فهم البيئات

مكتمل

في حل التعلم الآلي للمؤسسة، حيث يمكن تشغيل التجارب في سياقات حوسبة مختلفة، قد يكون من المهم أن تكون على دراية بالبيئات التي يتم فيها تشغيل التعليمات البرمجية للتجربة. يمكنك استخدام بيئات التعلم الآلي من Azure لإنشاء بيئات وتحديد تكوين وقت التشغيل لتجربة.

عند إنشاء مساحة عمل التعلم الآلي من Azure، يتم إنشاء بيئات المنسقة تلقائيا وإتاحتها لك. بدلا من ذلك، يمكنك إنشاء وإدارة بيئات المخصصة الخاصة بك وتسجيلها في مساحة العمل. إنشاء وتسجيل بيئات مخصصة يجعل من الممكن تحديد سياقات وقت تشغيل متسقة وقابلة لإعادة الاستخدام لتجاربك - بغض النظر عن مكان تشغيل البرنامج النصي للتجربة.

ما هي البيئة في التعلم الآلي من Microsoft Azure؟

يتم تشغيل تعليمة Python البرمجية في سياق بيئة ظاهرية تحدد إصدار وقت تشغيل Python المراد استخدامه بالإضافة إلى الحزم المثبتة المتوفرة للتعليمات البرمجية. في معظم عمليات تثبيت Python، يتم تثبيت الحزم وإدارتها في البيئات باستخدام conda أو pip.

لتحسين قابلية النقل، عادة ما تقوم بإنشاء بيئات في حاويات Docker المستضافة بدورها على أهداف الحوسبة، مثل كمبيوتر التطوير أو الأجهزة الظاهرية أو المجموعات في السحابة.

ينشئ التعلم الآلي من Azure تعريفات البيئة في صور Docker وبيئات conda. عند استخدام بيئة، ينشئ التعلم الآلي من Azure البيئة على سجل حاوية Azure المقترنة بمساحة العمل.

بقشيش

عند إنشاء مساحة عمل التعلم الآلي من Azure، يمكنك اختيار ما إذا كنت تريد استخدام سجل حاوية Azure موجود، أو ما إذا كنت تريد السماح لمساحة العمل بإنشاء سجل جديد لك عند الحاجة.

لعرض جميع البيئات المتوفرة داخل مساحة عمل التعلم الآلي من Azure، يمكنك سرد البيئات في الاستوديو، باستخدام Azure CLI أو Python SDK.

على سبيل المثال، لسرد البيئات باستخدام Python SDK:

envs = ml_client.environments.list()
for env in envs:
    print(env.name)

لمراجعة تفاصيل بيئة معينة، يمكنك استرداد بيئة باسمها المسجل:

env = ml_client.environments.get(name="my-environment", version="1")
print(env)