ResourceConfiguration 类
定义 Azure 机器学习资源的资源配置的详细信息。
初始化 ResourceConfiguration。
- 继承
-
builtins.objectResourceConfiguration
构造函数
ResourceConfiguration(cpu=None, memory_in_gb=None, gpu=None)
参数
名称 | 说明 |
---|---|
cpu
|
为此资源分配的 CPU 核心数。 可以是小数。 默认值: None
|
memory_in_gb
|
为此资源分配的内存量 (GB)。 可以是小数。 默认值: None
|
gpu
|
为此资源分配的 GPU 数。 默认值: None
|
cpu
必需
|
为此资源分配的 CPU 核心数。 可以是小数。 |
memory_in_gb
必需
|
为此资源分配的内存量 (GB)。 可以是小数。 |
gpu
必需
|
为此资源分配的 GPU 数。 |
注解
使用此类初始化资源配置。 例如,以下代码演示如何注册指定框架、输入和输出数据集以及资源配置的模型。
import sklearn
from azureml.core import Model
from azureml.core.resource_configuration import ResourceConfiguration
model = Model.register(workspace=ws,
model_name='my-sklearn-model', # Name of the registered model in your workspace.
model_path='./sklearn_regression_model.pkl', # Local file to upload and register as a model.
model_framework=Model.Framework.SCIKITLEARN, # Framework used to create the model.
model_framework_version=sklearn.__version__, # Version of scikit-learn used to create the model.
sample_input_dataset=input_dataset,
sample_output_dataset=output_dataset,
resource_configuration=ResourceConfiguration(cpu=1, memory_in_gb=0.5),
description='Ridge regression model to predict diabetes progression.',
tags={'area': 'diabetes', 'type': 'regression'})
print('Name:', model.name)
print('Version:', model.version)
方法
deserialize |
将 JSON 对象转换为 ResourceConfiguration 对象。 |
serialize |
将此 ResourceConfiguration 转换为 JSON 序列化字典。 |
deserialize
将 JSON 对象转换为 ResourceConfiguration 对象。
static deserialize(payload_obj)
参数
名称 | 说明 |
---|---|
payload_obj
必需
|
要转换为 ResourceConfiguration 对象的 JSON 对象。 |
返回
类型 | 说明 |
---|---|
所提供的 JSON 对象的 ResourceConfiguration 表示形式。 |
serialize
将此 ResourceConfiguration 转换为 JSON 序列化字典。
serialize()
返回
类型 | 说明 |
---|---|
此 ResourceConfiguration 的 JSON 表示形式。 |