如何将文件夹从 AzureML 笔记本文件夹下载到本地或 Blob 存储？

Question

当我使用 AzureML jupyter 时，我使用 (./folder_name) 将文件保存到同一目录。现在如何下载到本地计算机或 Blob 存储？

该文件夹中有很多文件和子目录，是我在网上抓取的。所以一一保存不太现实。

file_path = "./"

for i in target_key_word:
    tem_str = i.replace(' ', '+')
    dir_name = file_path + i
    if not os.path.exists(dir_name):
        os.mkdir(dir_name)
    else:    
        print("Directory " , dir_name ,  " already exists")

Answer 1

感谢这是一个老问题，但对于其他有此问题的人来说，这就是我的做法。

1. 在 Azure ML Notebooks 主页中打开一个新的终端窗口。

2. 使用以下命令压缩整个目录：

    zip -r myfiles.zip . 
   

3. 刷新文件夹资源管理器并下载 zip 文件。

Answer 2

如果您询问如何从 Azure ML Studio 的 Notebooks GUI 下载所有文件和文件夹，我希望有一种简单的方法可以做到这一点。据我所知，您现在可以执行以下操作：

1. 您必须下载 Azure Storage Explorer 并导航到链接到 Azure 门户中的 ML 工作区的 Blob 存储（您可以通过导航到 ML 工作区的概述部分找到精确的 Blob 存储帐户）。
2. 从资源组中打开链接的 Blob 存储后，导航到概述部分，您应在其中选择

   Open in Explorer

   。
3. 存储资源管理器打开后，您可以通过将 Azure Blob 存储连接到资源管理器来链接它（这非常简单，您只需从“访问密钥”部分获取密钥即可）。
4. 链接存储帐户后，导航到

   File Shares

   文件夹并找到前缀为

   code-

   的文件夹。您可以在这里找到所有文件和文件夹，您可以将它们批量下载到本地。

Answer 3

据我了解，您想下载项目文件：

您可以执行以下操作之一：

在项目页面中，单击“下载项目”按钮以下载给定项目的所有文件。

或

1. 转到 Azure Notebooks 并登录。

2. 从您的公共个人资料页面中，选择顶部的“我的项目” 页。

3. 浏览器窗口顶部的“我的项目”链接

4. 选择项目。

5. 单击下载 Download 按钮触发 zip 文件下载 其中包含您的所有项目文件。

Answer 4

下载 Notebooks 的另一个选项是通过 azure ML studio UI 进行“在 VS Code 中编辑”。在 VS Code 中打开它后，右键单击该文件夹，然后会出现一个选项“下载” 您可以将这些文件保存到本地，然后根据需要重新上传。

Answer 5

from azureml.core import Workspace
from azure.storage.blob import BlobServiceClient, BlobClient, ContainerClient
import os

# Load Azure ML workspace
ws = Workspace.from_config()

# Azure Blob Storage connection string
blob_connection_string = "<your_blob_connection_string>"
container_name = "<your_container_name>"

# Folder to be copied
folder_path = "<folder_path>"

# Create a blob service client
blob_service_client = BlobServiceClient.from_connection_string(blob_connection_string)

# Create a container client
container_client = blob_service_client.get_container_client(container_name)

# List files in the folder
for root, dirs, files in os.walk(folder_path):
    for file in files:
        file_path = os.path.join(root, file)
        # Upload each file to the blob storage container
        with open(file_path, "rb") as data:
            blob_client = container_client.get_blob_client(file_path.replace(folder_path, ""))
            blob_client.upload_blob(data)