Partager via

Environment Classe

Configure un environnement Python reproductible pour les expériences machine learning.

Un environnement définit les packages Python, les variables d’environnement et les paramètres Docker utilisés dans les expériences de Machine Learning, notamment dans la préparation des données, l’entraînement et le déploiement sur un service web. Un environnement est géré et versionné dans Azure Machine Learning Workspace. Vous pouvez mettre à jour un environnement existant et récupérer une version à réutiliser. Les environnements sont exclusifs à l’espace de travail dans lequel ils sont créés et ne peuvent pas être utilisés dans différents espaces de travail.

Pour plus d’informations sur les environnements, consultez Créer et gérer des environnements réutilisables.

Constructeur d’environnement de classe.

Constructeur

Environment(name, **kwargs)

Paramètres

Nom Description
name
Obligatoire
string

Nom de l’environnement.

Remarque

Ne démarrez pas votre nom d’environnement avec « Microsoft » ou « AzureML ». Les préfixes « Microsoft » et « AzureML » sont réservés aux environnements organisés. Pour plus d’informations sur les environnements organisés, consultez Créer et gérer des environnements réutilisables.

Remarques

Azure Machine Learning fournit des environnements organisés, qui sont des environnements prédéfinis qui offrent de bons points de départ pour la création de vos propres environnements. Les environnements organisés sont soutenus par des images Docker mises en cache, ce qui offre un coût de préparation d’exécution réduit. Pour plus d’informations sur les environnements organisés, consultez Créer et gérer des environnements réutilisables.

Il existe plusieurs façons de créer un environnement dans Azure Machine Learning, notamment lorsque vous :

L’exemple suivant montre comment instancier un nouvel environnement.


   from azureml.core import Environment
   myenv = Environment(name="myenv")

Vous pouvez gérer un environnement en l’inscrivant. Cela vous permet de suivre les versions de l’environnement et de les réutiliser dans les prochaines exécutions.


   myenv.register(workspace=ws)

Pour plus d’exemples d’utilisation d’environnements, consultez jupyter Notebook Using environment.

Variables

Nom Description
Environment.databricks

La section configure les dépendances de bibliothèque azureml.core.databricks.DatabricksSection.
docker
DockerSection

Cette section configure les paramètres liés à l’image Docker finale générée aux spécifications de l’environnement et indique s’il faut utiliser des conteneurs Docker pour générer l’environnement.
inferencing_stack_version
string

Cette section spécifie la version de la pile d’inférence ajoutée à l’image. Pour éviter d’ajouter une pile d’inférence, ne définissez pas cette valeur. Valeur valide : « latest ».
python
PythonSection

Cette section spécifie l’environnement et l’interpréteur Python à utiliser sur le calcul cible.
spark
SparkSection

La section configure les paramètres Spark. Elle est utilisée uniquement lorsque l’infrastructure est définie sur PySpark.
r
RSection

Cette section spécifie l’environnement R à utiliser sur le calcul cible.
version
string

Version de l’environnement.
asset_id
string

ID de ressource. Remplit lorsqu’un environnement est inscrit.

Méthodes

add_private_pip_wheel

Chargez le fichier pip wheel privé sur le disque dans l’objet blob de stockage Azure attaché à l’espace de travail.

Lève une exception si une roue pip privée portant le même nom existe déjà dans l’objet blob de stockage de l’espace de travail.
build

Générez une image Docker pour cet environnement dans le cloud.
build_local

Générez l’environnement Docker ou conda local.
clone

Clonez l’objet d’environnement.

Retourne une nouvelle instance d’objet d’environnement avec un nouveau nom.
from_conda_specification

Créez un objet d’environnement à partir d’un fichier YAML de spécification d’environnement.

Pour obtenir un fichier YAML de spécification d’environnement, consultez Gestion des environnements dans le guide de l’utilisateur conda.
from_docker_build_context

Créez un objet d’environnement à partir d’un contexte de build Docker.
from_docker_image

Créez un objet d’environnement à partir d’une image Docker de base avec des dépendances Python facultatives.

La couche Python est ajoutée à l’environnement si conda_specification ou pip_requirements est spécifié. conda_specification et pip_requirements s’excluent mutuellement.
from_dockerfile

Créez un objet d’environnement à partir d’un fichier Dockerfile avec des dépendances Python facultatives.

La couche Python est ajoutée à l’environnement si conda_specification ou pip_requirements est spécifié. conda_specification et pip_requirements s’excluent mutuellement.
from_existing_conda_environment

Créez un objet d’environnement créé à partir d’un environnement conda existant localement.

Pour obtenir la liste des environnements conda existants, exécutez conda env list. Pour plus d’informations, consultez Gestion des environnements dans le guide de l’utilisateur conda.
from_pip_requirements

Créez un objet d’environnement créé à partir d’un fichier de configuration requise pip.

La dépendance pip non épinglé est ajoutée si pip_version n’est pas spécifié.
get

Retourne l’objet d’environnement.

Si l’étiquette est spécifiée, l’objet précédemment étiqueté avec la valeur est retourné. Un seul des paramètres de version ou d’étiquette peut être spécifié. Si les deux sont manqués, la dernière version de l’objet Environment est retournée.
get_image_details

Retourne les détails de l’image.
label

Objet d’environnement d’étiquette dans votre espace de travail avec les valeurs spécifiées.
list

Retourne un dictionnaire contenant des environnements dans l’espace de travail.
load_from_directory

Chargez une définition d’environnement à partir des fichiers d’un répertoire.
register

Inscrivez l’objet d’environnement dans votre espace de travail.
save_to_directory

Enregistrez une définition d’environnement dans un répertoire dans un format facilement modifiable.

add_private_pip_wheel

Chargez le fichier pip wheel privé sur le disque dans l’objet blob de stockage Azure attaché à l’espace de travail.

Lève une exception si une roue pip privée portant le même nom existe déjà dans l’objet blob de stockage de l’espace de travail.

static add_private_pip_wheel(workspace, file_path, exist_ok=False)

Paramètres

Nom Description
workspace
Obligatoire
Workspace

Objet d’espace de travail à utiliser pour inscrire la roulette pip privée.
file_path
Obligatoire
str

Chemin d’accès à la roue pip locale sur le disque, y compris l’extension de fichier.
exist_ok
bool

Indique s’il faut lever une exception si la roue existe déjà.

Valeur par défaut: False

Retours

Type Description
str

Retourne l’URI complet à la roulette pip chargée sur le stockage d’objets blob Azure à utiliser dans les dépendances conda.

build

Générez une image Docker pour cet environnement dans le cloud.

build(workspace, image_build_compute=None)

Paramètres

Nom Description
workspace
Obligatoire
Workspace

L’espace de travail et son Azure Container Registry associé où l’image est stockée.
image_build_compute
str

Nom de calcul où la build d’image aura lieu

Valeur par défaut: None

Retours

Type Description
ImageBuildDetails

Retourne l’objet détails de build de l’image.

build_local

Générez l’environnement Docker ou conda local.

build_local(workspace, platform=None, **kwargs)

Paramètres

Nom Description
workspace
Obligatoire
Workspace

Espace de travail.
platform
str

Plateforme. Un des systèmes Linux, Windows ou OSX. La plateforme actuelle sera utilisée par défaut.

Valeur par défaut: None
kwargs
Obligatoire
dict

Arguments de mot clé avancés

Retours

Type Description
str

Diffuse en continu la sortie intégrée de Docker ou conda vers la console.

Remarques

Les exemples suivants montrent comment créer un environnement local. Vérifiez que l’espace de travail est instancié en tant qu’objet azureml.core.workspace.Workspace valide

Générer un environnement conda local


   from azureml.core import Environment
   myenv = Environment(name="myenv")
   registered_env = myenv.register(workspace)
   registered_env.build_local(workspace)

Créer un environnement Docker local


   from azureml.core import Environment
   myenv = Environment(name="myenv")
   registered_env = myenv.register(workspace)
   registered_env.build_local(workspace, useDocker=True)

Générer une image Docker localement et éventuellement l’envoyer (push) au registre de conteneurs associé à l’espace de travail


   from azureml.core import Environment
   myenv = Environment(name="myenv")
   registered_env = myenv.register(workspace)
   registered_env.build_local(workspace, useDocker=True, pushImageToWorkspaceAcr=True)

clone

Clonez l’objet d’environnement.

Retourne une nouvelle instance d’objet d’environnement avec un nouveau nom.

clone(new_name)

Paramètres

Nom Description
new_name
Obligatoire
str

Nouveau nom d’environnement

Retours

Type Description
Environment

Nouvel objet d’environnement

from_conda_specification

Créez un objet d’environnement à partir d’un fichier YAML de spécification d’environnement.

Pour obtenir un fichier YAML de spécification d’environnement, consultez Gestion des environnements dans le guide de l’utilisateur conda.

static from_conda_specification(name, file_path)

Paramètres

Nom Description
name
Obligatoire
str

Nom de l’environnement.
file_path
Obligatoire
str

Chemin du fichier YAML de la spécification de l’environnement conda.

Retours

Type Description
Environment

Objet d’environnement.

from_docker_build_context

Créez un objet d’environnement à partir d’un contexte de build Docker.

static from_docker_build_context(name, docker_build_context)

Paramètres

Nom Description
name
Obligatoire
str

Nom de l’environnement.
docker_build_context
Obligatoire
DockerBuildContext

Objet DockerBuildContext.

Retours

Type Description
Environment

Objet d’environnement.

from_docker_image

Créez un objet d’environnement à partir d’une image Docker de base avec des dépendances Python facultatives.

La couche Python est ajoutée à l’environnement si conda_specification ou pip_requirements est spécifié. conda_specification et pip_requirements s’excluent mutuellement.

static from_docker_image(name, image, container_registry=None, conda_specification=None, pip_requirements=None)

Paramètres

Nom Description
name
Obligatoire
str

Nom de l’environnement.
image
Obligatoire
str

nom complet de l’image.
conda_specification
str

fichier de spécification conda.

Valeur par défaut: None
container_registry
ContainerRegistry

détails du référentiel de conteneurs privé.

Valeur par défaut: None
pip_requirements
str

fichier de configuration requise pip.

Valeur par défaut: None

Retours

Type Description
Environment

Objet d’environnement.

Remarques

Si l’image de base provient d’un référentiel privé qui nécessite une autorisation et que l’autorisation n’est pas définie au niveau de l’espace de travail AzureML, container_registry est requise

from_dockerfile

Créez un objet d’environnement à partir d’un fichier Dockerfile avec des dépendances Python facultatives.

La couche Python est ajoutée à l’environnement si conda_specification ou pip_requirements est spécifié. conda_specification et pip_requirements s’excluent mutuellement.

static from_dockerfile(name, dockerfile, conda_specification=None, pip_requirements=None)

Paramètres

Nom Description
name
Obligatoire
str

Nom de l’environnement.
dockerfile
Obligatoire
str

Contenu dockerfile ou chemin d’accès au fichier.
conda_specification
str

fichier de spécification conda.

Valeur par défaut: None
pip_requirements
str

fichier de configuration requise pip.

Valeur par défaut: None

Retours

Type Description
Environment

Objet d’environnement.

from_existing_conda_environment

Créez un objet d’environnement créé à partir d’un environnement conda existant localement.

Pour obtenir la liste des environnements conda existants, exécutez conda env list. Pour plus d’informations, consultez Gestion des environnements dans le guide de l’utilisateur conda.

static from_existing_conda_environment(name, conda_environment_name)

Paramètres

Nom Description
name
Obligatoire
str

Nom de l’environnement.
conda_environment_name
Obligatoire
str

Nom d’un environnement conda existant localement.

Retours

Type Description
Environment

L’objet d’environnement ou None si l’exportation du fichier de spécification conda échoue.

from_pip_requirements

Créez un objet d’environnement créé à partir d’un fichier de configuration requise pip.

La dépendance pip non épinglé est ajoutée si pip_version n’est pas spécifié.

static from_pip_requirements(name, file_path, pip_version=None)

Paramètres

Nom Description
name
Obligatoire
str

Nom de l’environnement.
file_path
Obligatoire
str

Chemin du fichier de configuration requise pip.
pip_version
str

Version pip pour l’environnement conda.

Valeur par défaut: None

Retours

Type Description
Environment

Objet d’environnement.

get

Retourne l’objet d’environnement.

Si l’étiquette est spécifiée, l’objet précédemment étiqueté avec la valeur est retourné. Un seul des paramètres de version ou d’étiquette peut être spécifié. Si les deux sont manqués, la dernière version de l’objet Environment est retournée.

static get(workspace, name, version=None, label=None)

Paramètres

Nom Description
workspace
Obligatoire
Workspace

Espace de travail qui contient l’environnement.
name
Obligatoire
str

Nom de l’environnement à retourner.
version
str

Version de l’environnement à retourner.

Valeur par défaut: None
label
str

Valeur de l’étiquette d’environnement.

Valeur par défaut: None

Retours

Type Description
Environment

Objet d’environnement.

get_image_details

Retourne les détails de l’image.

get_image_details(workspace)

Paramètres

Nom Description
workspace
Obligatoire
Workspace

Espace de travail.

Retours

Type Description
DockerImageDetails

Retourne les détails de l’image sous forme de dictée

label

Objet d’environnement d’étiquette dans votre espace de travail avec les valeurs spécifiées.

static label(workspace, name, version, labels)

Paramètres

Nom Description
workspace
Obligatoire
Workspace

Espace de travail
name
Obligatoire
str

Nom de l’environnement
version
Obligatoire
str

Version de l’environnement
labels
Obligatoire
list[str]

Valeurs pour étiqueter l’environnement avec

list

Retourne un dictionnaire contenant des environnements dans l’espace de travail.

static list(workspace)

Paramètres

Nom Description
workspace
Obligatoire
Workspace

Espace de travail à partir duquel répertorier les environnements.

Retours

Type Description
<xref:builtin.dict>[str, Environment]

Dictionnaire d’objets d’environnement.

load_from_directory

Chargez une définition d’environnement à partir des fichiers d’un répertoire.

static load_from_directory(path)

Paramètres

Nom Description
path
Obligatoire
str

Chemin d’accès au répertoire source.

register

Inscrivez l’objet d’environnement dans votre espace de travail.

register(workspace)

Paramètres

Nom Description
workspace
Obligatoire
Workspace

Espace de travail
name
Obligatoire
str

Retours

Type Description
Environment

Retourne l’objet d’environnement

save_to_directory

Enregistrez une définition d’environnement dans un répertoire dans un format facilement modifiable.

save_to_directory(path, overwrite=False)

Paramètres

Nom Description
path
Obligatoire
str

Chemin d’accès au répertoire de destination.
overwrite
bool

Si un répertoire existant doit être remplacé. La valeur par défaut est false.

Valeur par défaut: False

Attributs

environment_variables

Utilisez l’objet azureml.core.RunConfiguration pour définir des variables d’exécution.