Environment Classe
Configura um ambiente Python reproduzível para experimentações de machine learning.
Um Ambiente define pacotes Python, variáveis de ambiente e definições do Docker que são utilizadas em experimentações de machine learning, incluindo na preparação, preparação e implementação de dados num serviço Web. Um Ambiente é gerido e tem um controlo de versão num Azure Machine Learning Workspace. Pode atualizar um ambiente existente e obter uma versão para reutilizar. Os ambientes são exclusivos da área de trabalho em que são criados e não podem ser utilizados em diferentes áreas de trabalho.
Para obter mais informações sobre ambientes, veja Criar e gerir ambientes reutilizáveis.
Construtor de Ambiente de Classe.
- Herança
-
azureml._base_sdk_common.abstract_run_config_element._AbstractRunConfigElementEnvironment
Construtor
Environment(name, **kwargs)Parâmetros
- name
- string
O nome do ambiente.
Nota
Não inicie o nome do ambiente com "Microsoft" ou "AzureML". Os prefixos "Microsoft" e "AzureML" estão reservados para ambientes organizados. Para obter mais informações sobre ambientes organizados, veja Criar e gerir ambientes reutilizáveis.
Observações
O Azure Machine Learning fornece ambientes organizados, que são ambientes predefinidos que oferecem bons pontos de partida para criar os seus próprios ambientes. Os ambientes organizados são apoiados por imagens do Docker em cache, o que proporciona um custo de preparação de execução reduzido. Para obter mais informações sobre ambientes organizados, veja Criar e gerir ambientes reutilizáveis.
Existem várias formas de criar o ambiente no Azure Machine Learning, incluindo quando:
Inicializar um novo objeto de Ambiente.
Utilize um dos métodos de classe Ambiente: from_conda_specification, from_pip_requirementsou from_existing_conda_environment.
Utilize o submit método da classe Experimentação para submeter uma execução de experimentação sem especificar um ambiente, incluindo com um Estimator objeto.
O exemplo seguinte mostra como instanciar um novo ambiente.
from azureml.core import Environment
myenv = Environment(name="myenv")
Pode gerir um ambiente ao registá-lo. Ao fazê-lo, pode controlar as versões do ambiente e reutilizá-las em execuções futuras.
myenv.register(workspace=ws)
Para obter mais exemplos de trabalho com ambientes, veja o Jupyter Notebook Utilizar ambientes.
Variáveis
- Environment.databricks
A secção configura as dependências da biblioteca azureml.core.databricks.DatabricksSection.
- docker
- DockerSection
Esta secção configura as definições relacionadas com a imagem final do Docker criada com base nas especificações do ambiente e se pretende utilizar contentores do Docker para criar o ambiente.
- inferencing_stack_version
- string
Esta secção especifica a versão da pilha de inferência adicionada à imagem. Para evitar adicionar uma pilha de inferência, não defina este valor. Valor válido: "mais recente".
- python
- PythonSection
Esta secção especifica o ambiente python e o interpretador a utilizar na computação de destino.
- spark
- SparkSection
A secção configura as definições do Spark. Só é utilizado quando a arquitetura está definida como PySpark.
- r
- RSection
Esta secção especifica o ambiente R a utilizar na computação de destino.
- version
- string
A versão do ambiente.
- asset_id
- string
ID do Recurso. Preenche quando um ambiente é registado.
Métodos
| add_private_pip_wheel |
Carregue o ficheiro de roda pip privado no disco para o blob de armazenamento do Azure anexado à área de trabalho. Gera uma exceção se já existir uma roda pip privada com o mesmo nome no blob de armazenamento da área de trabalho. |
| build |
Crie uma imagem do Docker para este ambiente na cloud. |
| build_local |
Crie o ambiente local do Docker ou conda. |
| clone |
Clone o objeto de ambiente. Devolve uma nova instância de objeto de ambiente com um novo nome. |
| from_conda_specification |
Crie um objeto de ambiente a partir de um ficheiro YAML de especificação de ambiente. Para obter um ficheiro YAML de especificação de ambiente, veja Gerir ambientes no guia de utilizador conda. |
| from_docker_build_context |
Crie um objeto de ambiente a partir de um contexto de compilação do Docker. |
| from_docker_image |
Crie um objeto de ambiente a partir de uma imagem de docker base com dependenies de python opcionais. A camada python será adicionada ao ambiente se conda_specification ou pip_requirements for especificado. conda_specification e pip_requirements são mutuamente exclusivos. |
| from_dockerfile |
Crie um objeto de ambiente a partir de um Dockerfile com dependenies de python opcionais. A camada python será adicionada ao ambiente se conda_specification ou pip_requirements for especificado. conda_specification e pip_requirements são mutuamente exclusivos. |
| from_existing_conda_environment |
Crie um objeto de ambiente criado a partir de um ambiente conda localmente existente. Para obter uma lista de ambientes conda existentes, execute |
| from_pip_requirements |
Crie um objeto de ambiente criado a partir de um ficheiro de requisitos pip. A dependência pip não suportada será adicionada se pip_version não for especificada. |
| get |
Devolver o objeto de ambiente. Se a etiqueta for especificada, será devolvido o objeto anteriormente etiquetado com o valor. Só é possível especificar um dos parâmetros de versão ou etiqueta. Se ambos não tiverem sido apresentados, será devolvida a versão mais recente do objeto Ambiente. |
| get_image_details |
Devolva os detalhes da Imagem. |
| label |
Etiquetar objeto de ambiente na área de trabalho com os valores especificados. |
| list |
Devolver um dicionário que contém ambientes na área de trabalho. |
| load_from_directory |
Carregar uma definição de ambiente a partir dos ficheiros num diretório. |
| register |
Registe o objeto de ambiente na área de trabalho. |
| save_to_directory |
Guarde uma definição de ambiente num diretório num formato facilmente editável. |
add_private_pip_wheel
Carregue o ficheiro de roda pip privado no disco para o blob de armazenamento do Azure anexado à área de trabalho.
Gera uma exceção se já existir uma roda pip privada com o mesmo nome no blob de armazenamento da área de trabalho.
static add_private_pip_wheel(workspace, file_path, exist_ok=False)Parâmetros
- workspace
- Workspace
O objeto da área de trabalho a utilizar para registar a roda pip privada.
Devoluções
Devolve o URI completo à roda de pip carregada no armazenamento de blobs do Azure para utilizar nas dependências de conda.
Tipo de retorno
build
Crie uma imagem do Docker para este ambiente na cloud.
build(workspace, image_build_compute=None)Parâmetros
- workspace
- Workspace
A área de trabalho e o respetivo Azure Container Registry associado onde a imagem é armazenada.
- image_build_compute
- str
O nome da computação onde a compilação da imagem será realizada
Devoluções
Devolve o objeto de detalhes da compilação da imagem.
Tipo de retorno
build_local
Crie o ambiente local do Docker ou conda.
build_local(workspace, platform=None, **kwargs)Parâmetros
- platform
- str
Plataforma. Um de Linux, Windows ou OSX. A plataforma atual será utilizada por predefinição.
Devoluções
Transmite em fluxo a saída incorporada do Docker ou conda para a consola.
Tipo de retorno
Observações
Os exemplos seguintes mostram como criar um ambiente local. Certifique-se de que a área de trabalho é instanciada como um objeto azureml.core.workspace.Workspace válido
Criar um ambiente conda local
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace)
Criar um ambiente de docker local
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True)
Crie uma imagem do Docker localmente e, opcionalmente, envie-a para o registo de contentor associado à área de trabalho
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True, pushImageToWorkspaceAcr=True)
clone
Clone o objeto de ambiente.
Devolve uma nova instância de objeto de ambiente com um novo nome.
clone(new_name)Parâmetros
Devoluções
Novo objeto de ambiente
Tipo de retorno
from_conda_specification
Crie um objeto de ambiente a partir de um ficheiro YAML de especificação de ambiente.
Para obter um ficheiro YAML de especificação de ambiente, veja Gerir ambientes no guia de utilizador conda.
static from_conda_specification(name, file_path)Parâmetros
Devoluções
O objeto de ambiente.
Tipo de retorno
from_docker_build_context
Crie um objeto de ambiente a partir de um contexto de compilação do Docker.
static from_docker_build_context(name, docker_build_context)Parâmetros
Devoluções
O objeto de ambiente.
Tipo de retorno
from_docker_image
Crie um objeto de ambiente a partir de uma imagem de docker base com dependenies de python opcionais.
A camada python será adicionada ao ambiente se conda_specification ou pip_requirements for especificado. conda_specification e pip_requirements são mutuamente exclusivos.
static from_docker_image(name, image, container_registry=None, conda_specification=None, pip_requirements=None)Parâmetros
- container_registry
- ContainerRegistry
detalhes do repositório de contentor privado.
Devoluções
O objeto de ambiente.
Tipo de retorno
Observações
Se a imagem base for do repositório privado que requer autorização e a autorização não estiver definida ao nível da área de trabalho do AzureML, container_registry é necessária
from_dockerfile
Crie um objeto de ambiente a partir de um Dockerfile com dependenies de python opcionais.
A camada python será adicionada ao ambiente se conda_specification ou pip_requirements for especificado. conda_specification e pip_requirements são mutuamente exclusivos.
static from_dockerfile(name, dockerfile, conda_specification=None, pip_requirements=None)Parâmetros
Devoluções
O objeto de ambiente.
Tipo de retorno
from_existing_conda_environment
Crie um objeto de ambiente criado a partir de um ambiente conda localmente existente.
Para obter uma lista de ambientes conda existentes, execute conda env list. Para obter mais informações, veja Managing environments in the conda user guide ( Gerir ambientes no guia de utilizador conda).
static from_existing_conda_environment(name, conda_environment_name)Parâmetros
Devoluções
O objeto de ambiente ou Nenhum se a exportação do ficheiro de especificação conda falhar.
Tipo de retorno
from_pip_requirements
Crie um objeto de ambiente criado a partir de um ficheiro de requisitos pip.
A dependência pip não suportada será adicionada se pip_version não for especificada.
static from_pip_requirements(name, file_path, pip_version=None)Parâmetros
Devoluções
O objeto de ambiente.
Tipo de retorno
get
Devolver o objeto de ambiente.
Se a etiqueta for especificada, será devolvido o objeto anteriormente etiquetado com o valor. Só é possível especificar um dos parâmetros de versão ou etiqueta. Se ambos não tiverem sido apresentados, será devolvida a versão mais recente do objeto Ambiente.
static get(workspace, name, version=None, label=None)Parâmetros
Devoluções
O objeto de ambiente.
Tipo de retorno
get_image_details
Devolva os detalhes da Imagem.
get_image_details(workspace)Parâmetros
Devoluções
Devolve os detalhes da imagem como ditado
Tipo de retorno
label
Etiquetar objeto de ambiente na área de trabalho com os valores especificados.
static label(workspace, name, version, labels)Parâmetros
list
Devolver um dicionário que contém ambientes na área de trabalho.
static list(workspace)Parâmetros
Devoluções
Um dicionário de objetos de ambiente.
Tipo de retorno
load_from_directory
Carregar uma definição de ambiente a partir dos ficheiros num diretório.
static load_from_directory(path)Parâmetros
register
Registe o objeto de ambiente na área de trabalho.
register(workspace)Parâmetros
- name
- str
Devoluções
Devolve o objeto de ambiente
Tipo de retorno
save_to_directory
Guarde uma definição de ambiente num diretório num formato facilmente editável.
save_to_directory(path, overwrite=False)Parâmetros
- overwrite
- bool
Se um diretório existente tiver de ser substituído. Predefinições falso.
Atributos
environment_variables
Utilize o objeto azureml.core.RunConfiguration para definir variáveis de runtime.
Comentários
Brevemente: Ao longo de 2024, vamos descontinuar progressivamente o GitHub Issues como mecanismo de feedback para conteúdos e substituí-lo por um novo sistema de feedback. Para obter mais informações, veja: https://aka.ms/ContentUserFeedback.
Submeter e ver comentários