ResourceConfiguration 類別
定義 Azure Machine Learning 資源之資源設定的詳細資料。
初始化 ResourceConfiguration。
- 繼承
-
builtins.objectResourceConfiguration
建構函式
ResourceConfiguration(cpu=None, memory_in_gb=None, gpu=None)
參數
名稱 | Description |
---|---|
cpu
|
要配置給此資源的 CPU 核心數目。 可以是十進位。 預設值: None
|
memory_in_gb
|
以 GB 為單位的記憶體 (量,) 配置給此資源。 可以是十進位。 預設值: None
|
gpu
|
要為此資源配置的 GPU 數目。 預設值: None
|
cpu
必要
|
要配置給此資源的 CPU 核心數目。 可以是十進位。 |
memory_in_gb
必要
|
以 GB 為單位的記憶體 (量,) 配置給此資源。 可以是十進位。 |
gpu
必要
|
要為此資源配置的 GPU 數目。 |
備註
使用這個類別初始化資源組態。 例如,下列程式碼示範如何註冊模型,以指定架構、輸入和輸出資料集,以及資源組態。
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 |
將 JSON 物件轉換成 ResourceConfiguration 物件。 |
serialize |
將此 ResourceConfiguration 轉換成 JSON 序列化字典。 |
deserialize
將 JSON 物件轉換成 ResourceConfiguration 物件。
static deserialize(payload_obj)
參數
名稱 | Description |
---|---|
payload_obj
必要
|
要轉換成 ResourceConfiguration 物件的 JSON 物件。 |
傳回
類型 | Description |
---|---|
所提供 JSON 物件的 ResourceConfiguration 標記法。 |
serialize
將此 ResourceConfiguration 轉換成 JSON 序列化字典。
serialize()
傳回
類型 | Description |
---|---|
此 ResourceConfiguration 的 JSON 表示。 |