Exploración y uso de entornos mantenidos
Los entornos mantenidos son entornos precompilados para las cargas de trabajo de aprendizaje automático más comunes y están disponibles en el área de trabajo de forma predeterminada.
Los entornos mantenidos usan el prefijo AzureML- y están diseñados para proporcionar scripts que usan herramientas y marcos de aprendizaje automático populares.
Por ejemplo, hay entornos mantenidos para cuando desea ejecutar un script que entrena un modelo de regresión, agrupación en clústeres o clasificación con scikit-learn.
Para explorar un entorno mantenido, puede verlo en Estudio, mediante la CLI de Azure o con el SDK de Python.
El siguiente comando permite recuperar la descripción y las etiquetas de un entorno mantenido con el SDK de Python:
env = ml_client.environments.get("AzureML-sklearn-0.24-ubuntu18.04-py37-cpu", version=44)
print(env. description, env.tags)
Uso de un entorno mantenido
Normalmente, se usan entornos cuando se quiere ejecutar un script como un trabajo (de comando).
Para especificar qué entorno desea usar para ejecutar el script, haga referencia al entorno por su nombre y versión.
Por ejemplo, el siguiente código muestra cómo configurar un trabajo de comando con el SDK de Python, que usa un entorno mantenido, incluido scikit-learn:
from azure.ai.ml import command
# configure job
job = command(
code="./src",
command="python train.py",
environment="AzureML-sklearn-0.24-ubuntu18.04-py37-cpu@latest",
compute="aml-cluster",
display_name="train-with-curated-environment",
experiment_name="train-with-curated-environment"
)
# submit job
returned_job = ml_client.create_or_update(job)
Prueba y solución de problemas de un entorno mantenido
Dado que los entornos mantenidos permiten una implementación más rápida, se recomienda explorar primero si se puede usar uno de los entornos mantenidos ya creados para ejecutar el código.
Para comprobar si un entorno mantenido incluye todos los paquetes necesarios, revise sus detalles. A continuación, haga una prueba usando el entorno para ejecutar el script.
Si un entorno no incluye todos los paquetes necesarios para ejecutar el código, el trabajo da error.
Cuando un trabajo da error, puede revisar los registros de errores detallados en la pestaña Salidas y registros del trabajo en Estudio de Azure Machine Learning.
Un mensaje de error común que indica que el entorno está incompleto es: ModuleNotFoundError. El módulo que no se encuentra aparece en el mensaje de error. Al revisar el mensaje de error, puede actualizar el entorno para incluir las bibliotecas y asegurarse de que los paquetes necesarios están instalados en el destino de proceso antes de ejecutar el código.
Cuando necesite especificar otros paquetes necesarios, puede usar un entorno mantenido como referencia para sus propios entornos personalizados modificando los Dockerfiles que respaldan estos entornos mantenidos.