Aracılığıyla paylaş

Yerel çalıştırmaları SDK v2'ye yükseltme

  • Makale

Yerel çalıştırmalar hem V1 hem de V2'de benzerdir. İşlem hedefini her iki sürümde de ayarlarken "yerel" dizesini kullanın.

Bu makalede SDK v1 ve SDK v2'deki senaryoların karşılaştırması verilmiştir.

Yerel çalıştırma gönderme

  • SDK v1

    from azureml.core import Workspace, Experiment, Environment, ScriptRunConfig

# connect to the workspace
ws = Workspace.from_config()

# define and configure the experiment
experiment = Experiment(workspace=ws, name='day1-experiment-train')
config = ScriptRunConfig(source_directory='./src',
                            script='train.py',
                            compute_target='local')

# set up pytorch environment
env = Environment.from_conda_specification(
    name='pytorch-env',
    file_path='pytorch-env.yml')
config.run_config.environment = env

run = experiment.submit(config)

aml_url = run.get_portal_url()
print(aml_url)

  • SDK v2

    #import required libraries
from azure.ai.ml import MLClient, command
from azure.ai.ml.entities import Environment
from azure.identity import DefaultAzureCredential

#connect to the workspace
ml_client = MLClient.from_config(DefaultAzureCredential())

# set up pytorch environment
env = Environment(
    image='mcr.microsoft.com/azureml/openmpi3.1.2-ubuntu18.04',
    conda_file='pytorch-env.yml',
    name='pytorch-env'
)

# define the command
command_job = command(
    code='./src',
    command='train.py',
    environment=env,
    compute='local',
)

returned_job = ml_client.jobs.create_or_update(command_job)
returned_job

SDK v1 ve SDK v2'deki temel işlevlerin eşlemesi

SDK v1'deki işlevsellik SDK v2'de kaba eşleme
experiment.submit MLCLient.jobs.create_or_update

Sonraki adımlar