Azure ML Studio Designer 如何跨工作区复制管道及开启导出代码功能？

可以通过UI、Python SDK、Azure CLI三种方式将Azure ML Studio Designer创建的管道导出/复制到其他工作区，具体操作和功能开启方式如下：

具体迁移操作步骤 #

1. UI操作方式 #

• 在源工作区打开目标设计器管道，点击顶部菜单栏的「...」更多选项
• 选择「下载管道定义」，将管道结构保存为本地JSON文件
• 切换到目标工作区，进入Designer界面，选择「新建管道」→「从管道定义导入」，上传之前保存的JSON文件即可

注意：迁移后需要重新绑定目标工作区对应的数据集、计算资源等依赖项，管道才能正常运行。

2. Python SDK操作方式 #

• 首先安装对应版本SDK：pip install azure-ai-ml
• 连接源工作区导出管道定义：

from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential
import json

# 连接源工作区
source_ml_client = MLClient(
    DefaultAzureCredential(),
    subscription_id="源订阅ID",
    resource_group_name="源资源组名",
    workspace_name="源工作区名"
)

# 获取指定管道并导出为本地文件
pipeline = source_ml_client.jobs.get(name="你的管道作业名")
with open("pipeline_def.json", "w") as f:
    json.dump(pipeline._to_dict(), f)

• 连接目标工作区导入管道：

# 连接目标工作区
target_ml_client = MLClient(
    DefaultAzureCredential(),
    subscription_id="目标订阅ID",
    resource_group_name="目标资源组名",
    workspace_name="目标工作区名"
)

# 读取管道定义并创建管道
from azure.ai.ml.entities import PipelineJob
with open("pipeline_def.json", "r") as f:
    pipeline_def = json.load(f)
target_pipeline = PipelineJob._from_dict(pipeline_def)
target_ml_client.jobs.create_or_update(target_pipeline)

3. Azure CLI操作方式 #

• 先安装Azure CLI的ml扩展：az extension add -n ml
• 登录Azure账户：az login
• 导出源工作区管道定义：az ml job show --name 管道作业名 --resource-group 源资源组名 --workspace-name 源工作区名 --subscription 源订阅ID > pipeline_def.json
• 导入到目标工作区：az ml job create --file pipeline_def.json --resource-group 目标资源组名 --workspace-name 目标工作区名 --subscription 目标订阅ID

「Export To Code」选项缺失解决方案 #

该功能属于预览特性，未显示可按以下步骤排查开启：

• 进入Azure ML Studio的「管理」→「预览功能」面板
• 在搜索框输入「Designer代码导出」，找到对应选项后切换为开启状态
• 刷新页面后重新打开Designer管道，即可在顶部菜单栏看到该选项
• 如果依然看不到，确认你使用的是经典Designer管道还是SDK v2生成的管道，仅v2版本的Designer管道支持代码导出功能，经典管道需要先升级到v2版本才能使用该功能。

相关界面参考：

内容的提问来源于stack exchange，提问作者D. Reagan