ComputeTarget Kelas
Kelas induk abstrak untuk semua target komputasi yang dikelola oleh Azure Machine Learning.
Target komputasi adalah sumber daya/lingkungan komputasi yang ditunjuk tempat Anda menjalankan skrip pelatihan atau menghosting penyebaran layanan Anda. Lokasi ini mungkin merupakan mesin lokal Anda atau sumber daya komputasi berbasis cloud. Untuk informasi selengkapnya, lihat Apa itu target komputasi di Azure Machine Learning?
Konstruktor Class ComputeTarget.
Ambil representasi cloud dari objek Komputasi yang terkait dengan ruang kerja yang disediakan. Mengembalikan instans kelas anak yang sesuai dengan jenis tertentu dari objek Komputasi yang diambil.
Konstruktor
ComputeTarget(workspace, name)
Parameter
| Nama | Deskripsi |
|---|---|
|
workspace
Diperlukan
|
Objek ruang kerja yang berisi objek Komputasi untuk diambil. |
|
name
Diperlukan
|
Nama objek Komputasi yang akan diambil. |
|
workspace
Diperlukan
|
Objek ruang kerja yang berisi objek Komputasi untuk diambil. |
|
name
Diperlukan
|
Nama objek Komputasi yang akan diambil. |
Keterangan
Gunakan konstruktor ComputeTarget untuk mengambil representasi cloud objek Komputasi yang terkait dengan ruang kerja yang disediakan. Konstruktor mengembalikan instans kelas anak yang sesuai dengan jenis tertentu dari objek Komputasi yang diambil. Jika objek Komputasi tidak ditemukan, objek ComputeTargetException akan dinaikkan.
Metode
| attach |
Lampirkan objek Komputasi ke ruang kerja menggunakan nama dan informasi konfigurasi yang ditentukan. |
| create |
Provisikan objek Komputasi dengan menentukan jenis komputasi dan konfigurasi terkait. Metode ini membuat target komputasi baru daripada melampirkan yang sudah ada. |
| delete |
Hapus objek Komputasi dari ruang kerja terkait. Metode abstrak ini diimplementasikan oleh kelas anak dari ComputeTarget. |
| deserialize |
Mengonversi objek JSON menjadi objek Komputasi. |
| detach |
Lepaskan objek Komputasi dari ruang kerja terkait. Metode abstrak ini diimplementasikan oleh kelas anak dari ComputeTarget. Objek cloud yang mendasar tidak dihapus, hanya asosiasinya yang dihapus. |
| get_status |
Ambil status provisi objek Komputasi saat ini. |
| list |
Cantumkan semua objek ComputeTarget dalam ruang kerja. Mengembalikan daftar objek turunan yang dibuat sesuai dengan jenis Komputasi tertentu. Objek adalah anak dari ComputeTarget. |
| refresh_state |
Lakukan pembaruan di tempat properti objek. Perbarui properti berdasarkan status objek cloud yang sesuai saat ini. Ini berguna untuk polling manual status komputasi. Metode abstrak ini diimplementasikan oleh kelas anak dari ComputeTarget. |
| serialize |
Konversi objek Komputasi ini menjadi kamus serial JSON. |
| wait_for_completion |
Tunggu hingga operasi provisi saat ini selesai pada kluster. Metode ini mengembalikan ComputeTargetException jika ada masalah polling objek komputasi. |
attach
Lampirkan objek Komputasi ke ruang kerja menggunakan nama dan informasi konfigurasi yang ditentukan.
static attach(workspace, name, attach_configuration)
Parameter
| Nama | Deskripsi |
|---|---|
|
workspace
Diperlukan
|
Objek ruang kerja untuk melampirkan objek Komputasi. |
|
name
Diperlukan
|
Nama yang akan dikaitkan dengan objek Komputasi. |
|
attach_configuration
Diperlukan
|
Objek ComputeTargetAttachConfiguration yang digunakan untuk menentukan jenis objek Komputasi yang akan dilampirkan, dan cara mengonfigurasinya. |
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Instans anak ComputeTarget yang sesuai dengan jenis objek yang dilampirkan. |
Pengecualian
| Jenis | Deskripsi |
|---|---|
Keterangan
Jenis objek yang akan diteruskan ke parameter attach_configuration adalah objek yang ComputeTargetAttachConfiguration dibangun menggunakan attach_configuration fungsi pada salah satu kelas anak dari ComputeTarget.
Contoh berikut menunjukkan cara melampirkan akun ADLA ke ruang kerja menggunakan attach_configuration metode 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))
Sampel lengkap tersedia dari 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
Provisikan objek Komputasi dengan menentukan jenis komputasi dan konfigurasi terkait.
Metode ini membuat target komputasi baru daripada melampirkan yang sudah ada.
static create(workspace, name, provisioning_configuration)
Parameter
| Nama | Deskripsi |
|---|---|
|
workspace
Diperlukan
|
Objek ruang kerja untuk membuat objek Komputasi di bawah. |
|
name
Diperlukan
|
Nama yang akan dikaitkan dengan objek Komputasi. |
|
provisioning_configuration
Diperlukan
|
Objek ComputeTargetProvisioningConfiguration yang digunakan untuk menentukan jenis objek Komputasi yang akan disediakan, dan cara mengonfigurasinya. |
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Instans anak ComputeTarget yang sesuai dengan jenis objek yang disediakan. |
Pengecualian
| Jenis | Deskripsi |
|---|---|
Keterangan
Jenis objek yang disediakan ditentukan oleh konfigurasi provisi yang disediakan.
Dalam contoh berikut, target komputasi persisten yang disediakan oleh AmlCompute dibuat. Parameter provisioning_configuration dalam contoh ini berjenis 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)
Sampel lengkap tersedia dari https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/training/train-on-amlcompute/train-on-amlcompute.ipynb
delete
Hapus objek Komputasi dari ruang kerja terkait.
Metode abstrak ini diimplementasikan oleh kelas anak dari ComputeTarget.
abstract delete()
Keterangan
Jika objek ini dibuat melalui Azure Machine Learning, objek berbasis cloud yang sesuai juga akan dihapus. Jika objek ini dibuat secara eksternal dan hanya dilampirkan ke ruang kerja, metode ini menimbulkan pengecualian dan tidak ada yang diubah.
deserialize
Mengonversi objek JSON menjadi objek Komputasi.
abstract static deserialize(workspace, object_dict)
Parameter
| Nama | Deskripsi |
|---|---|
|
workspace
Diperlukan
|
Objek ruang kerja yang dikaitkan dengan objek Komputasi. |
|
object_dict
Diperlukan
|
Objek JSON untuk dikonversi ke objek Komputasi. |
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Representasi komputasi dari objek JSON yang disediakan. |
Keterangan
Menaikkan jika ruang kerja yang ComputeTargetException disediakan bukan ruang kerja yang dikaitkan dengan Komputasi.
detach
Lepaskan objek Komputasi dari ruang kerja terkait.
Metode abstrak ini diimplementasikan oleh kelas anak dari ComputeTarget. Objek cloud yang mendasar tidak dihapus, hanya asosiasinya yang dihapus.
abstract detach()
get_status
Ambil status provisi objek Komputasi saat ini.
get_status()
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
|
Keterangan
Nilai yang dikembalikan tercantum dalam Referensi Azure REST API untuk ProvisioningState.
list
Cantumkan semua objek ComputeTarget dalam ruang kerja.
Mengembalikan daftar objek turunan yang dibuat sesuai dengan jenis Komputasi tertentu. Objek adalah anak dari ComputeTarget.
static list(workspace)
Parameter
| Nama | Deskripsi |
|---|---|
|
workspace
Diperlukan
|
Objek ruang kerja yang berisi objek yang akan dicantumkan. |
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Daftar target komputasi dalam ruang kerja. |
Pengecualian
| Jenis | Deskripsi |
|---|---|
refresh_state
Lakukan pembaruan di tempat properti objek.
Perbarui properti berdasarkan status objek cloud yang sesuai saat ini. Ini berguna untuk polling manual status komputasi.
Metode abstrak ini diimplementasikan oleh kelas anak dari ComputeTarget.
abstract refresh_state()
serialize
Konversi objek Komputasi ini menjadi kamus serial JSON.
abstract serialize()
Mengembalikan
| Jenis | Deskripsi |
|---|---|
|
Representasi JSON dari objek Komputasi ini. |
wait_for_completion
Tunggu hingga operasi provisi saat ini selesai pada kluster.
Metode ini mengembalikan ComputeTargetException jika ada masalah polling objek komputasi.
wait_for_completion(show_output=False, is_delete_operation=False)
Parameter
| Nama | Deskripsi |
|---|---|
|
show_output
|
Menunjukkan apakah akan memberikan lebih banyak output verbose. Nilai default: False
|
|
is_delete_operation
|
Menunjukkan apakah operasi dimaksudkan untuk menghapus. Nilai default: False
|
Pengecualian
| Jenis | Deskripsi |
|---|---|