上一個

下一個

瞭解環境

已完成

在企業機器學習解決方案中，實驗可能會在各種不同的計算內容中執行，因此請務必注意您的實驗程式碼所執行的環境。 您可以使用 Azure Machine Learning 環境來建立環境，並指定實驗的執行階段設定。

建立 Azure Machine Learning 工作區時，系統會自動建立策展的環境並供您使用。 或者，您可以建立和管理自己的自訂環境，並在工作區中註冊它們。 建立和註冊自訂環境使得不論實驗指令碼的執行位置為何，您都可以為實驗定義一致、可重複使用的執行階段內容。

什麼是 Azure Machine Learning 中的環境？

Python 程式碼會在虛擬環境的內容中執行，該環境會定義要使用的 Python 執行階段版本，以及可供程式碼使用的已安裝套件。 在大部分的 Python 安裝中，套件是在使用 conda 或 pip 的環境中進行安裝和管理。

為了改善可攜性，我們通常會在 Docker 容器中建立環境，然後再裝載於計算目標中，例如您的開發電腦、虛擬機器或雲端中的叢集。

Azure Machine Learning 會將環境定義建置到 Docker 映像和 conda 環境。 使用環境時，Azure Machine Learning 會在與工作區相關聯的 Azure Container Registry 上建置環境。

提示

建立 Azure Machine Learning 工作區時，您可以選擇是否要使用現有的 Azure Container Registry，或是否要讓工作區在需要時為您建立新的登錄。

若要檢視 Azure Machine Learning 工作區內的所有可用環境，您可以使用 Azure CLI 或 Python SDK，列出工作室中的環境。

例如，若要使用 Python SDK 列出環境：

envs = ml_client.environments.list()
for env in envs:
    print(env.name)

若要檢閱特定環境的詳細資料，您可以依其已註冊的名稱擷取環境：

env = ml_client.environments.get(name="my-environment", version="1")
print(env)

繼續