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._AbstractRunConfigElement

Environment

Konstruktor

Environment(name, **kwargs)

Parameter

name

string

Diperlukan

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 conda env list. Untuk informasi selengkapnya, lihat Mengelola lingkungan di panduan pengguna conda.
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

Diperlukan

Objek ruang kerja yang digunakan untuk mendaftarkan roda pip pribadi.

file_path

str

Diperlukan

Jalur ke roda pip lokal pada disk, termasuk ekstensi file.

exist_ok

bool

nilai default: False

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

str

build

Buat gambar Docker untuk lingkungan ini di cloud.

build(workspace, image_build_compute=None)

Parameter

workspace

Workspace

Diperlukan

Ruang kerja dan Azure Container Registry terkait tempat gambar disimpan.

image_build_compute

str

nilai default: None

Nama komputasi tempat build gambar akan berlangsung

Mengembalikan

Mengembalikan objek detail build gambar.

Tipe hasil

ImageBuildDetails

build_local

Bangun lingkungan Docker atau conda lokal.

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

Parameter

workspace

Workspace

Diperlukan

Ruang kerja.

platform

str

nilai default: None

Platform. Salah satunya Linux, Windows atau OSX. Platform saat ini akan digunakan secara default.

kwargs

dict

Diperlukan

Argumen kata kunci tingkat lanjut

Mengembalikan

Mengalirkan Docker atau conda yang sedang berlangsung membangun output ke konsol.

Tipe hasil

str

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

new_name

str

Diperlukan

Nama lingkungan baru

Mengembalikan

Objek lingkungan baru

Tipe hasil

Environment

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

name

str

Diperlukan

Nama lingkungan.

file_path

str

Diperlukan

Jalur file YAML spesifikasi lingkungan conda.

Mengembalikan

Objek lingkungan.

Tipe hasil

Environment

from_docker_build_context

Buat objek lingkungan dari konteks build Docker.

static from_docker_build_context(name, docker_build_context)

Parameter

name

str

Diperlukan

Nama lingkungan.

docker_build_context

DockerBuildContext

Diperlukan

Objek DockerBuildContext.

Mengembalikan

Objek lingkungan.

Tipe hasil

Environment

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

name

str

Diperlukan

Nama lingkungan.

image

str

Diperlukan

nama gambar yang sepenuhnya memenuhi syarat.

conda_specification

str

nilai default: None

file spesifikasi conda.

container_registry

ContainerRegistry

nilai default: None

detail repositori kontainer privat.

pip_requirements

str

nilai default: None

file persyaratan pip.

Mengembalikan

Objek lingkungan.

Tipe hasil

Environment

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

name

str

Diperlukan

Nama lingkungan.

dockerfile

str

Diperlukan

Konten dockerfile atau jalur ke file.

conda_specification

str

nilai default: None

file spesifikasi conda.

pip_requirements

str

nilai default: None

file persyaratan pip.

Mengembalikan

Objek lingkungan.

Tipe hasil

Environment

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

name

str

Diperlukan

Nama lingkungan.

conda_environment_name

str

Diperlukan

Nama lingkungan conda yang ada secara lokal.

Mengembalikan

Objek lingkungan atau Tidak Ada jika mengekspor file spesifikasi conda gagal.

Tipe hasil

Environment

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

name

str

Diperlukan

Nama lingkungan.

file_path

str

Diperlukan

Jalur file persyaratan pip.

pip_version

str

nilai default: None

Versi pip untuk lingkungan conda.

Mengembalikan

Objek lingkungan.

Tipe hasil

Environment

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

workspace

Workspace

Diperlukan

Ruang kerja yang berisi lingkungan.

name

str

Diperlukan

Nama lingkungan yang akan dikembalikan.

version

str

nilai default: None

Versi lingkungan yang akan dikembalikan.

label

str

nilai default: None

Nilai label lingkungan.

Mengembalikan

Objek lingkungan.

Tipe hasil

Environment

get_image_details

Mengembalikan detail Gambar.

get_image_details(workspace)

Parameter

workspace

Workspace

Diperlukan

Ruang kerja.

Mengembalikan

Mengembalikan detail gambar sebagai dikte

Tipe hasil

DockerImageDetails

label

Beri label objek lingkungan di ruang kerja Anda dengan nilai yang ditentukan.

static label(workspace, name, version, labels)

Parameter

workspace

Workspace

Diperlukan

Ruang kerja

name

str

Diperlukan

Nama lingkungan

version

str

Diperlukan

Versi lingkungan

labels

list[str]

Diperlukan

Nilai yang digunakan untuk memberi label Lingkungan

list

Kembalikan kamus yang berisi lingkungan di ruang kerja.

static list(workspace)

Parameter

workspace

Workspace

Diperlukan

Ruang kerja untuk membuat daftar lingkungan.

Mengembalikan

Kamus objek lingkungan.

Tipe hasil

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

load_from_directory

Muat definisi lingkungan dari file dalam direktori.

static load_from_directory(path)

Parameter

path

str

Diperlukan

Jalur ke direktori sumber.

register

Daftarkan objek lingkungan di ruang kerja Anda.

register(workspace)

Parameter

workspace

Workspace

Diperlukan

Ruang kerja

name

str

Diperlukan

Mengembalikan

Mengembalikan objek lingkungan

Tipe hasil

Environment

save_to_directory

Simpan definisi lingkungan ke direktori dalam format yang mudah diedit.

save_to_directory(path, overwrite=False)

Parameter

path

str

Diperlukan

Jalur ke direktori tujuan.

overwrite

bool

nilai default: False

Jika direktori yang ada harus ditimpa. Default salah.

Atribut

environment_variables

Gunakan objek azureml.core.RunConfiguration untuk mengatur variabel runtime bahasa umum.