Sesión de proceso en el flujo de solicitud
En el flujo de mensajes de Azure Machine Learning, la ejecución de flujos se facilita mediante la sesión de proceso.
Sesiones de proceso
En el flujo de solicitud, las sesiones de proceso sirven como recursos informáticos que permiten a los clientes ejecutar sus flujos sin problemas. Una sesión de proceso está equipada con una imagen de Docker precompilada que incluye nuestras herramientas integradas, lo que garantiza que todas las herramientas necesarias estén disponibles para su ejecución. Azure Machine Learning administra la sesión de proceso, lo que proporciona a los usuarios una manera cómoda y eficaz de ejecutar sus flujos sin necesidad de administrar la infraestructura subyacente.
En el área de trabajo de Azure Machine Learning, los usuarios tienen la opción de crear una sesión de proceso mediante la imagen base predefinida. Esta imagen base está configurada para hacer referencia a la imagen de Docker precompilada, lo que proporciona a los usuarios una manera cómoda y eficaz de empezar. Actualizamos periódicamente la imagen base para asegurarse de que se alinea con la versión más reciente de la imagen de Docker. El cliente también puede agregar paquetes de Python a la imagen base a través del archivo requirements.txt, que se instalará durante la creación de la sesión de proceso e instalarlos manualmente en la sesión de proceso en ejecución.
Para los usuarios que buscan una mayor personalización, el flujo de mensajes ofrece la flexibilidad de crear una imagen base personalizada. Al usar nuestra imagen de Docker precompilada como base, los usuarios pueden personalizar fácilmente su imagen agregando sus paquetes preferidos, configuraciones u otras dependencias. Una vez personalizado, el entorno se puede publicar como una imagen base personalizada en el área de trabajo de Azure Machine Learning, lo que permite a los usuarios crear una sesión de proceso basada en su imagen base personalizada.
Además de la ejecución del flujo, la sesión de proceso también se usa para validar y garantizar la precisión y la funcionalidad de las herramientas incorporadas en el flujo, cuando los usuarios realizan actualizaciones en el contenido del mensaje o del código.