这篇去阅读。
我们那时候使用了图形化介面,点一点就建立好我们 AML 的 Workspace。今天我们就来使用 SDK 建立 Workspace 吧!
打开你的 VS Code,我们先建立一个专门的虚拟环境给这个专案。我惯用 Anaconda,所以使用指令 conda create --name amlsdk python=3.7
,这边建议版本都 3.7 以上。然後用 source activate amlsdk
去启用这个虚拟环境。
设定虚拟环境後,用输入pip install azureml-sdk
。需要等待一段时间。
安装完成後,我们建立一个 .py
档,当然你要用 .ipynb
档也是可以的。
接着我们来建立 Workspace 吧!输入下方程序码!
from azureml.core import Workspace
ws = Workspace.create(name='您要的workspace名称',
subscription_id='您的subscription_id',
resource_group='ironman-sdk', # 您的resource_group名称
create_resource_group=True, # resource_group 不存在时,是否建立新的。
location='westus2' # 地点
)
接着会出现下图的画面,要你登入 Azure 的帐号以 authenticate。登入认证完成後,就会开始建立 Workspace 了,一样需要等待一些时间。
接着我们进到 Azure 的 Portal,可以看到我们刚刚新建的 Resource Group 已经建好了,相关的资源也都开起来了。如下图。
我们点进去 Workspace 里,看到左上角有个 Download config.json,我们把 config 档下载下来,然後放到刚刚那个用 VS Code 开启的资料夹里。
我们可以看到 config.json 是长成这样子的形式,我们可以透过这个 config.json 档,从任何地方连进我们的 workspace 里哦!
{
"subscription_id": "",
"resource_group": "",
"workspace_name": ""
}
from azureml.core import Workspace
ws = Workspace.from_config() # 也可以放入 path string 当做参数哦!
print(ws.get_details()) # 用这个方式来取得 workspace 的详细资讯
如果会印出一个 json,包含了这个 Workspace 的资讯,就代表我们已经成功透过 SDK 建立了 Workspace 啦!以後我们都是要用 from_config()
,先来取得和 Workspace 的连线哦!
明天我们来用 SDK 建立 Datastore 吧!
<<: Day19:19 - 结帐服务(3) - PayPal Python Checkout SDK(1)
>>: 【心得】不同 gradient 使用方式-- repeating-linear-gradient() & repeating-radial-gradient()
对於习惯使用windows在开发大部分工作的开发者来说,如果想要同时开发适合在Linux-based...
提示、渴望、回应、犒赏是《原子习惯》里基本四步骤。 书里面讲到习惯,我们以为只是回应的行动,但实际上...
从这篇开始会介绍各种奇怪的登录值修改,笔者会挑自己有兴趣的开始做介绍,有些属於安全性,有些属於系统优...
特别叮嘱禁止的错误 1.不要行内包区块 行内:(inline) span 区块:(block) p ...
过去我们可以透过建立资料仓储系统来统一储存和处理资料: • 阶段一: 关联资料库与资料仓储,以及商业...