Share via

Environment Třída

  • Reference

Konfiguruje reprodukovatelné prostředí Pythonu pro experimenty strojového učení.

Prostředí definuje balíčky Pythonu, proměnné prostředí a nastavení Dockeru, které se používají v experimentech strojového učení, včetně přípravy dat, trénování a nasazení do webové služby. Prostředí se spravuje a spravuje ve službě Azure Machine Learning Workspace. Můžete aktualizovat existující prostředí a načíst verzi pro opakované použití. Prostředí jsou výhradní pro pracovní prostor, ve které jsou vytvořena, a nelze je používat napříč různými pracovními prostory.

Další informace o prostředích najdete v tématu Vytváření a správa opakovaně použitelných prostředí.

Class Environment – konstruktor.

Dědičnost
azureml._base_sdk_common.abstract_run_config_element._AbstractRunConfigElement
Environment

Konstruktor

Environment(name, **kwargs)

Parametry

Name Description
name
Vyžadováno
string

Název prostředí.

Poznámka

Nezačínejte název prostředí na "Microsoft" nebo "AzureML". Předpony Microsoft a AzureML jsou vyhrazené pro kurátorovaná prostředí. Další informace o kurátorovaných prostředích najdete v tématu Vytváření a správa opakovaně použitelných prostředí.

Poznámky

Azure Machine Learning poskytuje kurátorovaná prostředí, což jsou předdefinovaná prostředí, která nabízejí dobré výchozí body pro vytváření vlastních prostředí. Kurátorovaná prostředí se opírají o image Dockeru uložené v mezipaměti, což snižuje náklady na přípravu spuštění. Další informace o kurátorovaných prostředích najdete v tématu Vytváření a správa opakovaně použitelných prostředí.

Existuje několik způsobů, jak se prostředí ve službě Azure Machine Learning vytváří, včetně následujících:

Následující příklad ukazuje, jak vytvořit instanci nového prostředí.


   from azureml.core import Environment
   myenv = Environment(name="myenv")

Prostředí můžete spravovat tak, že ho zaregistrujete. To vám umožní sledovat verze prostředí a opakovaně je používat v budoucích spuštěních.


   myenv.register(workspace=ws)

Další ukázky práce s prostředími najdete v tématu Jupyter Notebook Používání prostředí.

Proměnné

Name Description
Environment.databricks

Oddíl konfiguruje závislosti knihovny azureml.core.databricks.DatabricksSection.
docker
DockerSection

Tato část konfiguruje nastavení související s finální imagí Dockeru sestavenou podle specifikací prostředí a toho, jestli se mají k sestavení prostředí použít kontejnery Dockeru.
inferencing_stack_version
string

Tato část určuje verzi zásobníku odvozování přidanou do image. Pokud se chcete vyhnout přidání zásobníku odvozování, nenastavujte tuto hodnotu. Platná hodnota: "latest".
python
PythonSection

Tato část určuje, které prostředí Pythonu a interpret se má použít na cílovém výpočetním prostředí.
spark
SparkSection

Oddíl konfiguruje nastavení Sparku. Používá se pouze v případech, kdy je architektura nastavená na PySpark.
r
RSection

Tato část určuje, které prostředí R se má použít na cílových výpočetních prostředcích.
version
string

Verze prostředí.
asset_id
string

ID prostředku. Naplní se při registraci prostředí.

Metody

add_private_pip_wheel

Nahrajte soubor privátního kola pip na disk do objektu blob úložiště Azure připojeného k pracovnímu prostoru.

Vyvolá výjimku, pokud už v objektu blob úložiště pracovního prostoru existuje privátní kolo pip se stejným názvem.
build

Vytvořte image Dockeru pro toto prostředí v cloudu.
build_local

Sestavte místní prostředí Dockeru nebo Conda.
clone

Naklonujte objekt prostředí.

Vrátí novou instanci objektu prostředí s novým názvem.
from_conda_specification

Vytvořte objekt prostředí ze souboru YAML specifikace prostředí.

Pokud chcete získat soubor YAML se specifikací prostředí, přečtěte si téma Správa prostředí v uživatelské příručce conda.
from_docker_build_context

Vytvořte objekt prostředí z kontextu sestavení Dockeru.
from_docker_image

Vytvořte objekt prostředí ze základní image Dockeru s volitelnými závislostmi pythonu.

Pokud zadáte conda_specification nebo pip_requirements, přidá se do prostředí vrstva Pythonu. conda_specification a pip_requirements se vzájemně vylučují.
from_dockerfile

Vytvořte objekt prostředí ze souboru Dockerfile s volitelnými závislostmi pythonu.

Pokud zadáte conda_specification nebo pip_requirements, přidá se do prostředí vrstva Pythonu. conda_specification a pip_requirements se vzájemně vylučují.
from_existing_conda_environment

Vytvořte objekt prostředí vytvořený z místně existujícího prostředí Conda.

Pokud chcete získat seznam existujících prostředí Conda, spusťte příkaz conda env list. Další informace najdete v tématu Správa prostředí v uživatelské příručce pro conda.
from_pip_requirements

Vytvořte objekt prostředí vytvořený ze souboru požadavků pip.

Pokud není zadána pip_version , přidá se neodepnutá závislost pip.
get

Vraťte objekt prostředí.

Pokud je zadaný popisek, vrátí se objekt dříve označený hodnotou. Lze zadat pouze jeden z parametrů verze nebo popisku. Pokud dojde k vynechání obojího, vrátí se nejnovější verze objektu Environment.
get_image_details

Vraťte podrobnosti o obrázku.
label

Objekt prostředí v pracovním prostoru označte zadanými hodnotami.
list

Vrátí slovník obsahující prostředí v pracovním prostoru.
load_from_directory

Načtěte definici prostředí ze souborů v adresáři.
register

Zaregistrujte objekt prostředí v pracovním prostoru.
save_to_directory

Uložte definici prostředí do adresáře ve snadno upravitelném formátu.

add_private_pip_wheel

Nahrajte soubor privátního kola pip na disk do objektu blob úložiště Azure připojeného k pracovnímu prostoru.

Vyvolá výjimku, pokud už v objektu blob úložiště pracovního prostoru existuje privátní kolo pip se stejným názvem.

static add_private_pip_wheel(workspace, file_path, exist_ok=False)

Parametry

Name Description
workspace
Vyžadováno
Workspace

Objekt pracovního prostoru, který se má použít k registraci privátního kola pip.
file_path
Vyžadováno
str

Cesta k místnímu kolečku pip na disku, včetně přípony souboru.
exist_ok
bool

Určuje, zda se má vyvolat výjimka, pokud už kolečko existuje.

výchozí hodnota: False

Návraty

Typ Description
str

Vrátí úplný identifikátor URI pro nahrané kolo pip ve službě Azure Blob Storage pro použití v závislostech conda.

build

Vytvořte image Dockeru pro toto prostředí v cloudu.

build(workspace, image_build_compute=None)

Parametry

Name Description
workspace
Vyžadováno
Workspace

Pracovní prostor a jeho přidružené Azure Container Registry, kde je image uložená.
image_build_compute
str

Název výpočetního prostředí, ve kterém se bude sestavení image provádět

výchozí hodnota: None

Návraty

Typ Description
ImageBuildDetails

Vrátí objekt podrobností o sestavení obrázku.

build_local

Sestavte místní prostředí Dockeru nebo Conda.

build_local(workspace, platform=None, **kwargs)

Parametry

Name Description
workspace
Vyžadováno
Workspace

Pracovní prostor.
platform
str

Platforma. Jeden z Linuxu, Windows nebo OSX. Ve výchozím nastavení se použije aktuální platforma.

výchozí hodnota: None
kwargs
Vyžadováno
dict

Rozšířené argumenty klíčových slov

Návraty

Typ Description
str

Streamuje průběžný výstup Dockeru nebo Conda sestavený do konzoly.

Poznámky

Následující příklady ukazují, jak vytvořit místní prostředí. Ujistěte se, že je pracovní prostor instance jako platný objekt azureml.core.workspace.Workspace.

Vytvoření místního prostředí conda


   from azureml.core import Environment
   myenv = Environment(name="myenv")
   registered_env = myenv.register(workspace)
   registered_env.build_local(workspace)

Sestavení místního prostředí Dockeru


   from azureml.core import Environment
   myenv = Environment(name="myenv")
   registered_env = myenv.register(workspace)
   registered_env.build_local(workspace, useDocker=True)

Sestavte image Dockeru místně a volitelně ji nasdílejte do registru kontejneru přidruženého k pracovnímu prostoru.


   from azureml.core import Environment
   myenv = Environment(name="myenv")
   registered_env = myenv.register(workspace)
   registered_env.build_local(workspace, useDocker=True, pushImageToWorkspaceAcr=True)

clone

Naklonujte objekt prostředí.

Vrátí novou instanci objektu prostředí s novým názvem.

clone(new_name)

Parametry

Name Description
new_name
Vyžadováno
str

Název nového prostředí

Návraty

Typ Description
Environment

Nový objekt prostředí

from_conda_specification

Vytvořte objekt prostředí ze souboru YAML specifikace prostředí.

Pokud chcete získat soubor YAML se specifikací prostředí, přečtěte si téma Správa prostředí v uživatelské příručce conda.

static from_conda_specification(name, file_path)

Parametry

Name Description
name
Vyžadováno
str

Název prostředí.
file_path
Vyžadováno
str

Cesta k souboru YAML specifikace prostředí Conda.

Návraty

Typ Description
Environment

Objekt prostředí.

from_docker_build_context

Vytvořte objekt prostředí z kontextu sestavení Dockeru.

static from_docker_build_context(name, docker_build_context)

Parametry

Name Description
name
Vyžadováno
str

Název prostředí.
docker_build_context
Vyžadováno
DockerBuildContext

Objekt DockerBuildContext.

Návraty

Typ Description
Environment

Objekt prostředí.

from_docker_image

Vytvořte objekt prostředí ze základní image Dockeru s volitelnými závislostmi pythonu.

Pokud zadáte conda_specification nebo pip_requirements, přidá se do prostředí vrstva Pythonu. conda_specification a pip_requirements se vzájemně vylučují.

static from_docker_image(name, image, container_registry=None, conda_specification=None, pip_requirements=None)

Parametry

Name Description
name
Vyžadováno
str

Název prostředí.
image
Vyžadováno
str

plně kvalifikovaný název image.
conda_specification
str

soubor specifikace conda.

výchozí hodnota: None
container_registry
ContainerRegistry

podrobnosti o úložišti privátního kontejneru.

výchozí hodnota: None
pip_requirements
str

pip requirements file.

výchozí hodnota: None

Návraty

Typ Description
Environment

Objekt prostředí.

Poznámky

Pokud je základní image z privátního úložiště, které vyžaduje autorizaci, a autorizace není nastavená na úrovni pracovního prostoru AzureML, je container_registry povinné.

from_dockerfile

Vytvořte objekt prostředí ze souboru Dockerfile s volitelnými závislostmi pythonu.

Pokud zadáte conda_specification nebo pip_requirements, přidá se do prostředí vrstva Pythonu. conda_specification a pip_requirements se vzájemně vylučují.

static from_dockerfile(name, dockerfile, conda_specification=None, pip_requirements=None)

Parametry

Name Description
name
Vyžadováno
str

Název prostředí.
dockerfile
Vyžadováno
str

Obsah souboru Dockerfile nebo cesta k souboru
conda_specification
str

soubor specifikace conda.

výchozí hodnota: None
pip_requirements
str

pip requirements file.

výchozí hodnota: None

Návraty

Typ Description
Environment

Objekt prostředí.

from_existing_conda_environment

Vytvořte objekt prostředí vytvořený z místně existujícího prostředí Conda.

Pokud chcete získat seznam existujících prostředí Conda, spusťte příkaz conda env list. Další informace najdete v tématu Správa prostředí v uživatelské příručce pro conda.

static from_existing_conda_environment(name, conda_environment_name)

Parametry

Name Description
name
Vyžadováno
str

Název prostředí.
conda_environment_name
Vyžadováno
str

Název místně existujícího prostředí Conda.

Návraty

Typ Description
Environment

Objekt prostředí nebo None, pokud export souboru specifikace conda selže.

from_pip_requirements

Vytvořte objekt prostředí vytvořený ze souboru požadavků pip.

Pokud není zadána pip_version , přidá se neodepnutá závislost pip.

static from_pip_requirements(name, file_path, pip_version=None)

Parametry

Name Description
name
Vyžadováno
str

Název prostředí.
file_path
Vyžadováno
str

Cesta k souboru pip.
pip_version
str

Verze Pipu pro prostředí Conda.

výchozí hodnota: None

Návraty

Typ Description
Environment

Objekt prostředí.

get

Vraťte objekt prostředí.

Pokud je zadaný popisek, vrátí se objekt dříve označený hodnotou. Lze zadat pouze jeden z parametrů verze nebo popisku. Pokud dojde k vynechání obojího, vrátí se nejnovější verze objektu Environment.

static get(workspace, name, version=None, label=None)

Parametry

Name Description
workspace
Vyžadováno
Workspace

Pracovní prostor, který obsahuje prostředí.
name
Vyžadováno
str

Název prostředí, které se má vrátit.
version
str

Verze prostředí, která se má vrátit.

výchozí hodnota: None
label
str

Hodnota popisku prostředí.

výchozí hodnota: None

Návraty

Typ Description
Environment

Objekt prostředí.

get_image_details

Vraťte podrobnosti o obrázku.

get_image_details(workspace)

Parametry

Name Description
workspace
Vyžadováno
Workspace

Pracovní prostor.

Návraty

Typ Description
DockerImageDetails

Vrátí podrobnosti o obrázku jako dikt.

label

Objekt prostředí v pracovním prostoru označte zadanými hodnotami.

static label(workspace, name, version, labels)

Parametry

Name Description
workspace
Vyžadováno
Workspace

U pracovního prostoru
name
Vyžadováno
str

Název prostředí
version
Vyžadováno
str

Verze prostředí
labels
Vyžadováno
list[str]

Hodnoty k označení Prostředí pomocí

list

Vrátí slovník obsahující prostředí v pracovním prostoru.

static list(workspace)

Parametry

Name Description
workspace
Vyžadováno
Workspace

Pracovní prostor, ze kterého chcete vypsat prostředí.

Návraty

Typ Description
<xref:builtin.dict>[str, Environment]

Slovník objektů prostředí.

load_from_directory

Načtěte definici prostředí ze souborů v adresáři.

static load_from_directory(path)

Parametry

Name Description
path
Vyžadováno
str

Cesta ke zdrojovému adresáři

register

Zaregistrujte objekt prostředí v pracovním prostoru.

register(workspace)

Parametry

Name Description
workspace
Vyžadováno
Workspace

U pracovního prostoru
name
Vyžadováno
str

Návraty

Typ Description
Environment

Vrátí objekt prostředí.

save_to_directory

Uložte definici prostředí do adresáře ve snadno upravitelném formátu.

save_to_directory(path, overwrite=False)

Parametry

Name Description
path
Vyžadováno
str

Cesta k cílovému adresáři
overwrite
bool

Pokud by měl být existující adresář přepsán. Výchozí hodnota je false.

výchozí hodnota: False

Atributy

environment_variables

K nastavení proměnných modulu runtime použijte objekt azureml.core.RunConfiguration.