Schéma YAML prostředí CLI (v2)

PLATÍ PRO: Rozšíření Azure CLI ml v2 (aktuální)

Zdrojové schéma JSON najdete na adrese https://azuremlschemas.azureedge.net/latest/environment.schema.json.

Poznámka:

Syntaxe YAML podrobná v tomto dokumentu je založená na schématu JSON pro nejnovější verzi rozšíření ML CLI v2. Tato syntaxe je zaručena pouze pro práci s nejnovější verzí rozšíření ML CLI v2. Schémata pro starší verze rozšíření najdete na adrese https://azuremlschemasprod.azureedge.net/.

Syntaxe YAML

Klíč	Typ	Popis	Povolené hodnoty	Default value
$schema	string	Schéma YAML. Pokud k vytvoření souboru YAML použijete rozšíření Azure Machine Learning VS Code, včetně $schema v horní části souboru, můžete vyvolat schéma a dokončování prostředků.
name	string	Povinný: Název prostředí
version	string	Verze prostředí Pokud tento parametr vynecháte, Azure Machine Learning automaticky vygeneruje verzi.
description	string	Popis prostředí
tags	objekt	Slovník značek pro prostředí
image	string	Image Dockeru, která se má použít pro prostředí. Jedna z image nebo build je povinná.
conda_file	řetězec nebo objekt	Standardní konfigurační soubor conda YAML závislostí pro prostředí conda. Viz třída https://conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html#creating-an-environment-file-manually. Je-li zadáno, image je třeba zadat také. Azure Machine Learning sestaví prostředí Conda nad poskytnutou imagí Dockeru.
build	objekt	Konfigurace kontextu sestavení Dockeru, která se má použít pro prostředí. Jedna z image nebo build je povinná.
build.path	string	Místní cesta k adresáři, který se má použít jako kontext sestavení.
build.dockerfile_path	string	Relativní cesta k souboru Dockerfile v kontextu sestavení.		Dockerfile
os_type	string	Typ operačního systému.	linux, windows	linux
inference_config	objekt	Odvozování konfigurací kontejneru Platí pouze v případě, že se prostředí používá k sestavení kontejneru obsluhy pro online nasazení. Viz Atributy inference_config klíče.

inference_config Atributy klíče

Klíč	Typ	Popis
liveness_route	objekt	Trasa živé aktivity pro obslužný kontejner.
liveness_route.path	string	Cesta ke směrování žádostí o liveness do.
liveness_route.port	integer	Port, do který se mají směrovat žádosti o aktivity.
readiness_route	objekt	Trasa připravenosti pro kontejner obsluhy.
readiness_route.path	string	Cesta ke směrování požadavků na připravenost.
readiness_route.port	integer	Port pro směrování požadavků na připravenost.
scoring_route	objekt	Trasu bodování pro kontejner obsluhy.
scoring_route.path	string	Cesta ke směrování požadavků na bodování.
scoring_route.port	integer	Port pro směrování požadavků na bodování.

Poznámky

Tento az ml environment příkaz se dá použít ke správě prostředí Azure Machine Learning.

Příklady

Příklady jsou k dispozici v příkladech v úložišti GitHub. Níže je uvedeno několik.

YAML: místní kontext sestavení Dockeru

$schema: https://azuremlschemas.azureedge.net/latest/environment.schema.json
name: docker-context-example
build:
  path: docker-contexts/python-and-pip

YAML: Image Dockeru

$schema: https://azuremlschemas.azureedge.net/latest/environment.schema.json
name: docker-image-example
image: pytorch/pytorch:latest
description: Environment created from a Docker image.

YAML: Image Dockeru plus soubor Conda

$schema: https://azuremlschemas.azureedge.net/latest/environment.schema.json
name: docker-image-plus-conda-example
image: mcr.microsoft.com/azureml/openmpi4.1.0-ubuntu20.04
conda_file: conda-yamls/pydata.yml
description: Environment created from a Docker image plus Conda environment.

Další kroky

• Instalace a použití rozhraní příkazového řádku (v2)