探索和使用策展環境

  • 8 分鐘

策展環境是針對最常見的機器學習工作負載預先建置的環境，預設可在您的工作區中使用。

策展的環境會使用前置詞 AzureML- 並設計來提供使用熱門機器學習架構和工具的指令碼。

例如，當您想要使用 Scikit-Learn 執行定型迴歸、叢集或分類模型的指令碼時，會有策展的環境。

若要探索策展的環境，您可以使用 Azure CLI 或 Python SDK 在工作室中檢視它。

下列命令可讓您使用 Python SDK 擷取策展環境的描述和標籤：

env = ml_client.environments.get("AzureML-sklearn-0.24-ubuntu18.04-py37-cpu", version=44)
print(env. description, env.tags)

使用策展的環境

最常見的是，當您想要將指令碼作為 (命令) 作業執行時，您會使用環境。

若要指定您想要用來執行指令碼的環境，您會使用其名稱和版本參考環境。

例如，下列程式碼示範如何使用 Python SDK (其使用策展環境，包括 Scikit-Learn) 設定命令作業：

from azure.ai.ml import command

# configure job
job = command(
    code="./src",
    command="python train.py",
    environment="AzureML-sklearn-0.24-ubuntu18.04-py37-cpu@latest",
    compute="aml-cluster",
    display_name="train-with-curated-environment",
    experiment_name="train-with-curated-environment"
)

# submit job
returned_job = ml_client.create_or_update(job)

測試和疑難排解策展的環境

由於策展的環境允許更快速的部署時間，最佳做法是先探索其中一個預先建立的策展環境是否可以用來執行您的程式碼。

您可以檢閱其詳細資料，以確認策展的環境包含所有必要的套件。 然後，您可以使用環境來執行指令碼以進行測試。

如果環境不包含執行程式碼所需的所有套件，您的作業就會失敗。

當作業失敗時，您可以在作業的 [輸出 + 記錄] 索引標籤中檢閱 Azure Machine Learning 工作室的詳細錯誤記錄。

指出您的環境不完整的常見錯誤訊息是 ModuleNotFoundError。 找不到的模組會列在錯誤訊息中。 透過檢閱錯誤訊息，您可以更新環境以包含程式庫，以確保在執行程式碼之前，必要的套件已安裝在計算目標上。

當您需要指定其他必要套件時，您可以藉由修改支援這些策展環境的 Dockerfiles，使用策展的環境作為您自己的自訂環境的參考。