Environment Klasa
Konfiguruje powtarzalne środowisko języka Python na potrzeby eksperymentów uczenia maszynowego.
Środowisko definiuje pakiety języka Python, zmienne środowiskowe i ustawienia platformy Docker, które są używane w eksperymentach uczenia maszynowego, w tym podczas przygotowywania danych, trenowania i wdrażania w usłudze internetowej. Środowisko jest zarządzane i wersjonowane w usłudze Azure Machine Learning Workspace. Możesz zaktualizować istniejące środowisko i pobrać wersję do ponownego użycia. Środowiska są przeznaczone wyłącznie do obszaru roboczego, w ramach którego są tworzone i nie można ich używać w różnych obszarach roboczych.
Aby uzyskać więcej informacji na temat środowisk, zobacz Tworzenie środowisk wielokrotnego użytku i zarządzanie nimi.
Konstruktor środowiska klasy.
- Dziedziczenie
-
azureml._base_sdk_common.abstract_run_config_element._AbstractRunConfigElementEnvironment
Konstruktor
Environment(name, **kwargs)
Parametry
- name
- string
Nazwa środowiska.
Uwaga
Nie uruchamiaj nazwy środowiska przy użyciu nazwy "Microsoft" lub "AzureML". Prefiksy "Microsoft" i "AzureML" są zarezerwowane dla wyselekcjonowanych środowisk. Aby uzyskać więcej informacji na temat wyselekcjonowanych środowisk, zobacz Tworzenie środowisk wielokrotnego użytku i zarządzanie nimi.
Uwagi
Usługa Azure Machine Learning udostępnia wyselekcjonowane środowiska, które są wstępnie zdefiniowanymi środowiskami, które oferują dobre punkty wyjścia do tworzenia własnych środowisk. Wyselekcjonowane środowiska są wspierane przez buforowane obrazy platformy Docker, co zapewnia obniżony koszt przygotowania do uruchomienia. Aby uzyskać więcej informacji na temat wyselekcjonowanych środowisk, zobacz Tworzenie środowisk wielokrotnego użytku i zarządzanie nimi.
Istnieje wiele sposobów tworzenia środowiska w usłudze Azure Machine Learning, w tym w następujących przypadkach:
Zainicjuj nowy obiekt Environment.
Użyj jednej z metod klasy Environment: from_conda_specification, from_pip_requirementslub from_existing_conda_environment.
submit Użyj metody klasy Experiment, aby przesłać przebieg eksperymentu bez określania środowiska, w tym z obiektemEstimator.
W poniższym przykładzie pokazano, jak utworzyć wystąpienie nowego środowiska.
from azureml.core import Environment
myenv = Environment(name="myenv")
Środowisko można zarządzać, rejestrując je. Dzięki temu można śledzić wersje środowiska i używać ich ponownie w przyszłych uruchomieniach.
myenv.register(workspace=ws)
Aby uzyskać więcej przykładów pracy ze środowiskami, zobacz Jupyter Notebook Using environments (Używanie środowisk).
Zmienne
- Environment.databricks
Sekcja konfiguruje zależności biblioteki azureml.core.databricks.DatabricksSection.
- docker
- DockerSection
Ta sekcja służy do konfigurowania ustawień związanych z końcowym obrazem platformy Docker utworzonym zgodnie ze specyfikacjami środowiska oraz tego, czy używać kontenerów platformy Docker do kompilowania środowiska.
- inferencing_stack_version
- string
Ta sekcja określa wersję stosu wnioskowania dodaną do obrazu. Aby uniknąć dodawania stosu wnioskowania, nie należy ustawiać tej wartości. Prawidłowa wartość: "latest".
- python
- PythonSection
W tej sekcji określono środowisko języka Python i interpreter do użycia w docelowym środowisku obliczeniowym.
- spark
- SparkSection
Sekcja konfiguruje ustawienia platformy Spark. Jest on używany tylko wtedy, gdy platforma jest ustawiona na PySpark.
- r
- RSection
Ta sekcja określa, które środowisko języka R ma być używane w docelowym środowisku obliczeniowym.
- version
- string
Wersja środowiska.
- asset_id
- string
Identyfikator zasobu. Wypełnia się, gdy środowisko jest zarejestrowane.
Metody
add_private_pip_wheel |
Przekaż prywatny plik koła pip na dysku do obiektu blob usługi Azure Storage dołączonego do obszaru roboczego. Zgłasza wyjątek, jeśli prywatne koło pip o tej samej nazwie już istnieje w obiekcie blob magazynu obszarów roboczych. |
build |
Tworzenie obrazu platformy Docker dla tego środowiska w chmurze. |
build_local |
Skompiluj lokalne środowisko platformy Docker lub conda. |
clone |
Sklonuj obiekt środowiska. Zwraca nowe wystąpienie obiektu środowiska o nowej nazwie. |
from_conda_specification |
Utwórz obiekt środowiska na podstawie pliku YAML specyfikacji środowiska. Aby uzyskać plik YAML specyfikacji środowiska, zobacz Zarządzanie środowiskami w przewodniku użytkownika conda. |
from_docker_build_context |
Utwórz obiekt środowiska na podstawie kontekstu kompilacji platformy Docker. |
from_docker_image |
Utwórz obiekt środowiska na podstawie podstawowego obrazu platformy Docker z opcjonalnymi zależnościami języka Python. Warstwa języka Python zostanie dodana do środowiska, jeśli zostanie określona conda_specification lub pip_requirements. conda_specification i pip_requirements wzajemnie się wykluczają. |
from_dockerfile |
Utwórz obiekt środowiska na podstawie pliku Dockerfile z opcjonalnymi zależnościami języka Python. Warstwa języka Python zostanie dodana do środowiska, jeśli zostanie określona conda_specification lub pip_requirements. conda_specification i pip_requirements wzajemnie się wykluczają. |
from_existing_conda_environment |
Utwórz obiekt środowiska utworzony na podstawie lokalnego istniejącego środowiska conda. Aby uzyskać listę istniejących środowisk conda, uruchom polecenie |
from_pip_requirements |
Utwórz obiekt środowiska utworzony na podstawie pliku wymagań pip. Zależność odpiętego potoku zostanie dodana, jeśli nie określono pip_version . |
get |
Zwróć obiekt środowiska. Jeśli zostanie określona etykieta, obiekt wcześniej oznaczony wartością zostanie zwrócony. Można określić tylko jeden z parametrów wersji lub etykiety. Jeśli oba te elementy nie zostaną pominięte, zostanie zwrócona najnowsza wersja obiektu Environment. |
get_image_details |
Zwróć szczegóły obrazu. |
label |
Etykieta obiektu środowiska w obszarze roboczym z określonymi wartościami. |
list |
Zwróć słownik zawierający środowiska w obszarze roboczym. |
load_from_directory |
Załaduj definicję środowiska z plików w katalogu. |
register |
Zarejestruj obiekt środowiska w obszarze roboczym. |
save_to_directory |
Zapisz definicję środowiska w katalogu w łatwym do edycji formacie. |
add_private_pip_wheel
Przekaż prywatny plik koła pip na dysku do obiektu blob usługi Azure Storage dołączonego do obszaru roboczego.
Zgłasza wyjątek, jeśli prywatne koło pip o tej samej nazwie już istnieje w obiekcie blob magazynu obszarów roboczych.
static add_private_pip_wheel(workspace, file_path, exist_ok=False)
Parametry
Zwraca
Zwraca pełny identyfikator URI do przekazanego koła pip w usłudze Azure Blob Storage do użycia w zależnościach conda.
Typ zwracany
build
Tworzenie obrazu platformy Docker dla tego środowiska w chmurze.
build(workspace, image_build_compute=None)
Parametry
- workspace
- Workspace
Obszar roboczy i skojarzony z nim Azure Container Registry, w którym jest przechowywany obraz.
- image_build_compute
- str
Nazwa obliczeniowa, w której odbędzie się kompilacja obrazu
Zwraca
Zwraca obiekt szczegółów kompilacji obrazu.
Typ zwracany
build_local
Skompiluj lokalne środowisko platformy Docker lub conda.
build_local(workspace, platform=None, **kwargs)
Parametry
- platform
- str
Platformy. Jeden z systemów Linux, Windows lub OSX. Bieżąca platforma będzie domyślnie używana.
Zwraca
Przesyła strumieniowo dane wyjściowe do konsoli na platformie Docker lub conda.
Typ zwracany
Uwagi
W poniższych przykładach pokazano, jak utworzyć środowisko lokalne. Upewnij się, że obszar roboczy jest tworzone jako prawidłowy obiekt azureml.core.workspace.Workspace
Tworzenie lokalnego środowiska conda
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace)
Tworzenie lokalnego środowiska platformy Docker
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True)
Kompiluj obraz platformy Docker lokalnie i opcjonalnie wypychaj go do rejestru kontenerów skojarzonego z obszarem roboczym
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True, pushImageToWorkspaceAcr=True)
clone
Sklonuj obiekt środowiska.
Zwraca nowe wystąpienie obiektu środowiska o nowej nazwie.
clone(new_name)
Parametry
Zwraca
Nowy obiekt środowiska
Typ zwracany
from_conda_specification
Utwórz obiekt środowiska na podstawie pliku YAML specyfikacji środowiska.
Aby uzyskać plik YAML specyfikacji środowiska, zobacz Zarządzanie środowiskami w przewodniku użytkownika conda.
static from_conda_specification(name, file_path)
Parametry
Zwraca
Obiekt środowiska.
Typ zwracany
from_docker_build_context
Utwórz obiekt środowiska na podstawie kontekstu kompilacji platformy Docker.
static from_docker_build_context(name, docker_build_context)
Parametry
Zwraca
Obiekt środowiska.
Typ zwracany
from_docker_image
Utwórz obiekt środowiska na podstawie podstawowego obrazu platformy Docker z opcjonalnymi zależnościami języka Python.
Warstwa języka Python zostanie dodana do środowiska, jeśli zostanie określona conda_specification lub pip_requirements. conda_specification i pip_requirements wzajemnie się wykluczają.
static from_docker_image(name, image, container_registry=None, conda_specification=None, pip_requirements=None)
Parametry
- container_registry
- ContainerRegistry
szczegóły repozytorium kontenera prywatnego.
Zwraca
Obiekt środowiska.
Typ zwracany
Uwagi
Jeśli obraz podstawowy pochodzi z prywatnego repozytorium, które wymaga autoryzacji, a autoryzacja nie jest ustawiona na poziomie obszaru roboczego usługi AzureML, wymagane jest container_registry
from_dockerfile
Utwórz obiekt środowiska na podstawie pliku Dockerfile z opcjonalnymi zależnościami języka Python.
Warstwa języka Python zostanie dodana do środowiska, jeśli zostanie określona conda_specification lub pip_requirements. conda_specification i pip_requirements wzajemnie się wykluczają.
static from_dockerfile(name, dockerfile, conda_specification=None, pip_requirements=None)
Parametry
Zwraca
Obiekt środowiska.
Typ zwracany
from_existing_conda_environment
Utwórz obiekt środowiska utworzony na podstawie lokalnego istniejącego środowiska conda.
Aby uzyskać listę istniejących środowisk conda, uruchom polecenie conda env list
. Aby uzyskać więcej informacji, zobacz Zarządzanie środowiskami w przewodniku użytkownika conda.
static from_existing_conda_environment(name, conda_environment_name)
Parametry
Zwraca
Obiekt środowiska lub Brak, jeśli eksportowanie pliku specyfikacji conda zakończy się niepowodzeniem.
Typ zwracany
from_pip_requirements
Utwórz obiekt środowiska utworzony na podstawie pliku wymagań pip.
Zależność odpiętego potoku zostanie dodana, jeśli nie określono pip_version .
static from_pip_requirements(name, file_path, pip_version=None)
Parametry
Zwraca
Obiekt środowiska.
Typ zwracany
get
Zwróć obiekt środowiska.
Jeśli zostanie określona etykieta, obiekt wcześniej oznaczony wartością zostanie zwrócony. Można określić tylko jeden z parametrów wersji lub etykiety. Jeśli oba te elementy nie zostaną pominięte, zostanie zwrócona najnowsza wersja obiektu Environment.
static get(workspace, name, version=None, label=None)
Parametry
Zwraca
Obiekt środowiska.
Typ zwracany
get_image_details
Zwróć szczegóły obrazu.
get_image_details(workspace)
Parametry
Zwraca
Zwraca szczegóły obrazu jako dykt
Typ zwracany
label
Etykieta obiektu środowiska w obszarze roboczym z określonymi wartościami.
static label(workspace, name, version, labels)
Parametry
list
Zwróć słownik zawierający środowiska w obszarze roboczym.
static list(workspace)
Parametry
Zwraca
Słownik obiektów środowiskowych.
Typ zwracany
load_from_directory
Załaduj definicję środowiska z plików w katalogu.
static load_from_directory(path)
Parametry
register
Zarejestruj obiekt środowiska w obszarze roboczym.
register(workspace)
Parametry
- name
- str
Zwraca
Zwraca obiekt środowiska
Typ zwracany
save_to_directory
Zapisz definicję środowiska w katalogu w łatwym do edycji formacie.
save_to_directory(path, overwrite=False)
Parametry
- overwrite
- bool
Jeśli istniejący katalog powinien zostać zastąpiony. Wartością domyślną jest fałsz.
Atrybuty
environment_variables
Użyj obiektu azureml.core.RunConfiguration, aby ustawić zmienne uruchomieniowe.
Opinia
https://aka.ms/ContentUserFeedback.
Już wkrótce: w ciągu 2024 r. będziemy stopniowo usuwać problemy z usługą GitHub jako mechanizm opinii na temat zawartości i zastępować go nowym systemem opinii. Aby uzyskać więcej informacji, sprawdź:Prześlij i wyświetl opinię dla