Environment Kelas

Referensi

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

Nama	Deskripsi
name Diperlukan	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

Nama	Deskripsi
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

Nama	Deskripsi
workspace Diperlukan	Workspace Objek ruang kerja yang digunakan untuk mendaftarkan roda pip pribadi.
file_path Diperlukan	str Jalur ke roda pip lokal pada disk, termasuk ekstensi file.
exist_ok	bool Menunjukkan apakah akan memberi pengecualian jika roda sudah ada. Nilai default: False

Mengembalikan

Jenis	Deskripsi
str	Mengembalikan URI lengkap ke roda pip yang diunggah pada penyimpanan blob Azure untuk digunakan dalam dependensi conda.

build

Buat gambar Docker untuk lingkungan ini di cloud.

build(workspace, image_build_compute=None)

Parameter

Nama	Deskripsi
workspace Diperlukan	Workspace Ruang kerja dan Azure Container Registry terkait tempat gambar disimpan.
image_build_compute	str Nama komputasi tempat build gambar akan berlangsung Nilai default: None

Mengembalikan

Jenis	Deskripsi
ImageBuildDetails	Mengembalikan objek detail build gambar.

build_local

Bangun lingkungan Docker atau conda lokal.

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

Parameter

Nama	Deskripsi
workspace Diperlukan	Workspace Ruang kerja.
platform	str Platform. Salah satunya Linux, Windows atau OSX. Platform saat ini akan digunakan secara default. Nilai default: None
kwargs Diperlukan	dict Argumen kata kunci tingkat lanjut

Mengembalikan

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

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

Nama	Deskripsi
new_name Diperlukan	str Nama lingkungan baru

Mengembalikan

Jenis	Deskripsi
Environment	Objek lingkungan 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.

static from_conda_specification(name, file_path)

Parameter

Nama	Deskripsi
name Diperlukan	str Nama lingkungan.
file_path Diperlukan	str Jalur file YAML spesifikasi lingkungan conda.

Mengembalikan

Jenis	Deskripsi
Environment	Objek lingkungan.

from_docker_build_context

Buat objek lingkungan dari konteks build Docker.

static from_docker_build_context(name, docker_build_context)

Parameter

Nama	Deskripsi
name Diperlukan	str Nama lingkungan.
docker_build_context Diperlukan	DockerBuildContext Objek DockerBuildContext.

Mengembalikan

Jenis	Deskripsi
Environment	Objek lingkungan.

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

Nama	Deskripsi
name Diperlukan	str Nama lingkungan.
image Diperlukan	str nama gambar yang sepenuhnya memenuhi syarat.
conda_specification	str file spesifikasi conda. Nilai default: None
container_registry	ContainerRegistry detail repositori kontainer privat. Nilai default: None
pip_requirements	str file persyaratan pip. Nilai default: None

Mengembalikan

Jenis	Deskripsi
Environment	Objek lingkungan.

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

Nama	Deskripsi
name Diperlukan	str Nama lingkungan.
dockerfile Diperlukan	str Konten dockerfile atau jalur ke file.
conda_specification	str file spesifikasi conda. Nilai default: None
pip_requirements	str file persyaratan pip. Nilai default: None

Mengembalikan

Jenis	Deskripsi
Environment	Objek lingkungan.

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

Nama	Deskripsi
name Diperlukan	str Nama lingkungan.
conda_environment_name Diperlukan	str Nama lingkungan conda yang ada secara lokal.

Mengembalikan

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

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

Nama	Deskripsi
name Diperlukan	str Nama lingkungan.
file_path Diperlukan	str Jalur file persyaratan pip.
pip_version	str Versi pip untuk lingkungan conda. Nilai default: None

Mengembalikan

Jenis	Deskripsi
Environment	Objek lingkungan.

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

Nama	Deskripsi
workspace Diperlukan	Workspace Ruang kerja yang berisi lingkungan.
name Diperlukan	str Nama lingkungan yang akan dikembalikan.
version	str Versi lingkungan yang akan dikembalikan. Nilai default: None
label	str Nilai label lingkungan. Nilai default: None

Mengembalikan

Jenis	Deskripsi
Environment	Objek lingkungan.

get_image_details

Mengembalikan detail Gambar.

get_image_details(workspace)

Parameter

Nama	Deskripsi
workspace Diperlukan	Workspace Ruang kerja.

Mengembalikan

Jenis	Deskripsi
DockerImageDetails	Mengembalikan detail gambar sebagai dikte

label

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

static label(workspace, name, version, labels)

Parameter

Nama	Deskripsi
workspace Diperlukan	Workspace Ruang kerja
name Diperlukan	str Nama lingkungan
version Diperlukan	str Versi lingkungan
labels Diperlukan	list[str] Nilai yang digunakan untuk memberi label Lingkungan

list

Kembalikan kamus yang berisi lingkungan di ruang kerja.

static list(workspace)

Parameter

Nama	Deskripsi
workspace Diperlukan	Workspace Ruang kerja untuk membuat daftar lingkungan.

Mengembalikan

Jenis	Deskripsi
<xref:builtin.dict>[str, Environment]	Kamus objek lingkungan.

load_from_directory

Muat definisi lingkungan dari file dalam direktori.

static load_from_directory(path)

Parameter

Nama	Deskripsi
path Diperlukan	str Jalur ke direktori sumber.

register

Daftarkan objek lingkungan di ruang kerja Anda.

register(workspace)

Parameter

Nama	Deskripsi
workspace Diperlukan	Workspace Ruang kerja
name Diperlukan	str

Mengembalikan

Jenis	Deskripsi
Environment	Mengembalikan objek lingkungan

save_to_directory

Simpan definisi lingkungan ke direktori dalam format yang mudah diedit.

save_to_directory(path, overwrite=False)

Parameter

Nama	Deskripsi
path Diperlukan	str Jalur ke direktori tujuan.
overwrite	bool Jika direktori yang ada harus ditimpa. Default salah. Nilai default: False

Atribut

environment_variables

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

Bagikan melalui

Environment Kelas

Konstruktor

Parameter

Keterangan

Variabel

Metode

add_private_pip_wheel

Parameter

Mengembalikan

build

Parameter

Mengembalikan

build_local

Parameter

Mengembalikan

Keterangan

clone

Parameter

Mengembalikan

from_conda_specification

Parameter

Mengembalikan

from_docker_build_context

Parameter

Mengembalikan

from_docker_image

Parameter

Mengembalikan

Keterangan

from_dockerfile

Parameter

Mengembalikan

from_existing_conda_environment

Parameter

Mengembalikan

from_pip_requirements

Parameter

Mengembalikan

get

Parameter

Mengembalikan

get_image_details

Parameter

Mengembalikan

label

Parameter

list

Parameter

Mengembalikan

load_from_directory

Parameter

register

Parameter

Mengembalikan

save_to_directory

Parameter

Atribut

environment_variables

Saran dan Komentar

Sumber Daya Tambahan: