ContainerImage Klasse
Stellt ein Containerimage dar (derzeit nur für Docker-Images).
Diese Klasse ist VERALTET. Verwenden Sie stattdessen die Environment-Klasse.
Das Image enthält die notwendigen Abhängigkeiten zum Ausführen des Modells:
Die Runtime
In einer Conda-Datei angegebene Python-Umgebungsdefinitionen
Möglichkeit zum Aktivieren der GPU-Unterstützung
Benutzerdefinierte Docker-Datei für spezifische Ausführungsbefehle
Bildkonstruktor.
Diese Klasse ist VERALTET. Verwenden Sie stattdessen die Environment-Klasse.
Der Bildkonstruktor wird verwendet, um eine Clouddarstellung eines Image-Objekts abzurufen, das dem bereitgestellten Arbeitsbereich zugeordnet ist. Gibt einen instance einer untergeordneten Klasse zurück, die dem spezifischen Typ des abgerufenen Image-Objekts entspricht.
- Vererbung
-
ContainerImage
Konstruktor
ContainerImage(workspace, name=None, id=None, tags=None, properties=None, version=None)
Parameter
- name
- str
Der Name des abzurufenden Images. Gibt die neueste Version zurück, sofern vorhanden
- tags
- list
Filtert Imageergebnisse basierend auf der bereitgestellten Liste, entweder nach „Schlüssel“ oder nach „[Schlüssel, Wert]“. Ex. ['Schlüssel', ['Schlüssel2', 'Wert von Schlüssel2']]
- properties
- list
Filtert Imageergebnisse basierend auf der bereitgestellten Liste, entweder nach „Schlüssel“ oder nach „[Schlüssel, Wert]“. Ex. ['Schlüssel', ['Schlüssel2', 'Wert von Schlüssel2']]
- version
- str
Wenn sowohl die Version als auch der Name angegeben sind, wird die spezifische Version des Images zurückgegeben.
Hinweise
Ein ContainerImage-Objekt wird mithilfe des Image-Klassenkonstruktors abgerufen, indem der Name oder die ID eines zuvor erstellten ContainerImage-Objekts übergeben wird. Das folgende Codebeispiel zeigt einen Imageabruf aus einem Arbeitsbereich anhand des Namens und der ID:
container_image_from_name = Image(workspace, name="image-name")
container_image_from_id = Image(workspace, id="image-id")
Um eine neue Imagekonfiguration zu erstellen, die in einer Bereitstellung verwendet werden soll, erstellen Sie ein ContainerImageConfig-Objekt, wie im folgenden Codebeispiel gezeigt:
from azureml.core.image import ContainerImage
image_config = ContainerImage.image_configuration(execution_script="score.py",
runtime="python",
conda_file="myenv.yml",
description="image for model",
cuda_version="9.0"
)
Methoden
image_configuration |
Erstellen und Zurückgeben eines ContainerImageConfig-Objekts. Diese Funktion akzeptiert Parameter, um zu definieren, wie Ihr Modell im Webdienst ausgeführt werden soll, sowie die spezifische Umgebung und die Abhängigkeiten, die für die Ausführung benötigt werden. |
run |
Lokales Ausführen des Images mit den angegebenen Eingabedaten. Docker muss installiert sein und ausgeführt werden. Diese Methode funktioniert nur mit CPU, da das Image mit GPU-Unterstützung nur in Microsoft Azure Services ausgeführt werden kann. |
serialize |
Konvertieren dieses ContainerImage-Objekts in ein serialisiertes JSON-Wörterbuch. |
image_configuration
Erstellen und Zurückgeben eines ContainerImageConfig-Objekts.
Diese Funktion akzeptiert Parameter, um zu definieren, wie Ihr Modell im Webdienst ausgeführt werden soll, sowie die spezifische Umgebung und die Abhängigkeiten, die für die Ausführung benötigt werden.
static image_configuration(execution_script, runtime, conda_file=None, docker_file=None, schema_file=None, dependencies=None, enable_gpu=None, tags=None, properties=None, description=None, base_image=None, base_image_registry=None, cuda_version=None)
Parameter
- execution_script
- str
Pfad zur lokalen Python-Datei mit dem Code, der für das Image ausgeführt werden soll. Muss sowohl die Funktion „init()“ als auch die Funktion „run(input_data)“ enthalten, die die Modellausführungsschritte für den Webdienst definieren.
- runtime
- str
Die für das Image zu verwendende Runtime. Aktuelle unterstützte Runtimes sind „spark-py“ und „python“.
- conda_file
- str
Pfad zur lokalen YML-Datei, die eine für das Image zu verwendende Conda-Umgebungsdefinition enthält.
- docker_file
- str
Pfad zu der lokalen Datei mit zusätzlichen Docker-Schritten, die bei der Einrichtung des Images ausgeführt werden sollen.
- schema_file
- str
Pfad zu der lokalen Datei, die ein Webdienstschema enthält, das bei der Imagebereitstellung verwendet werden soll. Dient zum Generieren von Swagger-Spezifikationen für eine Modellimplementierung.
Liste der Pfade zu zusätzlichen Dateien/Ordnern, die vom Image ausgeführt werden müssen.
- enable_gpu
- bool
Gibt an, ob die GPU-Unterstützung im Image aktiviert werden soll. Das GPU-Image muss in Microsoft Azure-Diensten wie Azure Container Instances, Azure Machine Learning Compute, Azure Virtual Machines und Azure Kubernetes Service verwendet werden. Der Standardwert ist „FALSE“.
Wörterbuch mit Schlüsselwerteigenschaften für dieses Image. Diese Eigenschaften können nach der Bereitstellung nicht mehr geändert werden. Es können jedoch neue Schlüssel-Wert-Paare hinzugefügt werden.
- base_image
- str
Ein benutzerdefiniertes Image, das als Basisimage verwendet werden soll. Wenn kein Basisimage angegeben wird, wird das Basisimage basierend auf dem angegebenen Runtimeparameter verwendet.
- base_image_registry
- ContainerRegistry
Imageregistrierung, die das Basisimage enthält.
- cuda_version
- str
CUDA-Version, die für Images installiert wird, die GPU-Unterstützung benötigen. Das GPU-Image muss in Microsoft Azure-Diensten wie Azure Container Instances, Azure Machine Learning Compute, Azure Virtual Machines und Azure Kubernetes Service verwendet werden. Unterstützt werden die Versionen 9.0, 9.1 und 10.0. Wenn „enable_gpu“ festgelegt ist, wird standardmäßig „9.1“ verwendet.
Gibt zurück
Ein Konfigurationsobjekt, das beim Erstellen des Images verwendet werden soll.
Rückgabetyp
Ausnahmen
run
Lokales Ausführen des Images mit den angegebenen Eingabedaten.
Docker muss installiert sein und ausgeführt werden. Diese Methode funktioniert nur mit CPU, da das Image mit GPU-Unterstützung nur in Microsoft Azure Services ausgeführt werden kann.
run(input_data)
Parameter
- input_data
- <xref:varies>
Die Eingabedaten, die bei der Ausführung an das Image übergeben werden sollen.
Gibt zurück
Die Ergebnisse der Imageausführung.
Rückgabetyp
Ausnahmen
serialize
Konvertieren dieses ContainerImage-Objekts in ein serialisiertes JSON-Wörterbuch.
serialize()
Gibt zurück
Die JSON-Darstellung dieses ContainerImage-Objekts.
Rückgabetyp
Ausnahmen
Feedback
https://aka.ms/ContentUserFeedback.
Bald verfügbar: Im Laufe des Jahres 2024 werden wir GitHub-Issues stufenweise als Feedbackmechanismus für Inhalte abbauen und durch ein neues Feedbacksystem ersetzen. Weitere Informationen finden Sie unterFeedback senden und anzeigen für