ContainerImage Clase
Representa una imagen de contenedor, actualmente solo para imágenes de Docker.
Esta clase está en DESUSO. Utilice la clase Environment en su lugar.
La imagen contiene las dependencias necesarias para ejecutar el modelo, por ejemplo:
El entorno de ejecución.
Las definiciones del entorno de Python especificadas en un archivo de Conda.
La capacidad de habilitar la compatibilidad con la GPU.
El archivo de Docker personalizado para comandos de ejecución específicos.
Constructor de imagen.
Esta clase está en DESUSO. Utilice la clase Environment en su lugar.
El constructor image se usa para recuperar una representación en la nube de un objeto Image asociado al área de trabajo proporcionada. Devolverá una instancia de una clase secundaria correspondiente al tipo específico del objeto Image recuperado.
- Herencia
-
ContainerImage
Constructor
ContainerImage(workspace, name=None, id=None, tags=None, properties=None, version=None)
Parámetros
- workspace
- Workspace
El objeto del área de trabajo que contiene la imagen que se va a recuperar.
- name
- str
El nombre de la imagen que se va a recuperar. Devolverá la versión más reciente, si existe.
- id
- str
El identificador específico de la imagen que se va a recuperar. (El identificador es ":")
- tags
- list
Filtrará los resultados de la imagen en función de la lista proporcionada, ya sea por "clave" o "[clave, valor]". Por ejemplo, ["clave", ["calve2", "valor de clave2"]]
- properties
- list
Filtrará los resultados de la imagen en función de la lista proporcionada, ya sea por "clave" o "[clave, valor]". Por ejemplo, ["clave", ["clave2", "valor de clave2"]]
- version
- str
Cuando se especifican la versión y el nombre, devolverá la versión específica de la imagen.
Comentarios
Un objeto ContainerImage se recupera mediante el constructor de clase Image pasando el nombre o el identificador de un objeto ContainerImage creado previamente. En el ejemplo de código siguiente se muestra una recuperación de imagen de un área de trabajo por nombre e identificador.
container_image_from_name = Image(workspace, name="image-name")
container_image_from_id = Image(workspace, id="image-id")
Para crear una nueva configuración de imagen que se usará en una implementación, cree un objeto ContainerImageConfig como se muestra en el ejemplo de código siguiente:
from azureml.core.image import ContainerImage
image_config = ContainerImage.image_configuration(execution_script="score.py",
runtime="python",
conda_file="myenv.yml",
description="image for model",
cuda_version="9.0"
)
Métodos
image_configuration |
Se crea y devuelve un objeto ContainerImageConfig. Esta función acepta parámetros para definir cómo se debe ejecutar el modelo en el servicio web, así como el entorno y las dependencias específicos que debe poder ejecutar. |
run |
Se ejecuta la imagen localmente con los datos de entrada dados. Se debe tener Docker instalado y en ejecución para que esto funcione. Este método solo funcionará en la CPU, ya que la imagen habilitada para GPU solo se puede ejecutar en servicios de Microsoft Azure. |
serialize |
Convierte este objeto de ContainerImage en un diccionario serializado JSON. |
image_configuration
Se crea y devuelve un objeto ContainerImageConfig.
Esta función acepta parámetros para definir cómo se debe ejecutar el modelo en el servicio web, así como el entorno y las dependencias específicos que debe poder ejecutar.
static image_configuration(execution_script, runtime, conda_file=None, docker_file=None, schema_file=None, dependencies=None, enable_gpu=None, tags=None, properties=None, description=None, base_image=None, base_image_registry=None, cuda_version=None)
Parámetros
- execution_script
- str
Ruta de acceso al archivo de Python local que contiene el código que se ejecuta para la imagen. Debe incluir las funciones init() y run(input_data) que definen los pasos de ejecución del modelo para el servicio web.
- runtime
- str
Runtime que se usará para la imagen. Los runtimes admitidos actualmente son "spark-py" y "python".
- conda_file
- str
Ruta de acceso al archivo .yml local que contiene una definición de entorno de Conda que se usará para la imagen.
- docker_file
- str
Ruta de acceso al archivo local que contiene los pasos de Docker adicionales que se deben ejecutar al configurar la imagen.
- schema_file
- str
Ruta de acceso al archivo local que contiene un esquema de servicio web que se va a usar cuando se implementa la imagen. Se usa para generar especificaciones de Swagger para una implementación de modelo.
Lista de rutas de acceso a archivos o carpetas adicionales que debe ejecutar la imagen.
- enable_gpu
- bool
determina si se habilita o no la compatibilidad con GPU en la imagen. La imagen GPU se debe usar en servicios de Microsoft Azure como Azure Container Instances, Azure Machine Learning Compute, Azure Virtual Machines y Azure Kubernetes Service. El valor predeterminado es False.
Diccionario de etiquetas de valor de clave para proporcionar esta imagen.
Diccionario de propiedades de valor de clave para proporcionar esta imagen. Estas propiedades no se pueden cambiar después de la implementación, pero se pueden agregar nuevos pares clave-valor.
- base_image
- str
una imagen personalizada que se usará como imagen base. Si no se especifica ninguna imagen base, la imagen base se usará en función del parámetro de runtime proporcionado.
- base_image_registry
- ContainerRegistry
registro de imágenes que contiene la imagen base.
- cuda_version
- str
versión de CUDA que se debe instalar para las imágenes que requieren compatibilidad con GPU. La imagen GPU se debe usar en servicios de Microsoft Azure como Azure Container Instances, Azure Machine Learning Compute, Azure Virtual Machines y Azure Kubernetes Service. Las versiones compatibles son 9.0, 9.1 y 10.0. Si se establece "enable_gpu", el valor predeterminado es "9.1".
Devoluciones
Objeto de configuración que se usará al crear la imagen.
Tipo de valor devuelto
Excepciones
run
Se ejecuta la imagen localmente con los datos de entrada dados.
Se debe tener Docker instalado y en ejecución para que esto funcione. Este método solo funcionará en la CPU, ya que la imagen habilitada para GPU solo se puede ejecutar en servicios de Microsoft Azure.
run(input_data)
Parámetros
- input_data
- <xref:varies>
Datos de entrada que se pasarán a la imagen cuando se ejecute.
Devoluciones
Resultados de la ejecución de la imagen.
Tipo de valor devuelto
Excepciones
serialize
Convierte este objeto de ContainerImage en un diccionario serializado JSON.
serialize()
Devoluciones
Representación JSON de este objeto ContainerImage.
Tipo de valor devuelto
Excepciones
Comentarios
https://aka.ms/ContentUserFeedback.
Próximamente: A lo largo de 2024 iremos eliminando gradualmente GitHub Issues como mecanismo de comentarios sobre el contenido y lo sustituiremos por un nuevo sistema de comentarios. Para más información, vea:Enviar y ver comentarios de