Environment Osztály
Reprodukálható Python-környezetet konfigurál gépi tanulási kísérletekhez.
A környezet határozza meg a gépi tanulási kísérletekben használt Python-csomagokat, környezeti változókat és Docker-beállításokat, beleértve az adatok előkészítését, a betanítást és a webszolgáltatásban való üzembe helyezést. A környezetek felügyeltek és verziószámozottak az Azure Machine Learningben Workspace. Frissíthet egy meglévő környezetet, és újból lekérheti a verziót. A környezetek kizárólag arra a munkaterületre tartoznak, amelyben létrehozták őket, és nem használhatók a különböző munkaterületeken.
További információ a környezetekről: Újrafelhasználható környezetek létrehozása és kezelése.
Osztály környezeti konstruktor.
- Öröklődés
-
azureml._base_sdk_common.abstract_run_config_element._AbstractRunConfigElementEnvironment
Konstruktor
Environment(name, **kwargs)
Paraméterek
- name
- string
A környezet neve.
Megjegyzés
Ne indítsa el a környezet nevét a "Microsoft" vagy az "AzureML" használatával. A "Microsoft" és az "AzureML" előtagok válogatott környezetekhez vannak fenntartva. További információ a válogatott környezetekről: Újrafelhasználható környezetek létrehozása és kezelése.
Megjegyzések
Az Azure Machine Learning válogatott környezeteket biztosít, amelyek előre definiált környezetek, amelyek jó kiindulási pontokat kínálnak a saját környezetek felépítéséhez. A válogatott környezeteket gyorsítótárazott Docker-rendszerképek biztosítják, így alacsonyabb futtatási előkészítési költség érhető el. További információ a válogatott környezetekről: Újrafelhasználható környezetek létrehozása és kezelése.
A környezet számos módon hozható létre az Azure Machine Learningben, többek között az alábbi esetekben:
Inicializáljon egy új Környezeti objektumot.
Használja a Környezeti osztály egyik metódusát: from_conda_specification, from_pip_requirementsvagy from_existing_conda_environment.
submit A Kísérlet osztály metódusával környezet megadása nélkül küldhet el egy kísérletfuttatást, beleértve egy Estimator objektumot is.
Az alábbi példa bemutatja, hogyan hozható létre új környezet.
from azureml.core import Environment
myenv = Environment(name="myenv")
A környezetek a regisztrációval kezelhetők. Ezzel nyomon követheti a környezet verzióit, és újra felhasználhatja őket a későbbi futtatások során.
myenv.register(workspace=ws)
A környezetekkel való munkáról további példákat a Jupyter Notebook Környezetek használata című témakörben talál.
Változók
- Environment.databricks
A szakasz az azureml.core.databricks.DatabricksSection kódtár függőségeit konfigurálja.
- docker
- DockerSection
Ez a szakasz a környezet specifikációinak megfelelő végső Docker-rendszerképhez kapcsolódó beállításokat konfigurálja, valamint azt, hogy Docker-tárolók használatával hozza-e létre a környezetet.
- inferencing_stack_version
- string
Ez a szakasz a lemezképhez hozzáadott következtetési veremverziót határozza meg. A következtetési verem hozzáadásának elkerülése érdekében ne állítsa be ezt az értéket. Érvényes érték: "latest".
- python
- PythonSection
Ez a szakasz határozza meg, hogy melyik Python-környezetet és -értelmezőt használja a célszámításhoz.
- spark
- SparkSection
A szakasz a Spark beállításait konfigurálja. Csak akkor használatos, ha a keretrendszer PySparkra van állítva.
- r
- RSection
Ez a szakasz határozza meg, hogy melyik R-környezetet használja a célszámításhoz.
- version
- string
A környezet verziója.
- asset_id
- string
Eszközazonosító. Feltölti, ha egy környezet regisztrálva van.
Metódusok
add_private_pip_wheel |
Töltse fel a lemezen található privát pip kerékfájlt a munkaterülethez csatolt Azure Storage-blobba. Kivételt jelez, ha már létezik egy azonos nevű privát pipkerék a munkaterület tárolóblobjában. |
build |
Hozzon létre egy Docker-rendszerképet ehhez a környezethez a felhőben. |
build_local |
Hozza létre a helyi Docker- vagy Conda-környezetet. |
clone |
Klónozza a környezeti objektumot. Egy új nevű környezeti objektumpéldányt ad vissza. |
from_conda_specification |
Hozzon létre környezeti objektumot egy környezeti specifikációs YAML-fájlból. A környezet specifikációs YAML-fájljának beszerzéséhez lásd: Környezetek kezelése a Conda felhasználói útmutatójában. |
from_docker_build_context |
Hozzon létre környezeti objektumot egy Docker buildkörnyezetből. |
from_docker_image |
Hozzon létre környezeti objektumot egy alap docker-rendszerképből, választható Python-függőségekkel. A Python-réteg akkor lesz hozzáadva a környezethez, ha conda_specification vagy pip_requirements van megadva. conda_specification és pip_requirements kölcsönösen kizárják egymást. |
from_dockerfile |
Hozzon létre környezeti objektumot egy Dockerfile-ból, választható Python-függőségekkel. A Python-réteg akkor lesz hozzáadva a környezethez, ha conda_specification vagy pip_requirements van megadva. conda_specification és pip_requirements kölcsönösen kizárják egymást. |
from_existing_conda_environment |
Hozzon létre egy helyileg meglévő Conda-környezetből létrehozott környezeti objektumot. A meglévő Conda-környezetek listájának lekéréséhez futtassa a parancsot |
from_pip_requirements |
Hozzon létre egy pipkövetelmény-fájlból létrehozott környezeti objektumot. A rendszer hozzáadja a nem rögzített pip-függőséget, ha nincs megadva pip_version . |
get |
Adja vissza a környezeti objektumot. Ha a címke meg van adva, a rendszer visszaadja a korábban az értékkel címkézett objektumot. Csak egy verzió- vagy címkeparaméter adható meg. Ha mindkettő hiányzik, a rendszer a Környezeti objektum legújabb verzióját adja vissza. |
get_image_details |
Adja vissza a Kép részleteit. |
label |
A munkaterületen lévő környezeti objektum címkézése a megadott értékekkel. |
list |
A munkaterület környezeteit tartalmazó szótárat ad vissza. |
load_from_directory |
Töltse be a környezetdefiníciót egy könyvtárban lévő fájlokból. |
register |
Regisztrálja a környezeti objektumot a munkaterületen. |
save_to_directory |
Egyszerűen szerkeszthető formátumban menthet egy környezetdefiníciót egy könyvtárba. |
add_private_pip_wheel
Töltse fel a lemezen található privát pip kerékfájlt a munkaterülethez csatolt Azure Storage-blobba.
Kivételt jelez, ha már létezik egy azonos nevű privát pipkerék a munkaterület tárolóblobjában.
static add_private_pip_wheel(workspace, file_path, exist_ok=False)
Paraméterek
- file_path
- str
A lemezen található helyi pip kerék elérési útja, beleértve a fájlkiterjesztést is.
- exist_ok
- bool
Azt jelzi, hogy a rendszer kivételt jelez-e, ha a kerék már létezik.
Válaszok
Visszaadja a teljes URI-t az Azure Blob Storage-beli feltöltött pipkeréknek a conda-függőségekben való használathoz.
Visszatérési típus
build
Hozzon létre egy Docker-rendszerképet ehhez a környezethez a felhőben.
build(workspace, image_build_compute=None)
Paraméterek
- workspace
- Workspace
A munkaterület és a hozzá tartozó Azure Container Registry, ahol a rendszerképet tárolja.
- image_build_compute
- str
Annak a számítási névnek a neve, ahol a rendszerkép összeállítása megtörténik
Válaszok
A kép buildelési részleteinek objektumát adja vissza.
Visszatérési típus
build_local
Hozza létre a helyi Docker- vagy Conda-környezetet.
build_local(workspace, platform=None, **kwargs)
Paraméterek
- platform
- str
Platform. Az egyik Linux, Windows vagy OSX. A rendszer alapértelmezés szerint az aktuális platformot használja.
Válaszok
Streameli a folyamatban lévő Docker- vagy conda-kimenetet a konzolra.
Visszatérési típus
Megjegyzések
Az alábbi példák bemutatják, hogyan hozhat létre helyi környezetet. Győződjön meg arról, hogy a munkaterület példányosítva van érvényes azureml.core.workspace.Workspace objektumként
Helyi Conda-környezet létrehozása
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace)
Helyi Docker-környezet létrehozása
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True)
Docker-rendszerkép helyi létrehozása, és igény szerint leküldés a munkaterülethez társított tárolóregisztrációs adatbázisba
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True, pushImageToWorkspaceAcr=True)
clone
Klónozza a környezeti objektumot.
Egy új nevű környezeti objektumpéldányt ad vissza.
clone(new_name)
Paraméterek
Válaszok
Új környezeti objektum
Visszatérési típus
from_conda_specification
Hozzon létre környezeti objektumot egy környezeti specifikációs YAML-fájlból.
A környezet specifikációs YAML-fájljának beszerzéséhez lásd: Környezetek kezelése a Conda felhasználói útmutatójában.
static from_conda_specification(name, file_path)
Paraméterek
Válaszok
A környezeti objektum.
Visszatérési típus
from_docker_build_context
Hozzon létre környezeti objektumot egy Docker buildkörnyezetből.
static from_docker_build_context(name, docker_build_context)
Paraméterek
Válaszok
A környezeti objektum.
Visszatérési típus
from_docker_image
Hozzon létre környezeti objektumot egy alap docker-rendszerképből, választható Python-függőségekkel.
A Python-réteg akkor lesz hozzáadva a környezethez, ha conda_specification vagy pip_requirements van megadva. conda_specification és pip_requirements kölcsönösen kizárják egymást.
static from_docker_image(name, image, container_registry=None, conda_specification=None, pip_requirements=None)
Paraméterek
Válaszok
A környezeti objektum.
Visszatérési típus
Megjegyzések
Ha az alaprendszerkép hitelesítést igénylő privát adattárból származik, és az engedélyezés nincs beállítva az AzureML-munkaterület szintjén, container_registry szükséges
from_dockerfile
Hozzon létre környezeti objektumot egy Dockerfile-ból, választható Python-függőségekkel.
A Python-réteg akkor lesz hozzáadva a környezethez, ha conda_specification vagy pip_requirements van megadva. conda_specification és pip_requirements kölcsönösen kizárják egymást.
static from_dockerfile(name, dockerfile, conda_specification=None, pip_requirements=None)
Paraméterek
Válaszok
A környezeti objektum.
Visszatérési típus
from_existing_conda_environment
Hozzon létre egy helyileg meglévő Conda-környezetből létrehozott környezeti objektumot.
A meglévő Conda-környezetek listájának lekéréséhez futtassa a parancsot conda env list
. További információ: Környezetek kezelése a Conda felhasználói útmutatójában.
static from_existing_conda_environment(name, conda_environment_name)
Paraméterek
Válaszok
A környezeti objektum vagy a Nincs, ha a conda specifikációs fájljának exportálása sikertelen.
Visszatérési típus
from_pip_requirements
Hozzon létre egy pipkövetelmény-fájlból létrehozott környezeti objektumot.
A rendszer hozzáadja a nem rögzített pip-függőséget, ha nincs megadva pip_version .
static from_pip_requirements(name, file_path, pip_version=None)
Paraméterek
Válaszok
A környezeti objektum.
Visszatérési típus
get
Adja vissza a környezeti objektumot.
Ha a címke meg van adva, a rendszer visszaadja a korábban az értékkel címkézett objektumot. Csak egy verzió- vagy címkeparaméter adható meg. Ha mindkettő hiányzik, a rendszer a Környezeti objektum legújabb verzióját adja vissza.
static get(workspace, name, version=None, label=None)
Paraméterek
Válaszok
A környezeti objektum.
Visszatérési típus
get_image_details
Adja vissza a Kép részleteit.
get_image_details(workspace)
Paraméterek
Válaszok
A kép részleteit diktálásként adja vissza
Visszatérési típus
label
A munkaterületen lévő környezeti objektum címkézése a megadott értékekkel.
static label(workspace, name, version, labels)
Paraméterek
list
A munkaterület környezeteit tartalmazó szótárat ad vissza.
static list(workspace)
Paraméterek
Válaszok
A környezeti objektumok szótára.
Visszatérési típus
load_from_directory
Töltse be a környezetdefiníciót egy könyvtárban lévő fájlokból.
static load_from_directory(path)
Paraméterek
register
Regisztrálja a környezeti objektumot a munkaterületen.
register(workspace)
Paraméterek
- name
- str
Válaszok
A környezeti objektumot adja vissza.
Visszatérési típus
save_to_directory
Egyszerűen szerkeszthető formátumban menthet egy környezetdefiníciót egy könyvtárba.
save_to_directory(path, overwrite=False)
Paraméterek
- overwrite
- bool
Ha egy meglévő könyvtárat felül kell írni. Alapértelmezés szerint hamis.
Attribútumok
environment_variables
A futtatókörnyezet változóinak beállításához használja az azureml.core.RunConfiguration objektumot.
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: