Memahami lingkungan

  • 6 menit

Dalam solusi pembelajaran mesin perusahaan, di mana eksperimen dapat dijalankan dalam berbagai konteks komputasi, penting untuk mengetahui lingkungan tempat kode eksperimen Anda berjalan. Anda dapat menggunakan lingkungan Azure Pembelajaran Mesin untuk membuat lingkungan dan menentukan konfigurasi runtime untuk eksperimen.

Saat Anda membuat ruang kerja Azure Pembelajaran Mesin, lingkungan yang dikumpulkan secara otomatis dibuat dan tersedia untuk Anda. Atau, Anda dapat membuat dan mengelola lingkungan kustom Anda sendiri dan mendaftarkannya di ruang kerja. Membuat dan mendaftarkan lingkungan kustom memungkinkan untuk menentukan konteks runtime yang konsisten dan dapat digunakan kembali untuk eksperimen Anda - terlepas dari tempat skrip eksperimen dijalankan.

Apa itu lingkungan di Azure Pembelajaran Mesin?

Kode Python berjalan dalam konteks lingkungan virtual yang menentukan versi runtime Python yang akan digunakan serta paket terinstal yang tersedia untuk kode tersebut. Di sebagian besar penginstalan Python, paket diinstal dan dikelola di lingkungan menggunakan conda atau pip.

Untuk meningkatkan portabilitas, Anda biasanya membuat lingkungan di kontainer Docker yang pada gilirannya dihosting pada target komputasi, seperti komputer pengembangan, komputer virtual, atau kluster di cloud.

Diagram of environments, in containers, in compute targets.

Azure Machine Learning membangun definisi lingkungan ke dalam gambar Docker dan lingkungan conda. Saat Anda menggunakan lingkungan, Azure Pembelajaran Mesin membangun lingkungan pada registri Kontainer Azure yang terkait dengan ruang kerja.

Tip

Saat membuat ruang kerja Azure Pembelajaran Mesin, Anda dapat memilih apakah akan menggunakan registri Azure Container yang sudah ada, atau apakah akan membiarkan ruang kerja membuat registri baru untuk Anda saat diperlukan.

Untuk melihat semua lingkungan yang tersedia dalam ruang kerja Azure Pembelajaran Mesin, Anda dapat mencantumkan lingkungan di studio, menggunakan Azure CLI, atau Python SDK.

Misalnya, untuk mencantumkan lingkungan menggunakan Python SDK:

envs = ml_client.environments.list()
for env in envs:
    print(env.name)

Untuk meninjau detail lingkungan tertentu, Anda dapat mengambil lingkungan dengan nama terdaftarnya:

env = ml_client.environments.get(name="my-environment", version="1")
print(env)