Environment Osztály

Reprodukálható Python-környezetet konfigurál gépi tanulási kísérletekhez.

A környezetek a gépi tanulási kísérletekben használt Python-csomagokat, környezeti változókat és Docker-beállításokat definiálják, beleértve az adat-előkészítést, a betanításokat és a webszolgáltatásban való üzembe helyezést. A környezetek kezelése és verziószáma egy Workspace Azure Machine Learning. Frissíthet egy meglévő környezetet, és lekérhet egy verziót az újbóli felhasználáshoz. A környezetek csak arra a munkaterületre vannak kizáróan, ahol létrehozták őket, és nem használhatók különböző munkaterületeken.

További információ a környezetekkel kapcsolatban: Újrahasználható környezetek létrehozása és kezelése.

Öröklődés
azureml._base_sdk_common.abstract_run_config_element._AbstractRunConfigElement
Environment

Konstruktor

Environment(name, **kwargs)

Paraméterek

name
string
Kötelező

A környezet neve.

Megjegyzés

Ne indítsa el a környezet nevét a "Microsoft" vagy az "AzureML" használatával. A "Microsoft" és az "AzureML" előtagok összerendelt környezetekhez vannak fenntartva. A összecsatolható környezetekkel kapcsolatos további információkért lásd: Újrahasználható környezetek létrehozása és kezelése.

Megjegyzések

Azure Machine Learning környezeteket biztosít, amelyek előre meghatározott környezetek, amelyek jó kiindulási pontokat kínálnak saját környezetek építéséhez. A rendszer gyorsítótárazott Docker-rendszerképekkel rendelkező, összecsukott környezeteket tartalmaz, ami alacsonyabb futtatás-előkészítési költségeket biztosít. A összecsatolható környezetekkel kapcsolatos további információkért lásd: Újrahasználható környezetek létrehozása és kezelése.

A környezet többféleképpen is létrejön a Azure Machine Learning, többek között a következőkor:

Az alábbi példa bemutatja, hogyan példányosulhat egy új környezet.


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

A környezeteket regisztrációval kezelheti. Így nyomon követheti a környezet verzióit, és a későbbi futtatás során újra felhasználhatja őket.


   myenv.register(workspace=ws)

A környezetek használatának további mintáiért lásd: Jupyter Notebook környezetek használata.

Változók

Environment.databricks

A szakasz az azureml.core.databricks.DatabricksSection kódtárfüggőségeket konfigurálja.

docker
DockerSection

Ez a szakasz a környezet specifikációinak megfelelően készült végleges Docker-rendszerképhez kapcsolódó beállításokat konfigurálja, valamint azt, hogy docker-tárolókat kell-e használni a környezet felépítéséhez.

inferencing_stack_version
string

Ez a szakasz a lemezképhez hozzáadott következtetési veremverziót határozza meg. A következtetési verem hozzáadásának elkerüléséhez ne állítsa be ezt az értéket. Érvényes érték: "latest".

environment_variables
<xref:dict>

Környezeti változók nevének és értékeinek szótára. Ezek a környezeti változók arra a folyamatra vannak beállítva, amelyben a felhasználói szkript végre van hajtva.

python
PythonSection

Ez a szakasz határozza meg, hogy melyik Python-környezetet és -értelmezőt használja a célként megadott számításhoz.

spark
SparkSection

A szakasz a Spark beállításait konfigurálja. Csak akkor használatos, ha a keretrendszer PySparkra van beállítva.

r
RSection

Ez a szakasz határozza meg, hogy melyik R-környezetet használja a célként megadott számításhoz.

version
string

A környezet verziója.

Metódusok

add_private_pip_wheel

Töltse fel a lemezen lévő privát pip wheel-fájlt a munkaterülethez csatolt Azure Storage-blobba.

Kivételt ad vissza, ha már létezik ilyen nevű privát pip wheel a munkaterület tárolóblobban.

build

Docker-rendszerképet építhet ehhez a környezethez a felhőben.

build_local

A helyi Docker- vagy Conda-környezet összeállítása.

clone

Klónozza a környezeti objektumot.

Egy új nevű környezeti objektum új példányát adja vissza.

from_conda_specification

Hozzon létre környezeti objektumot egy környezeti specifikációs YAML-fájlból.

A környezet specifikációs YAML-fájlját a Conda felhasználói útmutató környezetek kezelésével kapcsolatos útmutatójában talál.

from_docker_image

Hozzon létre környezeti objektumot egy alap Docker-rendszerképből választható Python-függő elemekkel.

A Python-réteg akkor lesz hozzáadva a környezethez, conda_specification vagy pip_requirements van megadva. conda_specification és pip_requirements kölcsönösen kizárják egymást.

from_dockerfile

Hozzon létre környezeti objektumot egy dockerfile-ból választható Python-függő elemekkel.

A Python-réteg akkor lesz hozzáadva a környezethez, conda_specification vagy pip_requirements van megadva. conda_specification és pip_requirements kölcsönösen kizárják egymást.

from_existing_conda_environment

Hozzon létre egy helyileg meglévő Conda-környezetből létrehozott környezeti objektumot.

A meglévő Conda-környezetek listáját a futtatásával lehet lekérte. conda env list További információ: Környezetek kezelése a Conda felhasználói útmutatóban.

from_pip_requirements

Hozzon létre egy környezeti objektumot, amely egy pip-követelmények fájlból jön létre.

A nem rögzített pip-függőség akkor lesz hozzáadva, pip_version nincs megadva.

get

Adja vissza a környezeti objektumot.

Ha a címke meg van adva, a visszaadott objektum, amely korábban az értékkel van megcímkézve. Csak egy verzió- vagy címkeparamétert lehet megadni. Ha mindkettő hiányzik, a rendszer az Environment objektum legújabb verzióját fogja visszaadni.

get_image_details

Adja vissza a kép részleteit.

label

Címkézze fel a munkaterület környezeti objektumát a megadott értékekkel.

list

A munkaterületen lévő környezeteket tartalmazó szótár visszaadása.

load_from_directory

Töltsön be egy környezeti definíciót a könyvtárban lévő fájlokból.

register

Regisztrálja a környezeti objektumot a munkaterületen.

save_to_directory

Környezeti definíció mentése egy könnyen szerkeszthető formátumban egy könyvtárba.

add_private_pip_wheel

Töltse fel a lemezen lévő privát pip wheel-fájlt a munkaterülethez csatolt Azure Storage-blobba.

Kivételt ad vissza, ha már létezik ilyen nevű privát pip wheel a munkaterület tárolóblobban.

add_private_pip_wheel(workspace, file_path, exist_ok=False)

Paraméterek

workspace
Workspace
Kötelező

A privát pipkerék regisztrálásához használt munkaterület-objektum.

file_path
<xref:str>
Kötelező

A lemez helyi pipkerekének elérési útja, beleértve a fájlkiterjesztést is.

exist_ok
<xref:bool>
alapértelmezett érték: False

Azt jelzi, hogy kivételt ad-e vissza, ha a kerek már létezik.

Válaszok

A Conda-függőségek által használt teljes URI-t adja vissza az Azure Blob Storage feltöltött pip kerekére.

Visszatérési típus

<xref:str>

build

Docker-rendszerképet építhet ehhez a környezethez a felhőben.

build(workspace, image_build_compute=None)

Paraméterek

workspace
Workspace
Kötelező

A munkaterület és a hozzá tartozó Azure Container Registry, ahol a rendszerkép tárolva van.

image_build_compute
<xref:str>
alapértelmezett érték: None

A számítási név, ahol a rendszerkép összeállítása történik

Válaszok

A rendszerkép build részletei objektumát adja vissza.

Visszatérési típus

build_local

A helyi Docker- vagy Conda-környezet összeállítása.

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

Paraméterek

workspace
Workspace
Kötelező

A munkaterület.

platform
<xref:str>
alapértelmezett érték: None

Platform. Linux, Windows OSX egyike. A rendszer alapértelmezés szerint az aktuális platformot használja.

kwargs
<xref:dict>
Kötelező

Speciális kulcsszavas argumentumok

Válaszok

adatfolyamok a docker vagy a Conda által a konzolon készült kimenetet.

Visszatérési típus

<xref:str>

Megjegyzések

Az alábbi példák a helyi környezetek felépítését mutatják be. Győződjön meg arról, hogy a munkaterület példánya érvényes azureml.core.workspace.Workspace objektumként van példányosul

Helyi Conda-környezet kiépítése


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

Helyi Docker-környezet összeállítása


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

Docker-rendszerkép helyi összeállítása és igény szerint leküldése a munkaterülethez társított tároló-beállításjegyzékbe


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

clone

Klónozza a környezeti objektumot.

Egy új nevű környezeti objektum új példányát adja vissza.

clone(new_name)

Paraméterek

new_name
<xref:str>
Kötelező

Új környezet neve

Válaszok

Új környezeti objektum

Visszatérési típus

from_conda_specification

Hozzon létre környezeti objektumot egy környezeti specifikációs YAML-fájlból.

A környezet specifikációs YAML-fájlját a Conda felhasználói útmutató környezetek kezelésével kapcsolatos útmutatójában talál.

from_conda_specification(name, file_path)

Paraméterek

name
<xref:str>
Kötelező

A környezet neve.

file_path
<xref:str>
Kötelező

A Conda-környezet YAML-fájl elérési útja.

Válaszok

A környezeti objektum.

Visszatérési típus

from_docker_image

Hozzon létre környezeti objektumot egy alap Docker-rendszerképből választható Python-függő elemekkel.

A Python-réteg akkor lesz hozzáadva a környezethez, conda_specification vagy pip_requirements van megadva. conda_specification és pip_requirements kölcsönösen kizárják egymást.

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

Paraméterek

name
<xref:str>
Kötelező

A környezet neve.

image
<xref:str>
Kötelező

teljes rendszerképnév.

conda_specification
<xref:str>
alapértelmezett érték: None

Conda-specifikációs fájl.

container_registry
ContainerRegistry
alapértelmezett érték: None

privát tároló adattárának részletei.

pip_requirements
<xref:str>
alapértelmezett érték: None

pip-követelmények fájlja.

Válaszok

A környezeti objektum.

Visszatérési típus

Megjegyzések

Ha az alapként szolgáló rendszerkép engedélyezést igénylő privát adattárból van, és az engedélyezés nincs beállítva az AzureML-munkaterület szintjén, container_registry szükséges

from_dockerfile

Hozzon létre környezeti objektumot egy dockerfile-ból választható Python-függő elemekkel.

A Python-réteg akkor lesz hozzáadva a környezethez, conda_specification vagy pip_requirements van megadva. conda_specification és pip_requirements kölcsönösen kizárják egymást.

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

Paraméterek

name
<xref:str>
Kötelező

A környezet neve.

dockerfile
<xref:str>
Kötelező

dockerfile-tartalom vagy a fájl elérési útja.

conda_specification
<xref:str>
alapértelmezett érték: None

Conda-specifikációs fájl.

pip_requirements
<xref:str>
alapértelmezett érték: None

pip-követelmények fájlja.

Válaszok

A környezeti objektum.

Visszatérési típus

from_existing_conda_environment

Hozzon létre egy helyileg meglévő Conda-környezetből létrehozott környezeti objektumot.

A meglévő Conda-környezetek listáját a futtatásával lehet lekérte. conda env list További információ: Környezetek kezelése a Conda felhasználói útmutatóban.

from_existing_conda_environment(name, conda_environment_name)

Paraméterek

name
<xref:str>
Kötelező

A környezet neve.

conda_environment_name
<xref:str>
Kötelező

Egy helyileg meglévő Conda-környezet neve.

Válaszok

A környezeti objektum vagy a Nincs, ha a Conda-specifikációs fájl exportálása sikertelen.

Visszatérési típus

from_pip_requirements

Hozzon létre egy környezeti objektumot, amely egy pip-követelmények fájlból jön létre.

A nem rögzített pip-függőség akkor lesz hozzáadva, pip_version nincs megadva.

from_pip_requirements(name, file_path, pip_version=None)

Paraméterek

name
<xref:str>
Kötelező

A környezet neve.

file_path
<xref:str>
Kötelező

A pip-követelmények fájl elérési útja.

pip_version
<xref:str>
alapértelmezett érték: None

Pip-verzió a Conda-környezethez.

Válaszok

A környezeti objektum.

Visszatérési típus

get

Adja vissza a környezeti objektumot.

Ha a címke meg van adva, a visszaadott objektum, amely korábban az értékkel van megcímkézve. Csak egy verzió- vagy címkeparamétert lehet megadni. Ha mindkettő hiányzik, a rendszer az Environment objektum legújabb verzióját fogja visszaadni.

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

Paraméterek

workspace
Workspace
Kötelező

A környezetet tartalmazó munkaterület.

name
<xref:str>
Kötelező

A visszaadott környezet neve.

version
<xref:str>
alapértelmezett érték: None

A visszaadott környezet verziója.

label
<xref:str>
alapértelmezett érték: None

Környezeti címke értéke.

Válaszok

A környezeti objektum.

Visszatérési típus

get_image_details

Adja vissza a kép részleteit.

get_image_details(workspace)

Paraméterek

workspace
Workspace
Kötelező

A munkaterület.

Válaszok

A kép részleteit adja vissza diktálásként

Visszatérési típus

label

Címkézze fel a munkaterület környezeti objektumát a megadott értékekkel.

label(workspace, name, version, labels)

Paraméterek

workspace
Workspace
Kötelező

A(z)

name
<xref:str>
Kötelező

Környezet neve

version
<xref:str>
Kötelező

Környezet verziója

labels
list[<xref:str>]
Kötelező

Az Environment címkével felcímkézni

list

A munkaterületen lévő környezeteket tartalmazó szótár visszaadása.

list(workspace)

Paraméterek

workspace
Workspace
Kötelező

A munkaterület, amelyről a környezeteket listába kell sorolni.

Válaszok

Környezeti objektumok szótára.

Visszatérési típus

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

load_from_directory

Töltsön be egy környezeti definíciót a könyvtárban lévő fájlokból.

load_from_directory(path)

Paraméterek

path
<xref:str>
Kötelező

A forráskönyvtár elérési útja.

register

Regisztrálja a környezeti objektumot a munkaterületen.

register(workspace)

Paraméterek

workspace
Workspace
Kötelező

A(z)

name
<xref:str>
Kötelező

Válaszok

A környezeti objektumot adja vissza

Visszatérési típus

save_to_directory

Környezeti definíció mentése egy könnyen szerkeszthető formátumban egy könyvtárba.

save_to_directory(path, overwrite=False)

Paraméterek

path
<xref:str>
Kötelező

A célkönyvtár elérési útja.

overwrite
<xref:bool>
alapértelmezett érték: False

Ha egy meglévő könyvtárat felül kell írni. Az alapértelmezett érték a false (hamis).