Environment Kelas
Mengonfigurasi lingkungan Python yang dapat direproduksi untuk eksperimen pembelajaran mesin.
Lingkungan mendefinisikan paket Python, variabel lingkungan, dan pengaturan Docker yang digunakan dalam eksperimen pembelajaran mesin, termasuk dalam penyiapan data, pelatihan, dan penyebaran ke layanan web. Lingkungan dikelola dan diversikan dalam Azure Machine Learning Workspace. Anda dapat memperbarui lingkungan yang ada dan mengambil versi untuk digunakan kembali. Lingkungan bersifat eksklusif untuk ruang kerja tempat mereka dibuat dan tidak dapat digunakan di ruang kerja yang berbeda.
Untuk informasi selengkapnya tentang lingkungan, lihat Membuat dan mengelola lingkungan yang dapat digunakan kembali.
Konstruktor Lingkungan Kelas.
- Warisan
-
azureml._base_sdk_common.abstract_run_config_element._AbstractRunConfigElementEnvironment
Konstruktor
Environment(name, **kwargs)
Parameter
- name
- string
Nama lingkungan.
Catatan
Jangan memulai nama lingkungan Anda dengan "Microsoft" atau "AzureML". Prefiks "Microsoft" dan "AzureML" disediakan untuk lingkungan yang dikumpulkan. Untuk informasi selengkapnya tentang lingkungan yang dikumpulkan, lihat Membuat dan mengelola lingkungan yang dapat digunakan kembali.
Keterangan
Azure Machine Learning menyediakan lingkungan yang dikumpulkan, merupakan lingkungan yang telah ditentukan yang menawarkan titik awal baik untuk membangun lingkungan Anda. Lingkungan yang dikumpulkan didukung oleh gambar Docker yang di-cache, memberikan biaya persiapan yang lebih rendah. Untuk informasi selengkapnya tentang lingkungan yang dikumpulkan, lihat Membuat dan mengelola lingkungan yang dapat digunakan kembali.
Ada beberapa cara lingkungan dibuat dalam Azure Machine Learning, termasuk saat:
Menginisialisasi objek Lingkungan baru.
Gunakan salah satu metode kelas Lingkungan: from_conda_specification, from_pip_requirements, atau from_existing_conda_environment.
Gunakan metode submit kelas Eksperimen untuk mengirimkan eksperimen yang dijalankan tanpa menentukan lingkungan, termasuk dengan objek Estimator.
Contoh berikut menunjukkan cara membuat instans lingkungan baru.
from azureml.core import Environment
myenv = Environment(name="myenv")
Anda dapat mengelola lingkungan dengan mendaftarkannya. Melakukan cara tersebut memungkinkan Anda untuk melacak versi lingkungan, dan menggunakannya kembali di masa mendatang.
myenv.register(workspace=ws)
Untuk contoh bekerja dengan lingkungan selengkapnya, lihat Jupyter Notebook Menggunakan lingkungan.
Variabel
- Environment.databricks
Bagian ini mengonfigurasi dependensi pustaka azureml.core.databricks.DatabricksSection.
- docker
- DockerSection
Bagian ini mengonfigurasi pengaturan yang terkait dengan gambar Docker akhir yang dibuat dengan spesifikasi lingkungan dan apakah akan menggunakan kontainer Docker untuk membangun lingkungan.
- inferencing_stack_version
- string
Bagian ini menentukan versi tumpukan inferensi yang ditambahkan ke gambar. Untuk menghindari penambahan tumpukan inferensi, jangan atur nilai ini. Nilai valid: "terbaru".
- python
- PythonSection
Bagian ini menentukan lingkungan dan juru bahasa Python mana yang akan digunakan pada komputasi target.
- spark
- SparkSection
Bagian ini mengonfigurasi pengaturan Spark. Pengaturan hanya digunakan saat kerangka kerja diatur ke PySpark.
- r
- RSection
Bagian ini menentukan lingkungan R mana yang akan digunakan pada komputasi target.
- version
- string
Versi lingkungan.
- asset_id
- string
ID Aset. Mengisi saat lingkungan terdaftar.
Metode
add_private_pip_wheel |
Unggah file roda pip pribadi pada disk ke blob penyimpanan Azure yang dilampirkan ke ruang kerja. Memberikan pengecualian jika roda pip pribadi dengan nama yang sama sudah ada di blob penyimpanan ruang kerja. |
build |
Buat gambar Docker untuk lingkungan ini di cloud. |
build_local |
Bangun lingkungan Docker atau conda lokal. |
clone |
Kloning objek lingkungan. Mengembalikan instans baru objek lingkungan dengan nama baru. |
from_conda_specification |
Buat objek lingkungan dari file YAML spesifikasi lingkungan. Untuk mendapatkan file YAML spesifikasi lingkungan, lihat Mengelola lingkungan di panduan pengguna conda. |
from_docker_build_context |
Buat objek lingkungan dari konteks build Docker. |
from_docker_image |
Buat objek lingkungan dari gambar docker dasar dengan dependensi python opsional. Lapisan Python akan ditambahkan ke lingkungan jika conda_specification atau pip_requirements ditentukan. conda_specification dan pip_requirements bersifat saling eksklusif. |
from_dockerfile |
Buat objek lingkungan dari Dockerfile dengan dependensi python opsional. Lapisan Python akan ditambahkan ke lingkungan jika conda_specification atau pip_requirements ditentukan. conda_specification dan pip_requirements bersifat saling eksklusif. |
from_existing_conda_environment |
Buat objek lingkungan yang dibuat dari lingkungan conda yang ada secara lokal. Untuk mendapatkan daftar lingkungan conda yang ada, jalankan |
from_pip_requirements |
Buat objek lingkungan yang dibuat dari file persyaratan pip. Batalkan semat dependensi pip akan ditambahkan jika pip_version tidak ditentukan. |
get |
Kembalikan objek lingkungan. Jika label ditentukan, objek yang sebelumnya diberi label dengan nilai akan dikembalikan. Hanya satu parameter versi atau label yang dapat ditentukan. Jika keduanya tidak ditentukan, versi terbaru dari objek Lingkungan akan dikembalikan. |
get_image_details |
Mengembalikan detail Gambar. |
label |
Beri label objek lingkungan di ruang kerja Anda dengan nilai yang ditentukan. |
list |
Kembalikan kamus yang berisi lingkungan di ruang kerja. |
load_from_directory |
Muat definisi lingkungan dari file dalam direktori. |
register |
Daftarkan objek lingkungan di ruang kerja Anda. |
save_to_directory |
Simpan definisi lingkungan ke direktori dalam format yang mudah diedit. |
add_private_pip_wheel
Unggah file roda pip pribadi pada disk ke blob penyimpanan Azure yang dilampirkan ke ruang kerja.
Memberikan pengecualian jika roda pip pribadi dengan nama yang sama sudah ada di blob penyimpanan ruang kerja.
static add_private_pip_wheel(workspace, file_path, exist_ok=False)
Parameter
- workspace
- Workspace
Objek ruang kerja yang digunakan untuk mendaftarkan roda pip pribadi.
- exist_ok
- bool
Menunjukkan apakah akan memberi pengecualian jika roda sudah ada.
Mengembalikan
Mengembalikan URI lengkap ke roda pip yang diunggah pada penyimpanan blob Azure untuk digunakan dalam dependensi conda.
Tipe hasil
build
Buat gambar Docker untuk lingkungan ini di cloud.
build(workspace, image_build_compute=None)
Parameter
- workspace
- Workspace
Ruang kerja dan Azure Container Registry terkait tempat gambar disimpan.
Mengembalikan
Mengembalikan objek detail build gambar.
Tipe hasil
build_local
Bangun lingkungan Docker atau conda lokal.
build_local(workspace, platform=None, **kwargs)
Parameter
- platform
- str
Platform. Salah satunya Linux, Windows atau OSX. Platform saat ini akan digunakan secara default.
Mengembalikan
Mengalirkan Docker atau conda yang sedang berlangsung membangun output ke konsol.
Tipe hasil
Keterangan
Contoh berikut menunjukkan cara untuk membangun sebuah lingkungan lokal. Pastikan ruang kerja dipakai sebagai objek azureml.core.workspace.Workspace yang valid
Bangun lingkungan conda lokal
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace)
Bangun lingkungan docker lokal
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True)
Bangun gambar docker secara lokal dan secara opsional dorong ke registri kontainer yang terkait dengan ruang kerja
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True, pushImageToWorkspaceAcr=True)
clone
Kloning objek lingkungan.
Mengembalikan instans baru objek lingkungan dengan nama baru.
clone(new_name)
Parameter
Mengembalikan
Objek lingkungan baru
Tipe hasil
from_conda_specification
Buat objek lingkungan dari file YAML spesifikasi lingkungan.
Untuk mendapatkan file YAML spesifikasi lingkungan, lihat Mengelola lingkungan di panduan pengguna conda.
static from_conda_specification(name, file_path)
Parameter
Mengembalikan
Objek lingkungan.
Tipe hasil
from_docker_build_context
Buat objek lingkungan dari konteks build Docker.
static from_docker_build_context(name, docker_build_context)
Parameter
Mengembalikan
Objek lingkungan.
Tipe hasil
from_docker_image
Buat objek lingkungan dari gambar docker dasar dengan dependensi python opsional.
Lapisan Python akan ditambahkan ke lingkungan jika conda_specification atau pip_requirements ditentukan. conda_specification dan pip_requirements bersifat saling eksklusif.
static from_docker_image(name, image, container_registry=None, conda_specification=None, pip_requirements=None)
Parameter
Mengembalikan
Objek lingkungan.
Tipe hasil
Keterangan
Jika gambar dasar berasal dari repositori privat yang memerlukan otorisasi, dan otorisasi tidak diatur pada tingkat ruang kerja AzureML, container_registry diperlukan
from_dockerfile
Buat objek lingkungan dari Dockerfile dengan dependensi python opsional.
Lapisan Python akan ditambahkan ke lingkungan jika conda_specification atau pip_requirements ditentukan. conda_specification dan pip_requirements bersifat saling eksklusif.
static from_dockerfile(name, dockerfile, conda_specification=None, pip_requirements=None)
Parameter
Mengembalikan
Objek lingkungan.
Tipe hasil
from_existing_conda_environment
Buat objek lingkungan yang dibuat dari lingkungan conda yang ada secara lokal.
Untuk mendapatkan daftar lingkungan conda yang ada, jalankan conda env list
. Untuk informasi selengkapnya, lihat Mengelola lingkungan di panduan pengguna conda.
static from_existing_conda_environment(name, conda_environment_name)
Parameter
Mengembalikan
Objek lingkungan atau Tidak Ada jika mengekspor file spesifikasi conda gagal.
Tipe hasil
from_pip_requirements
Buat objek lingkungan yang dibuat dari file persyaratan pip.
Batalkan semat dependensi pip akan ditambahkan jika pip_version tidak ditentukan.
static from_pip_requirements(name, file_path, pip_version=None)
Parameter
Mengembalikan
Objek lingkungan.
Tipe hasil
get
Kembalikan objek lingkungan.
Jika label ditentukan, objek yang sebelumnya diberi label dengan nilai akan dikembalikan. Hanya satu parameter versi atau label yang dapat ditentukan. Jika keduanya tidak ditentukan, versi terbaru dari objek Lingkungan akan dikembalikan.
static get(workspace, name, version=None, label=None)
Parameter
Mengembalikan
Objek lingkungan.
Tipe hasil
get_image_details
Mengembalikan detail Gambar.
get_image_details(workspace)
Parameter
Mengembalikan
Mengembalikan detail gambar sebagai dikte
Tipe hasil
label
Beri label objek lingkungan di ruang kerja Anda dengan nilai yang ditentukan.
static label(workspace, name, version, labels)
Parameter
list
Kembalikan kamus yang berisi lingkungan di ruang kerja.
static list(workspace)
Parameter
Mengembalikan
Kamus objek lingkungan.
Tipe hasil
load_from_directory
Muat definisi lingkungan dari file dalam direktori.
static load_from_directory(path)
Parameter
register
Daftarkan objek lingkungan di ruang kerja Anda.
register(workspace)
Parameter
- name
- str
Mengembalikan
Mengembalikan objek lingkungan
Tipe hasil
save_to_directory
Simpan definisi lingkungan ke direktori dalam format yang mudah diedit.
save_to_directory(path, overwrite=False)
Parameter
Atribut
environment_variables
Gunakan objek azureml.core.RunConfiguration untuk mengatur variabel runtime bahasa umum.
Saran dan Komentar
https://aka.ms/ContentUserFeedback.
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat:Kirim dan lihat umpan balik untuk