Environment Clase
Configura un entorno de Python reproducible para experimentos de aprendizaje automático.
Un entorno define los paquetes de Python, las variables de entorno y la configuración de Docker que se usan en los experimentos de aprendizaje automático, incluida la preparación de datos, el entrenamiento y la implementación en un servicio web. Un entorno se administra y se crean sus versiones en un elemento Workspace de Azure Machine Learning. Puede actualizar un entorno existente y recuperar una versión para reutilizarla. Los entornos son exclusivos del área de trabajo en la que se crean y no se pueden usar en distintas áreas de trabajo.
Para más información sobre los entornos, consulte Creación y administración de entornos reutilizables.
Constructor de entorno de clase.
- Herencia
-
azureml._base_sdk_common.abstract_run_config_element._AbstractRunConfigElementEnvironment
Constructor
Environment(name, **kwargs)
Parámetros
- name
- string
El nombre del entorno.
Nota
No comience el nombre del entorno con "Microsoft" o "AzureML". Los prefijos "Microsoft" y "AzureML" están reservados para entornos seleccionados. Para más información sobre los entornos seleccionados, consulte Creación y uso de entornos de software en Azure Machine Learning.
Comentarios
Azure Machine Learning proporciona entornos mantenidos, que son entornos predefinidos que ofrecen buenos puntos de partida para crear sus propios entornos. Los entornos mantenidos están respaldados por imágenes de Docker en caché, lo que reduce el costo de preparación de la ejecución. Para más información sobre los entornos seleccionados, consulte Creación y uso de entornos de software en Azure Machine Learning.
Hay varias maneras de crear el entorno en Azure Machine Learning, entre ellas, cuando:
Se inicializa un nuevo objeto de entorno.
Se usa uno de los métodos de clase Environment: from_conda_specification, from_pip_requirements o from_existing_conda_environment.
Se usa el método submit de la clase Experiment para enviar una ejecución de experimento sin especificar un entorno, por ejemplo, con un objeto Estimator.
En el siguiente ejemplo, se muestra cómo crear una instancia de un nuevo entorno.
from azureml.core import Environment
myenv = Environment(name="myenv")
Para administrar un entorno, regístrelo. Esto le permite realizar un seguimiento de las versiones del entorno y reutilizarlas en futuras ejecuciones.
myenv.register(workspace=ws)
Para ver más ejemplos de cómo trabajar con entornos, consulte Uso de entornos de Jupyter Notebook.
Variables
- Environment.databricks
La sección configura las dependencias de la biblioteca azureml.core.databricks.DatabricksSection.
- docker
- DockerSection
En esta sección, se configuran los valores relacionados con la imagen final de Docker creada según las especificaciones del entorno y se indica si se van a usar contenedores de Docker para crear el entorno.
- inferencing_stack_version
- string
En esta sección, se especifica la versión de la pila de inferencia agregada a la imagen. Para evitar agregar una pila de inferencia, no establezca este valor. Valor válido: "latest" (más reciente).
- python
- PythonSection
En esta sección se especifica qué entorno e intérprete de Python se usarán en el proceso de destino.
- spark
- SparkSection
Sección que define la configuración de Spark. Solo se usa cuando el marco se establece en PySpark.
- r
- RSection
En esta sección, se especifica qué entorno de R se usará en el destino de proceso.
- version
- string
Versión del entorno.
- asset_id
- string
Identificador del recurso. Se rellena cuando se registra un entorno.
Métodos
add_private_pip_wheel |
Carga el archivo de rueda de pip privada en disco en el blob de almacenamiento de Azure asociado al área de trabajo. Produce una excepción si ya existe una rueda de pip privada con el mismo nombre en el blob de almacenamiento del área de trabajo. |
build |
Crea una imagen de Docker para este entorno en la nube. |
build_local |
Compila el entorno local de Docker o Conda. |
clone |
Clona el objeto de entorno. Devuelve una nueva instancia del objeto de entorno con un nuevo nombre. |
from_conda_specification |
Crea un objeto de entorno a partir de un archivo YAML de especificación de entorno. Para obtener un archivo YAML de especificación de entorno, consulte Administración de entornos en la guía del usuario de Conda. |
from_docker_build_context |
Cree un objeto de entorno a partir de un contexto de compilación de Docker. |
from_docker_image |
Crea un objeto de entorno a partir de una imagen de Docker base con funciones opcionales de Python. La capa de Python se agregará al entorno si se especifica conda_specification o pip_requirements. conda_specification y pip_requirements son mutuamente excluyentes. |
from_dockerfile |
Cree un objeto de entorno a partir de un Dockerfile con dependencias opcionales de Python. La capa de Python se agregará al entorno si se especifica conda_specification o pip_requirements. conda_specification y pip_requirements son mutuamente excluyentes. |
from_existing_conda_environment |
Crea un objeto de entorno a partir de un entorno de Conda existente localmente. Para obtener una lista de los entornos de Conda existentes, ejecute |
from_pip_requirements |
Crea un objeto de entorno creado a partir de un archivo de requisitos de pip. Si se especifica pip_version, se agregará una dependencia de pip desanclada. |
get |
Devuelve el objeto de entorno. Si se especifica la etiqueta, se devolverá el objeto etiquetado previamente con el valor. Solo se puede especificar un parámetro de versión o de etiqueta. Si faltan ambos, se devolverá la versión más reciente del objeto Environment. |
get_image_details |
Devuelve los detalles de la imagen. |
label |
Etiqueta el objeto de entorno del área de trabajo con los valores especificados. |
list |
Devuelve un diccionario que contiene los entornos del área de trabajo. |
load_from_directory |
Carga una definición de entorno a partir de los archivos de un directorio. |
register |
Registra el objeto de entorno en el área de trabajo. |
save_to_directory |
Guarda una definición de entorno en un directorio en un formato fácilmente editable. |
add_private_pip_wheel
Carga el archivo de rueda de pip privada en disco en el blob de almacenamiento de Azure asociado al área de trabajo.
Produce una excepción si ya existe una rueda de pip privada con el mismo nombre en el blob de almacenamiento del área de trabajo.
static add_private_pip_wheel(workspace, file_path, exist_ok=False)
Parámetros
- workspace
- Workspace
Objeto de área de trabajo que se usará para registrar la rueda de pip privada.
- file_path
- str
Ruta de acceso a la rueda de pip local en disco, incluida la extensión de archivo.
- exist_ok
- bool
Indica si se debe producir una excepción si la rueda ya existe.
Devoluciones
Devuelve el identificador URI completo de la rueda de pip cargada en Azure Blob Storage que se usará en las dependencias de Conda.
Tipo de valor devuelto
build
Crea una imagen de Docker para este entorno en la nube.
build(workspace, image_build_compute=None)
Parámetros
- workspace
- Workspace
Área de trabajo e instancia de Azure Container Registry asociada donde se almacena la imagen.
- image_build_compute
- str
Nombre de proceso donde se llevará a cabo la creación de la imagen
Devoluciones
Devuelve el objeto de detalles de compilación de la imagen.
Tipo de valor devuelto
build_local
Compila el entorno local de Docker o Conda.
build_local(workspace, platform=None, **kwargs)
Parámetros
- platform
- str
Plataforma. Linux, Windows u OSX. De manera predeterminada, se usará la plataforma actual.
Devoluciones
Transmite la salida de Docker en curso o la salida integrada de Conda a la consola.
Tipo de valor devuelto
Comentarios
En los ejemplos siguientes, se muestra cómo crear un entorno local. Asegúrese de que se cree una instancia del área de trabajo como un objeto azureml.core.workspace.Workspace válido.
Creación de un entorno de Conda local
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace)
Creación de un entorno de Docker local
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True)
Creación de la imagen de Docker localmente y su inserción opcional en el registro de contenedor asociado al área de trabajo
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True, pushImageToWorkspaceAcr=True)
clone
Clona el objeto de entorno.
Devuelve una nueva instancia del objeto de entorno con un nuevo nombre.
clone(new_name)
Parámetros
Devoluciones
Nuevo objeto de entorno
Tipo de valor devuelto
from_conda_specification
Crea un objeto de entorno a partir de un archivo YAML de especificación de entorno.
Para obtener un archivo YAML de especificación de entorno, consulte Administración de entornos en la guía del usuario de Conda.
static from_conda_specification(name, file_path)
Parámetros
Devoluciones
Objeto de entorno.
Tipo de valor devuelto
from_docker_build_context
Cree un objeto de entorno a partir de un contexto de compilación de Docker.
static from_docker_build_context(name, docker_build_context)
Parámetros
Devoluciones
Objeto de entorno.
Tipo de valor devuelto
from_docker_image
Crea un objeto de entorno a partir de una imagen de Docker base con funciones opcionales de Python.
La capa de Python se agregará al entorno si se especifica conda_specification o pip_requirements. conda_specification y pip_requirements son mutuamente excluyentes.
static from_docker_image(name, image, container_registry=None, conda_specification=None, pip_requirements=None)
Parámetros
- container_registry
- ContainerRegistry
Detalles del repositorio de contenedor privado.
Devoluciones
Objeto de entorno.
Tipo de valor devuelto
Comentarios
Si la imagen base es del repositorio privado que requiere autorización y la autorización no está establecida en el nivel de área de trabajo de AzureML, se necesita container_registry.
from_dockerfile
Cree un objeto de entorno a partir de un Dockerfile con dependencias opcionales de Python.
La capa de Python se agregará al entorno si se especifica conda_specification o pip_requirements. conda_specification y pip_requirements son mutuamente excluyentes.
static from_dockerfile(name, dockerfile, conda_specification=None, pip_requirements=None)
Parámetros
Devoluciones
Objeto de entorno.
Tipo de valor devuelto
from_existing_conda_environment
Crea un objeto de entorno a partir de un entorno de Conda existente localmente.
Para obtener una lista de los entornos de Conda existentes, ejecute conda env list
. Para más información, consulte Administración de entornos en la guía del usuario de Conda.
static from_existing_conda_environment(name, conda_environment_name)
Parámetros
Devoluciones
Objeto de entorno o None (Ninguno) si se produce un error al exportar el archivo de especificación de Conda.
Tipo de valor devuelto
from_pip_requirements
Crea un objeto de entorno creado a partir de un archivo de requisitos de pip.
Si se especifica pip_version, se agregará una dependencia de pip desanclada.
static from_pip_requirements(name, file_path, pip_version=None)
Parámetros
Devoluciones
Objeto de entorno.
Tipo de valor devuelto
get
Devuelve el objeto de entorno.
Si se especifica la etiqueta, se devolverá el objeto etiquetado previamente con el valor. Solo se puede especificar un parámetro de versión o de etiqueta. Si faltan ambos, se devolverá la versión más reciente del objeto Environment.
static get(workspace, name, version=None, label=None)
Parámetros
Devoluciones
Objeto de entorno.
Tipo de valor devuelto
get_image_details
Devuelve los detalles de la imagen.
get_image_details(workspace)
Parámetros
Devoluciones
Devuelve los detalles de la imagen como un diccionario.
Tipo de valor devuelto
label
Etiqueta el objeto de entorno del área de trabajo con los valores especificados.
static label(workspace, name, version, labels)
Parámetros
list
Devuelve un diccionario que contiene los entornos del área de trabajo.
static list(workspace)
Parámetros
Devoluciones
Diccionario de objetos de entorno.
Tipo de valor devuelto
load_from_directory
Carga una definición de entorno a partir de los archivos de un directorio.
static load_from_directory(path)
Parámetros
register
Registra el objeto de entorno en el área de trabajo.
register(workspace)
Parámetros
- name
- str
Devoluciones
Devuelve el objeto de entorno.
Tipo de valor devuelto
save_to_directory
Guarda una definición de entorno en un directorio en un formato fácilmente editable.
save_to_directory(path, overwrite=False)
Parámetros
- overwrite
- bool
Indica si se debe sobrescribir un directorio existente. El valor predeterminado es false.
Atributos
environment_variables
Use el objeto azureml.core.RunConfiguration para establecer variables en tiempo de ejecución.
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