Zarządzanie środowiskami oprogramowania w usłudze Azure Machine Learning Studio

W tym artykule wyjaśniono, jak tworzyć środowiska usługi Azure Machine Learning i zarządzać nimi w usłudze Azure Machine Learning Studio. Użyj środowisk do śledzenia i odtwarzania zależności oprogramowania projektów w miarę ich rozwoju.

Przykłady w tym artykule pokazują, jak:

• Przeglądaj kuratorowane środowiska.
• Utwórz środowisko i określ zależności pakietów.
• Edytuj istniejącą specyfikację środowiska i jej właściwości.
• Ponownie skompiluj środowisko i wyświetl dzienniki kompilacji obrazu.

Aby zapoznać się z ogólnym omówieniem środowisk, zobacz Co to są środowiska usługi Azure Machine Learning? Aby uzyskać więcej informacji, zobacz How to set up a development environment for Azure Machine Learning (Jak skonfigurować środowisko programistyczne dla usługi Azure Machine Learning).

Wymagania wstępne

• Subskrypcja platformy Azure. Jeśli nie masz subskrypcji platformy Azure, utwórz bezpłatne konto.
• Obszar roboczy usługi Azure Machine Learning.

Przeglądaj wyselekcjonowane środowiska

Środowiska selekcjonowane zawierają kolekcje pakietów języka Python i są domyślnie dostępne w obszarze roboczym. Te środowiska są wspierane przez buforowane obrazy platformy Docker, które zmniejszają koszt przygotowania zadania i obsługują scenariusze trenowania i wnioskowania.

Wskazówka

Podczas pracy ze środowiskami zarządzanymi w interfejsie wiersza polecenia lub w zestawie narzędzi programistycznych (SDK), nazwy zarządzanych środowisk zaczynają się od AzureML-. W przypadku korzystania z usługi Azure Machine Learning Studio wyselekcjonowane środowiska nie mają tego prefiksu. Przyczyną tej różnicy jest to, że interfejs użytkownika studia wyświetla wyselekcjonowane i niestandardowe środowiska na osobnych kartach, więc prefiks nie jest konieczny. CLI i SDK nie mają tego rozdzielenia, więc prefiks jest używany do rozróżnienia pomiędzy środowiskami kuratorskimi a niestandardowymi.

Wybierz środowisko, aby wyświetlić szczegółowe informacje o jego zawartości. Aby uzyskać więcej informacji, zobacz Azure Machine Learning wyselekcjonowane środowiska.

Utwórz środowisko

Aby utworzyć nowe środowisko:

1. Otwórz obszar roboczy w portalu Azure Machine Learning studio.
2. Po lewej stronie wybierz pozycję Środowiska.
3. Wybierz kartę Środowiska niestandardowe.
4. Zaznacz przycisk Utwórz.

Wybierz jedną z następujących opcji:

• Utwórz nowy kontekst platformy Docker.
• Zacznij od istniejącego środowiska.
• Przekaż istniejący kontekst platformy Docker.
• Użyj istniejącego obrazu platformy Docker z opcjonalnym plikiem conda.

Możesz dostosować plik konfiguracji, dodać tagi i opisy oraz przejrzeć właściwości przed utworzeniem jednostki.

Jeśli nowe środowisko ma taką samą nazwę jak istniejące środowisko w obszarze roboczym, zostanie utworzona nowa wersja istniejącego środowiska.

Wyświetlanie i edytowanie szczegółów środowiska

1. Po utworzeniu środowiska wyświetl jego szczegóły, wybierając kartę Nazwa na karcie Środowiska niestandardowe.

   

2. Użyj menu rozwijanego Wersja , aby wybrać różne wersje środowiska. Na karcie Szczegóły można wyświetlić metadane i zawartość środowiska za pośrednictwem różnych zależności. Wybierz ikony ołówka, aby edytować pola, takie jak Opis i Tagi.

   

3. Wybierz kartę Kontekst, aby przekazać dodatkowe pliki lub edytować istniejący plik Dockerfile. Użyj opcji Zapisz i skompiluj , aby zapisać wszelkie zmiany i ponownie skompilować kontekst.

   Pamiętaj, że wszelkie zmiany w sekcjach platformy Docker lub Conda tworzą nową wersję środowiska.

   

Wyświetlanie dzienników

Wybierz kartę Dziennik kompilacji na stronie szczegółów, aby wyświetlić dzienniki wersji środowiska i analizę dziennika środowiska. Analiza dzienników środowiska to funkcja, która udostępnia szczegółowe informacje i odpowiednią dokumentację rozwiązywania problemów w celu wyjaśnienia problemów z definicją środowiska lub niepowodzeń kompilacji obrazu.

• Dziennik kompilacji zawiera surowe dane wyjściowe z zadania usługi Azure Container Registry (ACR) lub zadania komputacji budowy obrazu.
• Analiza kompilacji obrazu to analiza dziennika kompilacji używanego do sprawdzenia przyczyny niepowodzenia kompilacji obrazu.
• Analiza definicji środowiska dostarcza informacje o definicji środowiska, jeśli niezgodna jest z najlepszymi praktykami dotyczącymi powtarzalności, możliwości obsługi lub zabezpieczeń.

Aby zapoznać się z omówieniem typowych błędów kompilacji, zobacz Rozwiązywanie problemów ze środowiskiem.

Jeśli masz opinię na temat analizy dzienników środowiska, zgłoś problem z usługą GitHub.

Ponowne kompilowanie środowiska

Na stronie szczegółów wybierz przycisk Odbuduj, aby ponownie skompilować środowisko. Wszystkie nieprzypięte wersje pakietów w plikach konfiguracji mogą zostać zaktualizowane do najnowszej wersji za pomocą tej akcji.

Następny krok

Jak tworzyć pliki i zarządzać nimi w obszarze roboczym