Environment Třída
Konfiguruje reprodukovatelné prostředí Pythonu pro experimenty strojového učení.
Prostředí definuje balíčky Pythonu, proměnné prostředí a nastavení Dockeru, které se používají v experimentech strojového učení, včetně přípravy dat, trénování a nasazení do webové služby. Prostředí je spravované a s verzí ve službě Azure Machine Learning Workspace. Můžete aktualizovat existující prostředí a načíst verzi pro opakované použití. Prostředí jsou výhradní pro pracovní prostor, ve které jsou vytvořena, a nelze je používat v různých pracovních prostorech.
Další informace o prostředích najdete v tématu Vytváření a správa opakovaně použitelných prostředí.
Konstruktor prostředí třídy.
- Dědičnost
-
azureml._base_sdk_common.abstract_run_config_element._AbstractRunConfigElementEnvironment
Konstruktor
Environment(name, **kwargs)Parametry
- name
- string
Název prostředí.
Poznámka
Nezačínejte název prostředí na "Microsoft" nebo "AzureML". Předpony Microsoft a AzureML jsou vyhrazené pro kurátorovaná prostředí. Další informace o kurátorovaných prostředích najdete v tématu Vytváření a správa opakovaně použitelných prostředí.
Poznámky
Azure Machine Learning poskytuje kurátorovaná prostředí, což jsou předdefinovaná prostředí, která nabízejí dobré výchozí body pro vytváření vlastních prostředí. Kurátorovaná prostředí jsou podporována imagemi Dockeru uloženými v mezipaměti, což snižuje náklady na přípravu spuštění. Další informace o kurátorovaných prostředích najdete v tématu Vytváření a správa opakovaně použitelných prostředí.
Existuje několik způsobů, jak se prostředí ve službě Azure Machine Learning vytváří, včetně následujících:
Inicializuje nový objekt prostředí.
Použijte jednu z metod třídy Environment: from_conda_specification, from_pip_requirementsnebo from_existing_conda_environment.
submit Pomocí metody Experiment třídy odešlete spuštění experimentu bez zadání prostředí, včetně objektuEstimator.
Následující příklad ukazuje, jak vytvořit instanci nového prostředí.
from azureml.core import Environment
myenv = Environment(name="myenv")
Prostředí můžete spravovat jeho registrací. To vám umožní sledovat verze prostředí a opakovaně je používat v budoucích spuštěních.
myenv.register(workspace=ws)
Další ukázky práce s prostředími najdete v Jupyter Notebook Používání prostředí.
Proměnné
- Environment.databricks
Oddíl konfiguruje závislosti knihovny azureml.core.databricks.DatabricksSection.
- docker
- DockerSection
Tato část konfiguruje nastavení související s konečnou image Dockeru sestavenou podle specifikací prostředí a to, jestli se mají k sestavení prostředí použít kontejnery Dockeru.
- inferencing_stack_version
- string
Tato část určuje verzi zásobníku pro odvozování přidanou do image. Pokud se chcete vyhnout přidávání zásobníku odvozování, nenastavujte tuto hodnotu. Platná hodnota: "latest".
- python
- PythonSection
Tato část určuje, které prostředí Pythonu a interpret se mají použít na cílových výpočetních prostředcích.
- spark
- SparkSection
Oddíl konfiguruje nastavení Sparku. Používá se pouze v případech, kdy je architektura nastavená na PySpark.
- r
- RSection
Tato část určuje, které prostředí R se má použít na cílových výpočetních prostředcích.
- version
- string
Verze prostředí.
- asset_id
- string
ID prostředku. Naplní se při registraci prostředí.
Metody
| add_private_pip_wheel |
Nahrajte soubor privátního kola pip na disk do objektu blob úložiště Azure připojeného k pracovnímu prostoru. Vyvolá výjimku, pokud už v objektu blob úložiště pracovního prostoru existuje privátní kolo pip se stejným názvem. |
| build |
Vytvořte image Dockeru pro toto prostředí v cloudu. |
| build_local |
Sestavte místní prostředí Dockeru nebo Conda. |
| clone |
Naklonujte objekt prostředí. Vrátí novou instanci objektu prostředí s novým názvem. |
| from_conda_specification |
Vytvořte objekt prostředí ze souboru YAML specifikace prostředí. Pokud chcete získat soubor YAML se specifikací prostředí, přečtěte si téma Správa prostředí v uživatelské příručce conda. |
| from_docker_build_context |
Vytvořte objekt prostředí z kontextu sestavení Dockeru. |
| from_docker_image |
Vytvořte objekt prostředí ze základní image Dockeru s volitelnými závislostmi pythonu. Pokud zadáte conda_specification nebo pip_requirements, přidá se do prostředí vrstva Pythonu. conda_specification a pip_requirements se vzájemně vylučují. |
| from_dockerfile |
Vytvořte objekt prostředí ze souboru Dockerfile s volitelnými závislostmi pythonu. Pokud zadáte conda_specification nebo pip_requirements, přidá se do prostředí vrstva Pythonu. conda_specification a pip_requirements se vzájemně vylučují. |
| from_existing_conda_environment |
Vytvořte objekt prostředí vytvořený z místně existujícího prostředí Conda. Pokud chcete získat seznam existujících prostředí Conda, spusťte příkaz |
| from_pip_requirements |
Vytvořte objekt prostředí vytvořený ze souboru požadavků pip. Pokud není zadána pip_version , přidá se neodepnutá závislost pip. |
| get |
Vraťte objekt prostředí. Pokud je zadaný popisek, vrátí se objekt dříve označený hodnotou. Lze zadat pouze jeden z parametrů verze nebo popisku. Pokud dojde k vynechání obojího, vrátí se nejnovější verze objektu Environment. |
| get_image_details |
Vraťte podrobnosti o obrázku. |
| label |
Označte objekt prostředí v pracovním prostoru zadanými hodnotami. |
| list |
Vrátí slovník obsahující prostředí v pracovním prostoru. |
| load_from_directory |
Načtěte definici prostředí ze souborů v adresáři. |
| register |
Zaregistrujte objekt prostředí v pracovním prostoru. |
| save_to_directory |
Uložte definici prostředí do adresáře ve snadno upravitelném formátu. |
add_private_pip_wheel
Nahrajte soubor privátního kola pip na disk do objektu blob úložiště Azure připojeného k pracovnímu prostoru.
Vyvolá výjimku, pokud už v objektu blob úložiště pracovního prostoru existuje privátní kolo pip se stejným názvem.
static add_private_pip_wheel(workspace, file_path, exist_ok=False)Parametry
- workspace
- Workspace
Objekt pracovního prostoru, který se má použít k registraci privátního kola pip.
Návraty
Vrátí úplný identifikátor URI pro nahrané kolo pip ve službě Azure Blob Storage pro použití v závislostech conda.
Návratový typ
build
Vytvořte image Dockeru pro toto prostředí v cloudu.
build(workspace, image_build_compute=None)Parametry
- workspace
- Workspace
Pracovní prostor a jeho přidružené Azure Container Registry, kde je image uložená.
- image_build_compute
- str
Název výpočetního prostředí, ve kterém se bude sestavení image provádět
Návraty
Vrátí objekt podrobností o sestavení obrázku.
Návratový typ
build_local
Sestavte místní prostředí Dockeru nebo Conda.
build_local(workspace, platform=None, **kwargs)Parametry
- platform
- str
Platforma. Jeden z Linuxu, Windows nebo OSX. Ve výchozím nastavení se použije aktuální platforma.
Návraty
Streamuje průběžný výstup Dockeru nebo Conda sestavený do konzoly.
Návratový typ
Poznámky
Následující příklady ukazují, jak vytvořit místní prostředí. Ujistěte se, že je pracovní prostor instance jako platný objekt azureml.core.workspace.Workspace.
Vytvoření místního prostředí conda
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace)
Sestavení místního prostředí Dockeru
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True)
Sestavte image Dockeru místně a volitelně ji nasdílejte do registru kontejneru přidruženého k pracovnímu prostoru.
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True, pushImageToWorkspaceAcr=True)
clone
Naklonujte objekt prostředí.
Vrátí novou instanci objektu prostředí s novým názvem.
clone(new_name)Parametry
Návraty
Nový objekt prostředí
Návratový typ
from_conda_specification
Vytvořte objekt prostředí ze souboru YAML specifikace prostředí.
Pokud chcete získat soubor YAML se specifikací prostředí, přečtěte si téma Správa prostředí v uživatelské příručce conda.
static from_conda_specification(name, file_path)Parametry
Návraty
Objekt prostředí.
Návratový typ
from_docker_build_context
Vytvořte objekt prostředí z kontextu sestavení Dockeru.
static from_docker_build_context(name, docker_build_context)Parametry
Návraty
Objekt prostředí.
Návratový typ
from_docker_image
Vytvořte objekt prostředí ze základní image Dockeru s volitelnými závislostmi pythonu.
Pokud zadáte conda_specification nebo pip_requirements, přidá se do prostředí vrstva Pythonu. conda_specification a pip_requirements se vzájemně vylučují.
static from_docker_image(name, image, container_registry=None, conda_specification=None, pip_requirements=None)Parametry
- container_registry
- ContainerRegistry
podrobnosti o úložišti privátního kontejneru.
Návraty
Objekt prostředí.
Návratový typ
Poznámky
Pokud je základní image z privátního úložiště, které vyžaduje autorizaci, a autorizace není nastavená na úrovni pracovního prostoru AzureML, je container_registry povinné.
from_dockerfile
Vytvořte objekt prostředí ze souboru Dockerfile s volitelnými závislostmi pythonu.
Pokud zadáte conda_specification nebo pip_requirements, přidá se do prostředí vrstva Pythonu. conda_specification a pip_requirements se vzájemně vylučují.
static from_dockerfile(name, dockerfile, conda_specification=None, pip_requirements=None)Parametry
Návraty
Objekt prostředí.
Návratový typ
from_existing_conda_environment
Vytvořte objekt prostředí vytvořený z místně existujícího prostředí Conda.
Pokud chcete získat seznam existujících prostředí Conda, spusťte příkaz conda env list. Další informace najdete v tématu Správa prostředí v uživatelské příručce pro conda.
static from_existing_conda_environment(name, conda_environment_name)Parametry
Návraty
Objekt prostředí nebo None, pokud export souboru specifikace conda selže.
Návratový typ
from_pip_requirements
Vytvořte objekt prostředí vytvořený ze souboru požadavků pip.
Pokud není zadána pip_version , přidá se neodepnutá závislost pip.
static from_pip_requirements(name, file_path, pip_version=None)Parametry
Návraty
Objekt prostředí.
Návratový typ
get
Vraťte objekt prostředí.
Pokud je zadaný popisek, vrátí se objekt dříve označený hodnotou. Lze zadat pouze jeden z parametrů verze nebo popisku. Pokud dojde k vynechání obojího, vrátí se nejnovější verze objektu Environment.
static get(workspace, name, version=None, label=None)Parametry
Návraty
Objekt prostředí.
Návratový typ
get_image_details
Vraťte podrobnosti o obrázku.
get_image_details(workspace)Parametry
Návraty
Vrátí podrobnosti o obrázku jako dikt.
Návratový typ
label
Označte objekt prostředí v pracovním prostoru zadanými hodnotami.
static label(workspace, name, version, labels)Parametry
list
Vrátí slovník obsahující prostředí v pracovním prostoru.
static list(workspace)Parametry
Návraty
Slovník objektů prostředí.
Návratový typ
load_from_directory
Načtěte definici prostředí ze souborů v adresáři.
static load_from_directory(path)Parametry
register
Zaregistrujte objekt prostředí v pracovním prostoru.
register(workspace)Parametry
- name
- str
Návraty
Vrátí objekt prostředí.
Návratový typ
save_to_directory
Uložte definici prostředí do adresáře ve snadno upravitelném formátu.
save_to_directory(path, overwrite=False)Parametry
- overwrite
- bool
Pokud by měl být existující adresář přepsán. Výchozí hodnota false.
Atributy
environment_variables
K nastavení proměnných modulu runtime použijte objekt azureml.core.RunConfiguration.
Váš názor
Připravujeme: V průběhu roku 2024 budeme postupně vyřazovat problémy z GitHub coby mechanismus zpětné vazby pro obsah a nahrazovat ho novým systémem zpětné vazby. Další informace naleznete v tématu: https://aka.ms/ContentUserFeedback.
Odeslat a zobrazit názory pro