Environment Classe
Configura un ambiente Python riproducibile per gli esperimenti di Machine Learning.
Un ambiente definisce pacchetti Python, variabili di ambiente e impostazioni Docker usati negli esperimenti di Machine Learning, tra cui preparazione dei dati, training e distribuzione in un servizio Web. Un ambiente viene gestito e sottoposto a controllo delle versioni in un'istanza di Azure Machine Learning Workspace. È possibile aggiornare un ambiente esistente e recuperare una versione da riutilizzare. Gli ambienti sono esclusivi dell'area di lavoro in cui vengono creati e non possono essere usati in aree di lavoro diverse.
Per altre informazioni sugli ambienti, vedere Creare e gestire ambienti riutilizzabili.
Costruttore Dell'ambiente di classe.
- Ereditarietà
-
azureml._base_sdk_common.abstract_run_config_element._AbstractRunConfigElementEnvironment
Costruttore
Environment(name, **kwargs)
Parametri
- name
- string
Il nome dell'ambiente.
Nota
Non avviare il nome dell'ambiente con "Microsoft" o "AzureML". I prefissi "Microsoft" e "AzureML" sono riservati agli ambienti curati. Per altre informazioni sugli ambienti curati, vedere Creare e gestire ambienti riutilizzabili.
Commenti
Azure Machine Learning offre ambienti curati, che sono ambienti predefiniti che offrono buoni punti di partenza per la creazione di ambienti personalizzati. Gli ambienti curati sono supportati dalle immagini Docker memorizzate nella cache, offrendo un costo di preparazione ridotto per l'esecuzione. Per altre informazioni sugli ambienti curati, vedere Creare e gestire ambienti riutilizzabili.
Esistono diversi modi in cui viene creato l'ambiente in Azure Machine Learning, tra cui quando:
Inizializzare un nuovo oggetto Environment.
Usare uno dei metodi della classe Environment: from_conda_specification, from_pip_requirementso from_existing_conda_environment.
Usare il submit metodo della classe Experiment per inviare un'esecuzione dell'esperimento senza specificare un ambiente, incluso con un Estimator oggetto .
Nell'esempio seguente viene illustrato come creare un'istanza di un nuovo ambiente.
from azureml.core import Environment
myenv = Environment(name="myenv")
È possibile gestire un ambiente registrandolo. In questo modo è possibile tenere traccia delle versioni dell'ambiente e riutilizzarle in esecuzioni future.
myenv.register(workspace=ws)
Per altri esempi sull'uso degli ambienti, vedere la Jupyter Notebook Uso degli ambienti.
Variabili
- Environment.databricks
La sezione configura le dipendenze della libreria azureml.core.databricks.DatabricksSection.
- docker
- DockerSection
In questa sezione vengono configurate le impostazioni correlate all'immagine Docker finale compilata in base alle specifiche dell'ambiente e all'uso di contenitori Docker per compilare l'ambiente.
- inferencing_stack_version
- string
Questa sezione specifica la versione dello stack di inferenza aggiunta all'immagine. Per evitare di aggiungere uno stack di inferenza, non impostare questo valore. Valore valido: "latest".
- python
- PythonSection
Questa sezione specifica l'ambiente e l'interprete Python da usare nel calcolo di destinazione.
- spark
- SparkSection
La sezione configura le impostazioni di Spark. Si usa solo quando il framework è impostato su PySpark.
- r
- RSection
Questa sezione specifica l'ambiente R da usare nel calcolo di destinazione.
- version
- string
La versione dell'ambiente.
- asset_id
- string
ID asset. Popola quando viene registrato un ambiente.
Metodi
add_private_pip_wheel |
Caricare il file pip wheel privato su disco nel BLOB di archiviazione di Azure collegato all'area di lavoro. Genera un'eccezione se una ruota pip privata con lo stesso nome esiste già nel BLOB di archiviazione dell'area di lavoro. |
build |
Creare un'immagine Docker per questo ambiente nel cloud. |
build_local |
Compilare l'ambiente Docker locale o conda. |
clone |
Clonare l'oggetto ambiente. Restituisce una nuova istanza dell'oggetto ambiente con un nuovo nome. |
from_conda_specification |
Creare un oggetto ambiente da un file YAML di specifica dell'ambiente. Per ottenere un file YAML di specifica dell'ambiente, vedere Gestione degli ambienti nella guida dell'utente conda. |
from_docker_build_context |
Creare un oggetto ambiente da un contesto di compilazione Docker. |
from_docker_image |
Creare un oggetto ambiente da un'immagine docker di base con dipendenze python facoltative. Il livello Python verrà aggiunto all'ambiente se è specificato conda_specification o pip_requirements. conda_specification e pip_requirements si escludono a vicenda. |
from_dockerfile |
Creare un oggetto ambiente da un Dockerfile con dipendenze python facoltative. Il livello Python verrà aggiunto all'ambiente se è specificato conda_specification o pip_requirements. conda_specification e pip_requirements si escludono a vicenda. |
from_existing_conda_environment |
Creare un oggetto ambiente creato da un ambiente conda esistente in locale. Per ottenere un elenco di ambienti conda esistenti, eseguire |
from_pip_requirements |
Creare un oggetto ambiente creato da un file di requisiti pip. La dipendenza pip non bloccata verrà aggiunta se pip_version non è specificato. |
get |
Restituisce l'oggetto ambiente. Se viene specificata l'etichetta, l'oggetto etichettato in precedenza con il valore verrà restituito. È possibile specificare solo uno dei parametri di versione o etichetta. Se entrambi vengono mancanti, verrà restituita la versione più recente dell'oggetto Environment. |
get_image_details |
Restituisce i dettagli dell'immagine. |
label |
Etichettare l'oggetto ambiente nell'area di lavoro con i valori specificati. |
list |
Restituisce un dizionario contenente gli ambienti nell'area di lavoro. |
load_from_directory |
Caricare una definizione di ambiente dai file in una directory. |
register |
Registrare l'oggetto ambiente nell'area di lavoro. |
save_to_directory |
Salvare una definizione di ambiente in una directory in un formato facilmente modificabile. |
add_private_pip_wheel
Caricare il file pip wheel privato su disco nel BLOB di archiviazione di Azure collegato all'area di lavoro.
Genera un'eccezione se una ruota pip privata con lo stesso nome esiste già nel BLOB di archiviazione dell'area di lavoro.
static add_private_pip_wheel(workspace, file_path, exist_ok=False)
Parametri
Restituisce
Restituisce l'URI completo alla rotellina pip caricata nell'archiviazione BLOB di Azure da usare nelle dipendenze conda.
Tipo restituito
build
Creare un'immagine Docker per questo ambiente nel cloud.
build(workspace, image_build_compute=None)
Parametri
- workspace
- Workspace
L'area di lavoro e il relativo Registro Azure Container associato in cui viene archiviata l'immagine.
- image_build_compute
- str
Nome di calcolo in cui verrà eseguita la compilazione dell'immagine
Restituisce
Restituisce l'oggetto dettagli della compilazione dell'immagine.
Tipo restituito
build_local
Compilare l'ambiente Docker locale o conda.
build_local(workspace, platform=None, **kwargs)
Parametri
- platform
- str
Piattaforma. Uno di Linux, Windows o OSX. La piattaforma corrente verrà usata per impostazione predefinita.
Restituisce
Trasmette l'output predefinito Docker o conda alla console.
Tipo restituito
Commenti
Gli esempi seguenti illustrano come creare un ambiente locale. Assicurarsi che l'area di lavoro sia creata un'istanza come oggetto azureml.core.workspace.Workspace valido
Creare un ambiente conda locale
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace)
Creare un ambiente docker locale
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True)
Creare un'immagine docker in locale e eseguire il push nel Registro contenitori associato all'area di lavoro
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True, pushImageToWorkspaceAcr=True)
clone
Clonare l'oggetto ambiente.
Restituisce una nuova istanza dell'oggetto ambiente con un nuovo nome.
clone(new_name)
Parametri
Restituisce
Nuovo oggetto ambiente
Tipo restituito
from_conda_specification
Creare un oggetto ambiente da un file YAML di specifica dell'ambiente.
Per ottenere un file YAML di specifica dell'ambiente, vedere Gestione degli ambienti nella guida dell'utente conda.
static from_conda_specification(name, file_path)
Parametri
Restituisce
Oggetto ambiente.
Tipo restituito
from_docker_build_context
Creare un oggetto ambiente da un contesto di compilazione Docker.
static from_docker_build_context(name, docker_build_context)
Parametri
Restituisce
Oggetto ambiente.
Tipo restituito
from_docker_image
Creare un oggetto ambiente da un'immagine docker di base con dipendenze python facoltative.
Il livello Python verrà aggiunto all'ambiente se è specificato conda_specification o pip_requirements. conda_specification e pip_requirements si escludono a vicenda.
static from_docker_image(name, image, container_registry=None, conda_specification=None, pip_requirements=None)
Parametri
- container_registry
- ContainerRegistry
Dettagli del repository del contenitore privato.
Restituisce
Oggetto ambiente.
Tipo restituito
Commenti
Se l'immagine di base è dal repository privato che richiede l'autorizzazione e l'autorizzazione non è impostata sul livello dell'area di lavoro azureML, è necessario container_registry
from_dockerfile
Creare un oggetto ambiente da un Dockerfile con dipendenze python facoltative.
Il livello Python verrà aggiunto all'ambiente se è specificato conda_specification o pip_requirements. conda_specification e pip_requirements si escludono a vicenda.
static from_dockerfile(name, dockerfile, conda_specification=None, pip_requirements=None)
Parametri
Restituisce
Oggetto ambiente.
Tipo restituito
from_existing_conda_environment
Creare un oggetto ambiente creato da un ambiente conda esistente in locale.
Per ottenere un elenco di ambienti conda esistenti, eseguire conda env list
. Per altre informazioni, vedere Gestione degli ambienti nella guida dell'utente conda.
static from_existing_conda_environment(name, conda_environment_name)
Parametri
Restituisce
Oggetto ambiente o None se l'esportazione del file di specifica conda ha esito negativo.
Tipo restituito
from_pip_requirements
Creare un oggetto ambiente creato da un file di requisiti pip.
La dipendenza pip non bloccata verrà aggiunta se pip_version non è specificato.
static from_pip_requirements(name, file_path, pip_version=None)
Parametri
Restituisce
Oggetto ambiente.
Tipo restituito
get
Restituisce l'oggetto ambiente.
Se viene specificata l'etichetta, l'oggetto etichettato in precedenza con il valore verrà restituito. È possibile specificare solo uno dei parametri di versione o etichetta. Se entrambi vengono mancanti, verrà restituita la versione più recente dell'oggetto Environment.
static get(workspace, name, version=None, label=None)
Parametri
Restituisce
Oggetto ambiente.
Tipo restituito
get_image_details
Restituisce i dettagli dell'immagine.
get_image_details(workspace)
Parametri
Restituisce
Restituisce i dettagli dell'immagine come dict
Tipo restituito
label
Etichettare l'oggetto ambiente nell'area di lavoro con i valori specificati.
static label(workspace, name, version, labels)
Parametri
list
Restituisce un dizionario contenente gli ambienti nell'area di lavoro.
static list(workspace)
Parametri
Restituisce
Dizionario di oggetti ambiente.
Tipo restituito
load_from_directory
Caricare una definizione di ambiente dai file in una directory.
static load_from_directory(path)
Parametri
register
Registrare l'oggetto ambiente nell'area di lavoro.
register(workspace)
Parametri
- name
- str
Restituisce
Restituisce l'oggetto ambiente
Tipo restituito
save_to_directory
Salvare una definizione di ambiente in una directory in un formato facilmente modificabile.
save_to_directory(path, overwrite=False)
Parametri
- overwrite
- bool
Se una directory esistente deve essere sovrascritta. Il valore predefinito è false.
Attributi
environment_variables
Usare l'oggetto azureml.core.RunConfiguration per impostare le variabili di runtime.
Commenti e suggerimenti
https://aka.ms/ContentUserFeedback.
Presto disponibile: Nel corso del 2024 verranno gradualmente disattivati i problemi di GitHub come meccanismo di feedback per il contenuto e ciò verrà sostituito con un nuovo sistema di feedback. Per altre informazioni, vedereInvia e visualizza il feedback per