DAY18 用 Azure Machine Learning SDK 建立 Workspace

大家還記得我們在一開始學習 Azure Machine Learning（下稱 AML）的時候，建了一個 Workspace 嗎？如果忘記了的話可以回到這篇去閱讀。

我們那時候使用了圖形化介面，點一點就建立好我們 AML 的 Workspace。今天我們就來使用 SDK 建立 Workspace 吧！

在本地端的 VS Code 開發

1. 打開你的 VS Code，我們先建立一個專門的虛擬環境給這個專案。我慣用 Anaconda，所以使用指令 conda create --name amlsdk python=3.7，這邊建議版本都 3.7 以上。然後用 source activate amlsdk 去啟用這個虛擬環境。

2. 設定虛擬環境後，用輸入pip install azureml-sdk。需要等待一段時間。

3. 安裝完成後，我們建立一個 .py檔，當然你要用 .ipynb檔也是可以的。

4. 接著我們來建立 Workspace 吧！輸入下方程式碼！

from azureml.core import Workspace
ws = Workspace.create(name='您要的workspace名稱',
                      subscription_id='您的subscription_id',
                      resource_group='ironman-sdk', # 您的resource_group名稱
                      create_resource_group=True, # resource_group 不存在時，是否建立新的。
                      location='westus2' # 地點
                      )

5. 接著會出現下圖的畫面，要你登入 Azure 的帳號以 authenticate。登入認證完成後，就會開始建立 Workspace 了，一樣需要等待一些時間。
   

6. 接著我們進到 Azure 的 Portal，可以看到我們剛剛新建的 Resource Group 已經建好了，相關的資源也都開起來了。如下圖。
   

7. 我們點進去 Workspace 裡，看到左上角有個 Download config.json，我們把 config 檔下載下來，然後放到剛剛那個用 VS Code 開啟的資料夾裡。
   

8. 我們可以看到 config.json 是長成這樣子的形式，我們可以透過這個 config.json 檔，從任何地方連進我們的 workspace 裡哦！

{
    "subscription_id": "",
    "resource_group": "",
    "workspace_name": ""
}

9. 接著我們來連至剛剛建立好的 Workspace。透過 Config.json 來取得剛剛建立的 Workspace。

from azureml.core import Workspace
ws = Workspace.from_config() # 也可以放入 path string 當做參數哦！
print(ws.get_details()) # 用這個方式來取得 workspace 的詳細資訊

如果會印出一個 json，包含了這個 Workspace 的資訊，就代表我們已經成功透過 SDK 建立了 Workspace 啦！以後我們都是要用 from_config()，先來取得和 Workspace 的連線哦！

明天我們來用 SDK 建立 Datastore 吧！