Partager via

Bibliothèque de client Azure Machine Learning Compute Management pour JavaScript - version 3.0.0-beta.3

  • Article

Ce package contient un KIT de développement logiciel (SDK) isomorphe (s’exécute à la fois dans Node.js et dans les navigateurs) pour le client de gestion de calcul Azure Machine Learning.

Ces API permettent aux utilisateurs finaux d’utiliser des ressources de calcul Azure Machine Learning. Ils prennent en charge les opérations suivantes :

  • Créer ou mettre à jour un cluster
  • Obtenir un cluster
  • Corriger un cluster
  • Suppression d'un cluster
  • Obtenir les clés d’un cluster
  • Vérifier si des mises à jour sont disponibles pour les services système dans un cluster
  • Mettre à jour les services système dans un cluster
  • Obtenir tous les clusters dans un groupe de ressources
  • Obtenir tous les clusters dans un abonnement

| Code sourcePackage (NPM) | Documentation de référence sur les | API Échantillons

Prise en main

Environnements actuellement pris en charge

Pour plus d’informations, consultez notre politique de support .

Prérequis

Installez le package @azure/arm-machinelearningcompute

Installez la bibliothèque de client Azure Machine Learning Compute Management pour JavaScript avec npm:

npm install @azure/arm-machinelearningcompute

Créez et authentifiez unMachineLearningComputeManagementClient

Pour créer un objet client afin d’accéder à l’API de gestion du calcul Azure Machine Learning, vous avez besoin de votre endpoint ressource De gestion de calcul Azure Machine Learning et d’un credential. Le client Azure Machine Learning Compute Management peut utiliser les informations d’identification Azure Active Directory pour s’authentifier. Vous trouverez le point de terminaison de votre ressource Azure Machine Learning Compute Management dans le portail Azure.

Vous pouvez vous authentifier auprès d’Azure Active Directory à l’aide d’informations d’identification de la bibliothèque @azure/identités ou d’un jeton AAD existant.

Pour utiliser le fournisseur DefaultAzureCredential indiqué ci-dessous ou d’autres fournisseurs d’informations d’identification fournis avec le Kit de développement logiciel (SDK) Azure, installez le @azure/identity package :

npm install @azure/identity

Vous devez également inscrire une nouvelle application AAD et accorder l’accès à Azure Machine Learning Compute Management en attribuant le rôle approprié à votre principal de service (remarque : les rôles tels que "Owner" n’accordent pas les autorisations nécessaires). Définissez les valeurs de l’ID client, de l’ID de locataire et de la clé secrète client de l’application AAD en tant que variables d’environnement : AZURE_CLIENT_ID, AZURE_TENANT_ID, AZURE_CLIENT_SECRET.

Pour plus d’informations sur la création d’une application Azure AD, consultez ce guide.

const { MachineLearningComputeManagementClient } = require("@azure/arm-machinelearningcompute");
const { DefaultAzureCredential } = require("@azure/identity");
// For client-side applications running in the browser, use InteractiveBrowserCredential instead of DefaultAzureCredential. See https://aka.ms/azsdk/js/identity/examples for more details.

const subscriptionId = "00000000-0000-0000-0000-000000000000";
const client = new MachineLearningComputeManagementClient(new DefaultAzureCredential(), subscriptionId);

// For client-side applications running in the browser, use this code instead:
// const credential = new InteractiveBrowserCredential({
//   tenantId: "<YOUR_TENANT_ID>",
//   clientId: "<YOUR_CLIENT_ID>"
// });
// const client = new MachineLearningComputeManagementClient(credential, subscriptionId);

Ensemble JavaScript

Pour utiliser cette bibliothèque cliente dans le navigateur, vous devez d’abord utiliser un bundler. Pour plus d’informations sur la procédure à suivre, reportez-vous à notre documentation sur le regroupement.

Concepts clés

MachineLearningComputeManagementClient

MachineLearningComputeManagementClient est l’interface principale pour les développeurs qui utilisent la bibliothèque de client Azure Machine Learning Compute Management. Explorez les méthodes de cet objet client pour comprendre les différentes fonctionnalités du service de gestion du calcul Azure Machine Learning auquel vous pouvez accéder.

Résolution des problèmes

Journalisation

L’activation de la journalisation peut vous aider à mieux comprendre les échecs. Pour avoir un journal des requêtes et réponses HTTP, définissez la variable d’environnement AZURE_LOG_LEVEL sur info. Vous pouvez également activer la journalisation au moment de l’exécution en appelant setLogLevel dans @azure/logger :

const { setLogLevel } = require("@azure/logger");
setLogLevel("info");

Pour obtenir des instructions plus détaillées sur l’activation des journaux, consultez les documents relatifs au package @azure/logger.

Étapes suivantes

Consultez le répertoire d’exemples pour obtenir des exemples détaillés sur l’utilisation de cette bibliothèque.

Contribution

Si vous souhaitez contribuer à cette bibliothèque, lisez le guide de contribution pour en savoir plus sur la génération et le test du code.

Impressions