在 azureml 中获取本地工作区答案

【问题标题】：Get local workspace in azureml在 azureml 中获取本地工作区
【发布时间】：2021-03-12 00:03:37
【问题描述】：

我正在尝试在 azureml 中运行机器学习实验。

我不知道如何从控制脚本中获取工作区上下文。微软文档中的 this one 等示例使用 Workspace.from_config()。当我在控制脚本中使用它时，出现以下错误：

"message": "我们无法在 [path] 或其父目录中找到 config.json。请提供配置文件的完整路径或确保 config.json 存在于父目录中。"

我也尝试过包含我的订阅 ID 和资源规格，如下所示：

subscription_id = 'id'
resource_group = 'name'
workspace_name = 'name'

workspace = Workspace(subscription_id, resource_group, workspace_name)

在这种情况下，我必须像在本地一样监控日志并在每次运行时进行身份验证。

如何从 azureml 的控制脚本中获取本地工作区？

【问题讨论】：

标签： azureml azureml-python-sdk

【解决方案1】：

使用 Workspace.from_config() 方法：

工作区配置文件是一个 JSON 文件，它告诉 SDK 如何与您的 Azure 机器学习工作区通信。该文件名为 config.json，格式如下：

{"subscription_id": "<subscription-id>",
 "resource_group": "<resource-group>",
 "workspace_name": "<workspace-name>"}

重要提示：此 JSON 文件必须位于包含您的 Python 脚本或 Jupyter Notebooks。可以在同一个目录下，名为 .azureml 的子目录或父目录中。

或者，使用 get 方法加载现有工作区而不使用配置文件：（在您的情况下，您的代码缺少 .get()）

ws = Workspace.get(name="myworkspace",subscription_id='<azure-subscription-id>',resource_group='myresourcegroup')

【讨论】：

【解决方案2】：

您使用的开发系统是什么？ AML 工作区或本地开发系统中的 DSVM？

如果是您本地的，则使用此命令将配置文件写入路径/.azureml/config.json下的项目根目录

from azureml.core import Workspace

subscription_id = 'xxxx-xxxx-xxxx-xxxx-xxxx'
resource_group  = 'your_resource_group'
workspace_name  = 'your_workspace_name'

try:
   ws = Workspace(subscription_id = subscription_id, resource_group = 
   resource_group, workspace_name = workspace_name)
   ws.write_config()
   print('Library configuration succeeded')
except:
   print('Workspace not found')

否则，如果它是 DSVM，那么一切就绪，Workspace.from_config() 应该可以工作。

注意：您必须在 AML studio 中看到您的用户名下的 .config 目录。

【讨论】：

【解决方案3】：

这 10 个月没有答案，现在他们来了 :)。我很久以前就想出了这个问题，但还没有来得及发布答案。在这里。

从训练脚本中，您可以从运行上下文中获取工作区，如下所示：

from azureml.core import Run
Run.get_context()
ws = run.experiment.workspace

【讨论】：