Azure ML 机器学习: 创建 Workspace 以及获得 Workspace 的多种方法

Azure ML: 创建 Workspace 以及获得当前 Workspace 的多种方法

记录三种创建Azure Machine Learning Workspace的方法：Azure Portal, Azure Python SDK，Azure CLI，以及获得当前workspace的两个方法。

---

---

1 创建 Workspace

一般我们有三种办法创建 Azure Machine Learning Workspace（当然，前提是我们要有一个Azure的账号）。

1.1 通过 Azure Portal

我们可以直接通过Azure的前端：Azure Portal进行Workspace创建。进入Azure Portal的个人主页，找到Machine Learning，点进去之后点击Create，如下图：

需要注意的是，新建一个Workspace需要链接或者新建一个Azure Storage账户（用以保存数据），一个Azure Key Vault账户（用以保存密码），一个Azure Application insights账户（一些monitoring功能），以及一个Azure Container Registry账户（保存Container及其相关）。

1.2 通过 Python SDK

我们可以通过Azure Python SDK进行新建Workspace：

from azureml.core import Workspace
ws = Workspace.create(name='myworkspace',
    subscription_id='<azure-subscription-id>',
    resource_group='myresourcegroup',
    create_resource_group=True,
    location='eastus2'
    )

1.3 通过 Azure CLI

Azure还自带类似terminal指令的Azure CLI。在新建Workspace之前，我们需要先login：

az login

然后

az ml workspace create -g <resource-group-name> --file workspace.yml

这个workspace.yml包含：

$schema: https://azuremlschemas.azureedge.net/latest/workspace.schema.json
name: mlw-basicex-prod
location: eastus
display_name: Bring your own dependent resources-example
description: This configuration specifies a workspace configuration with existing dependent resources
storage_account: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT>
container_registry: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.ContainerRegistry/registries/<CONTAINER_REGISTRY>
key_vault: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.KeyVault/vaults/<KEY_VAULT>
application_insights: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.insights/components/<APP_INSIGHTS>
tags:
  purpose: demonstration

当然，还有其他方式创建Azure Machine Learning Workspace，比如通过ARM 模板，用于CI/CD的yaml文档中。这里我们就不赘述了。

2 获得 Workspace

有两种方式，通过Azure Python SDK:

一种，当我们在Azure Machine Learning Studio中的Compute Instance创建了VM，登录进去，我们可以直接使用

from azureml.core.workspace import Workspace
ws = Workspace.from_config()

得到当前Workspace信息。不需要输入任何参数，因为我们运行环境本身就已经在这个Workspace里面了。

另外一种情况，是我们在本地环境下，则可以通过下面代码：

from azureml.core.workspace import Workspace
subscription_id = 'XXX'
resource_group = 'XXX'
workspace_name = 'XXX'
workspace = Workspace(subscription_id, resource_group, workspace_name)

即，我们需要输入三个参数：subscription id, resource group名称，以及workspace的名称。