DAY18 用 Azure Machine Learning SDK 建立 Workspace

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！

在本地端的 VS Code 开发

1. 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。

2. 设定虚拟环境後，用输入pip install azureml-sdk。需要等待一段时间。

3. 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。

4. 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
                      )

5. 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。
   

6. 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。
   

7. 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。
   

8. 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": ""
}

9. 接着我们来连至刚刚建立好的 Workspace。透过 Config.json 来取得刚刚建立的 Workspace。

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！