ResourceConfiguration Kelas

  • Referensi

Menentukan detail untuk konfigurasi sumber daya dari sumber daya Azure Machine Learning.

Menginisialisasi ResourceConfiguration.

Warisan
builtins.object
ResourceConfiguration

Konstruktor

ResourceConfiguration(cpu=None, memory_in_gb=None, gpu=None)

Parameter

cpu
float
nilai default: None

Jumlah core CPU yang dialokasikan untuk sumber daya ini. Bisa berupa desimal.

memory_in_gb
float
nilai default: None

Jumlah memori (dalam GB) untuk dialokasikan untuk sumber daya ini. Bisa berupa desimal.

gpu
int
nilai default: None

Jumlah GPU yang akan dialokasikan untuk sumber daya ini.

cpu
float
Diperlukan

Jumlah core CPU yang dialokasikan untuk sumber daya ini. Bisa berupa desimal.

memory_in_gb
float
Diperlukan

Jumlah memori (dalam GB) untuk dialokasikan untuk sumber daya ini. Bisa berupa desimal.

gpu
int
Diperlukan

Jumlah GPU yang akan dialokasikan untuk sumber daya ini.

Keterangan

Menginisialisasi konfigurasi sumber daya dengan kelas ini. Misalnya, kode berikut menunjukkan cara mendaftarkan model yang menentukan kerangka kerja, himpunan data input dan output, dan konfigurasi sumber daya.


   import sklearn

   from azureml.core import Model
   from azureml.core.resource_configuration import ResourceConfiguration


   model = Model.register(workspace=ws,
                          model_name='my-sklearn-model',                # Name of the registered model in your workspace.
                          model_path='./sklearn_regression_model.pkl',  # Local file to upload and register as a model.
                          model_framework=Model.Framework.SCIKITLEARN,  # Framework used to create the model.
                          model_framework_version=sklearn.__version__,  # Version of scikit-learn used to create the model.
                          sample_input_dataset=input_dataset,
                          sample_output_dataset=output_dataset,
                          resource_configuration=ResourceConfiguration(cpu=1, memory_in_gb=0.5),
                          description='Ridge regression model to predict diabetes progression.',
                          tags={'area': 'diabetes', 'type': 'regression'})

   print('Name:', model.name)
   print('Version:', model.version)

Metode

deserialize

Ubah objek JSON menjadi objek ResourceConfiguration.
serialize

Ubah ResourceConfiguration ini menjadi kamus serial JSON.

deserialize

Ubah objek JSON menjadi objek ResourceConfiguration.

static deserialize(payload_obj)

Parameter

payload_obj
dict
Diperlukan

Objek JSON untuk dikonversi ke objek ResourceConfiguration.

Mengembalikan

Representasi ResourceConfiguration dari objek JSON yang disediakan.

Tipe hasil

ResourceConfiguration

serialize

Ubah ResourceConfiguration ini menjadi kamus serial JSON.

serialize()

Mengembalikan

Representasi JSON dari ResourceConfiguration ini.

Tipe hasil

dict