ComputeTarget Classe
Classe parente abstraite pour toutes les cibles de calcul managées par Azure Machine Learning.
Une cible de calcul est un environnement/une ressource de calcul où vous exécutez votre script d’entraînement ou hébergez votre déploiement de service. Cet emplacement peut être votre machine locale ou une ressource de calcul basée sur le cloud. Pour plus d’informations, consultez Qu’est-ce qu’une cible de calcul dans Azure Machine Learning ?
Constructeur ComputeTarget de classe.
Récupérez une représentation cloud d’un objet Compute associé à l’espace de travail fourni. Renvoie une instance d’une classe enfant correspondant au type spécifique de l’objet Compute récupéré.
- Héritage
-
ComputeTarget
Constructeur
ComputeTarget(workspace, name)
Paramètres
- workspace
- Workspace
Objet de l’espace de travail contenant l’objet de calcul à récupérer.
- workspace
- Workspace
Objet de l’espace de travail contenant l’objet de calcul à récupérer.
Remarques
Utilisez le constructeur ComputeTarget pour récupérer la représentation cloud d’un objet de calcul associé à l’espace de travail fourni. Il renvoie une instance d’une classe enfant correspondant au type spécifique de l’objet de calcul récupéré. Si l’objet de calcul est introuvable, une ComputeTargetException est levée.
Méthodes
attach |
Attachez un objet de calcul à un espace de travail à l’aide du nom et des informations de configuration spécifiés. |
create |
Approvisionnez un objet de calcul en spécifiant un type de calcul et une configuration associée. Cette méthode crée une nouvelle cible de calcul plutôt que d’en attacher une existante. |
delete |
Supprimez l’objet de calcul de l’espace de travail associé. Cette méthode abstraite est implémentée par les classes enfants de ComputeTarget. |
deserialize |
Convertissez un objet JSON en objet de calcul. |
detach |
Détachez l’objet de calcul de l’espace de travail associé. Cette méthode abstraite est implémentée par les classes enfants de ComputeTarget. Les objets cloud sous-jacents ne sont pas supprimés, seule leur association est supprimée. |
get_status |
Récupérez l’état d’approvisionnement actuel de l’objet de calcul. |
list |
Répertoriez tous les objets ComputeTarget de l’espace de travail. Renvoie une liste d’objets enfants instanciés correspondant au type spécifique d’objet de calcul. Les objets sont des enfants de ComputeTarget. |
refresh_state |
Effectuer une mise à jour sur place des propriétés de l’objet. Mettez à jour les propriétés en fonction de l’état actuel de l’objet cloud correspondant. Cela est utile pour l’interrogation manuelle de l’état de calcul. Cette méthode abstraite est implémentée par les classes enfants de ComputeTarget. |
serialize |
Convertissez cet objet de calcul en dictionnaire JSON sérialisé. |
wait_for_completion |
Attendez la fin de l’opération d’approvisionnement actuelle sur le cluster. Cette méthode retourne une ComputeTargetException si un problème survient lors de l’interrogation de l’objet de calcul. |
attach
Attachez un objet de calcul à un espace de travail à l’aide du nom et des informations de configuration spécifiés.
static attach(workspace, name, attach_configuration)
Paramètres
- attach_configuration
- ComputeTargetAttachConfiguration
Objet ComputeTargetAttachConfiguration utilisé pour déterminer le type d’objet de calcul à attacher et comment le configurer.
Retours
Instance d’un enfant de ComputeTarget correspondant au type d’objet attaché.
Type de retour
Exceptions
Remarques
Le type d’objet à transmettre au paramètre attach_configuration
est un objet ComputeTargetAttachConfiguration construit à l’aide de la fonction attach_configuration
sur l’une des classes enfants de ComputeTarget.
L’exemple suivant montre comment attacher un compte ADLA à un espace de travail à l’aide de la méthode attach_configuration d’AdlaCompute.
adla_compute_name = 'testadl' # Name to associate with new compute in workspace
# ADLA account details needed to attach as compute to workspace
adla_account_name = "<adla_account_name>" # Name of the Azure Data Lake Analytics account
adla_resource_group = "<adla_resource_group>" # Name of the resource group which contains this account
try:
# check if already attached
adla_compute = AdlaCompute(ws, adla_compute_name)
except ComputeTargetException:
print('attaching adla compute...')
attach_config = AdlaCompute.attach_configuration(resource_group=adla_resource_group, account_name=adla_account_name)
adla_compute = ComputeTarget.attach(ws, adla_compute_name, attach_config)
adla_compute.wait_for_completion()
print("Using ADLA compute:{}".format(adla_compute.cluster_resource_id))
print("Provisioning state:{}".format(adla_compute.provisioning_state))
print("Provisioning errors:{}".format(adla_compute.provisioning_errors))
Un exemple complet est disponible sur https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-use-adla-as-compute-target.ipynb
create
Approvisionnez un objet de calcul en spécifiant un type de calcul et une configuration associée.
Cette méthode crée une nouvelle cible de calcul plutôt que d’en attacher une existante.
static create(workspace, name, provisioning_configuration)
Paramètres
- provisioning_configuration
- ComputeTargetProvisioningConfiguration
Objet ComputeTargetAttachConfiguration utilisé pour déterminer le type d’objet de calcul à approvisionner et comment le configurer.
Retours
Instance d’un enfant de ComputeTarget correspondant au type d’objet approvisionné.
Type de retour
Exceptions
Remarques
Le type d’objet approvisionné est déterminé par la configuration de l’approvisionnement fournie.
Dans l’exemple suivant, une cible de calcul persistante approvisionnée par AmlCompute est créée. Dans cet exemple, le paramètre provisioning_configuration
est de type AmlComputeProvisioningConfiguration.
from azureml.core.compute import ComputeTarget, AmlCompute
from azureml.core.compute_target import ComputeTargetException
# Choose a name for your CPU cluster
cpu_cluster_name = "cpu-cluster"
# Verify that cluster does not exist already
try:
cpu_cluster = ComputeTarget(workspace=ws, name=cpu_cluster_name)
print('Found existing cluster, use it.')
except ComputeTargetException:
compute_config = AmlCompute.provisioning_configuration(vm_size='STANDARD_D2_V2',
max_nodes=4)
cpu_cluster = ComputeTarget.create(ws, cpu_cluster_name, compute_config)
cpu_cluster.wait_for_completion(show_output=True)
Un exemple complet est disponible sur https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/training/train-on-amlcompute/train-on-amlcompute.ipynb
delete
Supprimez l’objet de calcul de l’espace de travail associé.
Cette méthode abstraite est implémentée par les classes enfants de ComputeTarget.
abstract delete()
Exceptions
Remarques
Si cet objet a été créé via Azure Machine Learning, les objets cloud correspondants seront également supprimés. Si cet objet a été créé en externe et attaché uniquement à l’espace de travail, cette méthode déclenche une exception et aucune modification n’est apportée.
deserialize
Convertissez un objet JSON en objet de calcul.
abstract static deserialize(workspace, object_dict)
Paramètres
Retours
Représentation Compute de l’objet JSON fourni.
Type de retour
Exceptions
Remarques
Lève une ComputeTargetException si l’espace de travail fourni n’est pas l’espace de travail associé au calcul.
detach
Détachez l’objet de calcul de l’espace de travail associé.
Cette méthode abstraite est implémentée par les classes enfants de ComputeTarget. Les objets cloud sous-jacents ne sont pas supprimés, seule leur association est supprimée.
abstract detach()
Exceptions
get_status
Récupérez l’état d’approvisionnement actuel de l’objet de calcul.
get_status()
Retours
provisioning_state
actuel.
Type de retour
Exceptions
Remarques
Les valeurs renvoyées sont répertoriées dans la référence de l’API REST Azure pour ProvisioningState.
list
Répertoriez tous les objets ComputeTarget de l’espace de travail.
Renvoie une liste d’objets enfants instanciés correspondant au type spécifique d’objet de calcul. Les objets sont des enfants de ComputeTarget.
static list(workspace)
Paramètres
Retours
Liste des cibles de calcul dans l’espace de travail.
Type de retour
Exceptions
refresh_state
Effectuer une mise à jour sur place des propriétés de l’objet.
Mettez à jour les propriétés en fonction de l’état actuel de l’objet cloud correspondant. Cela est utile pour l’interrogation manuelle de l’état de calcul.
Cette méthode abstraite est implémentée par les classes enfants de ComputeTarget.
abstract refresh_state()
Exceptions
serialize
Convertissez cet objet de calcul en dictionnaire JSON sérialisé.
abstract serialize()
Retours
Représentation JSON de cet objet de calcul.
Type de retour
Exceptions
wait_for_completion
Attendez la fin de l’opération d’approvisionnement actuelle sur le cluster.
Cette méthode retourne une ComputeTargetException si un problème survient lors de l’interrogation de l’objet de calcul.
wait_for_completion(show_output=False, is_delete_operation=False)
Paramètres
- show_output
- bool
Indique s’il nécessaire de fournir une sortie plus détaillée.
- is_delete_operation
- bool
Indique si l’opération est destinée à être supprimée.
Exceptions
Commentaires
https://aka.ms/ContentUserFeedback.
Bientôt disponible : Tout au long de 2024, nous allons supprimer progressivement GitHub Issues comme mécanisme de commentaires pour le contenu et le remplacer par un nouveau système de commentaires. Pour plus d’informations, consultezEnvoyer et afficher des commentaires pour