Environment クラス
機械学習実験用の再現可能な Python 環境を構成します。
環境では、データ準備、トレーニング、Web サービスへのデプロイなど、機械学習実験で使用される Python パッケージ、環境変数、Docker 設定が定義されます。 環境は、Azure Machine Learning Workspace で管理され、バージョン管理されます。 既存の環境を更新し、再利用するバージョンを取得できます。 環境は、それらが作成されたワークスペースでのみ使用でき、別のワークスペースで使用することはできません。
環境の詳細については、再利用可能な環境の作成と管理に関するページを参照してください。
クラス環境コンストラクター。
- 継承
-
azureml._base_sdk_common.abstract_run_config_element._AbstractRunConfigElementEnvironment
コンストラクター
Environment(name, **kwargs)
パラメーター
- name
- string
環境の名前。
Note
"Microsoft" または "AzureML" を環境名の先頭に使用しないでください。 プレフィックス "Microsoft" と "AzureML" は、キュレーション環境用に予約されています。 キュレーション環境の詳細については、再利用可能な環境の作成と管理に関するページを参照してください。
注釈
Azure Machine Learning はキュレーションされた環境を提供します。これは、独自の環境を構築するための有効な開始点を提供する定義済みの環境です。 キュレーションされた環境は Docker イメージのキャッシュでバックアップされ、実行準備コストを減らします。 キュレーション環境の詳細については、再利用可能な環境の作成と管理に関するページを参照してください。
Azure Machine Learning では、次のような場合など、さまざまな方法で環境を作成できます。
新しい環境オブジェクトを初期化します。
from_conda_specification、from_pip_requirements、from_existing_conda_environment のいずれかの環境クラスのメソッドを使用します。
実験クラス submit メソッドを使用して、Estimator オブジェクトを含む環境を指定せずに実験の実行を送信します。
次の例は、新しい環境をインスタンス化する方法を示しています。
from azureml.core import Environment
myenv = Environment(name="myenv")
環境は、登録することで管理できます。 これにより、環境のバージョンを追跡し、後で実行するときに再利用することができます。
myenv.register(workspace=ws)
環境の使用に関するその他のサンプルについては、Jupyter Notebook の環境の使用に関するページを参照してください。
変数
- Environment.databricks
このセクションでは、azureml.core.databricks.DatabricksSection ライブラリの依存関係を構成します。
- docker
- DockerSection
このセクションでは、環境の仕様に基づいて構築された最終的な Docker イメージに関連する設定と、Docker コンテナーを使用して環境を構築するかどうかを構成します。
- inferencing_stack_version
- string
このセクションでは、イメージに追加される推論スタックのバージョンを指定します。 推論スタックを追加しないようにするには、この値を設定しないでください。 有効な値: "latest"。
- python
- PythonSection
このセクションでは、ターゲットのコンピューティングで使用する Python 環境とインタープリターを指定します。
- spark
- SparkSection
セクションで Spark 設定が構成されます。 これは、フレームワークが PySpark に設定されている場合にのみ使用されます。
- r
- RSection
このセクションでは、ターゲットのコンピューティングで使用する R 環境を指定します。
- version
- string
環境のバージョン。
- asset_id
- string
資産 ID 環境が登録されたときに設定します。
メソッド
add_private_pip_wheel |
ディスク上のプライベート pip ホイール ファイルを、ワークスペースに接続されている Azure Storage BLOB にアップロードします。 ワークスペース ストレージ BLOB に同じ名前のプライベート pip ホイールが既に存在している場合は、例外がスローされます。 |
build |
この環境の Docker イメージをクラウドに構築します。 |
build_local |
ローカルの Docker または conda 環境をビルドします。 |
clone |
環境オブジェクトを複製します。 新しい名前を使用して、環境オブジェクトの新しいインスタンスを返します。 |
from_conda_specification |
環境仕様 YAML ファイルから環境オブジェクトを作成します。 環境仕様 YAML ファイルを取得するには、conda ユーザー ガイド環境の管理に関するページを参照してください。 |
from_docker_build_context |
Docker ビルド コンテキストから環境オブジェクトを作成します。 |
from_docker_image |
省略可能な python 依存関係を使用して、基本 docker イメージから環境オブジェクトを作成します。 conda_specification または pip_requirements が指定されている場合、Python レイヤーが環境に追加されます。 conda_specification と pip_requirements は相互に排他的です。 |
from_dockerfile |
オプションの python 依存関係を使用して、Dockerfile から環境オブジェクトを作成します。 conda_specification または pip_requirements が指定されている場合、Python レイヤーが環境に追加されます。 conda_specification と pip_requirements は相互に排他的です。 |
from_existing_conda_environment |
ローカルの既存の conda 環境から作成された環境オブジェクトを作成します。 既存の conda 環境の一覧を取得するには、 |
from_pip_requirements |
pip 要件ファイルから作成された環境オブジェクトを作成します。 pip_version が指定されていない場合、固定されていない pip 依存関係が追加されます。 |
get |
環境オブジェクトを返します。 ラベルが指定されている場合、以前に値がラベル付けされたオブジェクトが返されます。 1 つのバージョンまたはラベル パラメーターのみを指定できます。 どちらもない場合は、環境オブジェクトの最後のバージョンが返されます。 |
get_image_details |
イメージの詳細を返します。 |
label |
指定された値を使用して、ワークスペースの環境オブジェクトにラベルを付けます。 |
list |
ワークスペース内の環境を含む辞書を返します。 |
load_from_directory |
ディレクトリ内のファイルから環境定義を読み込みます。 |
register |
ワークスペース内の環境オブジェクトを登録します。 |
save_to_directory |
環境定義を簡単に編集できる形式でディレクトリに保存します。 |
add_private_pip_wheel
ディスク上のプライベート pip ホイール ファイルを、ワークスペースに接続されている Azure Storage BLOB にアップロードします。
ワークスペース ストレージ BLOB に同じ名前のプライベート pip ホイールが既に存在している場合は、例外がスローされます。
static add_private_pip_wheel(workspace, file_path, exist_ok=False)
パラメーター
戻り値
Conda 依存関係で使用するために、Azure BLOB ストレージでアップロードされた pip ホイールの完全な URI を返します。
の戻り値の型 :
build
この環境の Docker イメージをクラウドに構築します。
build(workspace, image_build_compute=None)
パラメーター
戻り値
イメージ ビルドの詳細オブジェクトを返します。
の戻り値の型 :
build_local
ローカルの Docker または conda 環境をビルドします。
build_local(workspace, platform=None, **kwargs)
パラメーター
戻り値
進行中の Docker または conda のビルドの出力をコンソールにストリーミングします。
の戻り値の型 :
注釈
次の例は、ローカル環境を構築する方法を示しています。 ワークスペースが有効な azureml.core.workspace ワークスペース オブジェクトとしてインスタンス化されていることを確認してください
ローカル conda 環境をビルドします
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace)
ローカル Docker 環境をビルドします
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True)
Docker イメージをローカルにビルドし、必要に応じて、ワークスペースに関連付けられているコンテナー レジストリにプッシュします。
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True, pushImageToWorkspaceAcr=True)
clone
環境オブジェクトを複製します。
新しい名前を使用して、環境オブジェクトの新しいインスタンスを返します。
clone(new_name)
パラメーター
戻り値
新しい環境オブジェクト
の戻り値の型 :
from_conda_specification
環境仕様 YAML ファイルから環境オブジェクトを作成します。
環境仕様 YAML ファイルを取得するには、conda ユーザー ガイド環境の管理に関するページを参照してください。
static from_conda_specification(name, file_path)
パラメーター
戻り値
環境オブジェクト。
の戻り値の型 :
from_docker_build_context
Docker ビルド コンテキストから環境オブジェクトを作成します。
static from_docker_build_context(name, docker_build_context)
パラメーター
戻り値
環境オブジェクト。
の戻り値の型 :
from_docker_image
省略可能な python 依存関係を使用して、基本 docker イメージから環境オブジェクトを作成します。
conda_specification または pip_requirements が指定されている場合、Python レイヤーが環境に追加されます。 conda_specification と pip_requirements は相互に排他的です。
static from_docker_image(name, image, container_registry=None, conda_specification=None, pip_requirements=None)
パラメーター
戻り値
環境オブジェクト。
の戻り値の型 :
注釈
基本イメージが承認を必要とするプライベート リポジトリからのものであり、AzureML ワークスペース レベルで承認が設定されていない場合は、container_registry が必要です。
from_dockerfile
オプションの python 依存関係を使用して、Dockerfile から環境オブジェクトを作成します。
conda_specification または pip_requirements が指定されている場合、Python レイヤーが環境に追加されます。 conda_specification と pip_requirements は相互に排他的です。
static from_dockerfile(name, dockerfile, conda_specification=None, pip_requirements=None)
パラメーター
戻り値
環境オブジェクト。
の戻り値の型 :
from_existing_conda_environment
ローカルの既存の conda 環境から作成された環境オブジェクトを作成します。
既存の conda 環境の一覧を取得するには、conda env list
を実行します。 詳細については、conda ユーザーガイドの環境の管理に関するページを参照してください。
static from_existing_conda_environment(name, conda_environment_name)
パラメーター
戻り値
環境オブジェクト、または conda 仕様ファイルのエクスポートが失敗した場合は None。
の戻り値の型 :
from_pip_requirements
pip 要件ファイルから作成された環境オブジェクトを作成します。
pip_version が指定されていない場合、固定されていない pip 依存関係が追加されます。
static from_pip_requirements(name, file_path, pip_version=None)
パラメーター
戻り値
環境オブジェクト。
の戻り値の型 :
get
環境オブジェクトを返します。
ラベルが指定されている場合、以前に値がラベル付けされたオブジェクトが返されます。 1 つのバージョンまたはラベル パラメーターのみを指定できます。 どちらもない場合は、環境オブジェクトの最後のバージョンが返されます。
static get(workspace, name, version=None, label=None)
パラメーター
戻り値
環境オブジェクト。
の戻り値の型 :
get_image_details
イメージの詳細を返します。
get_image_details(workspace)
パラメーター
戻り値
イメージの詳細を dict として返します。
の戻り値の型 :
label
指定された値を使用して、ワークスペースの環境オブジェクトにラベルを付けます。
static label(workspace, name, version, labels)
パラメーター
list
ワークスペース内の環境を含む辞書を返します。
static list(workspace)
パラメーター
戻り値
環境オブジェクトの辞書。
の戻り値の型 :
load_from_directory
register
save_to_directory
環境定義を簡単に編集できる形式でディレクトリに保存します。
save_to_directory(path, overwrite=False)
パラメーター
属性
environment_variables
ランタイム変数を設定するには、azureml.core.RunConfiguration オブジェクトを使用します。
フィードバック
https://aka.ms/ContentUserFeedback」を参照してください。
以下は間もなく提供いたします。2024 年を通じて、コンテンツのフィードバック メカニズムとして GitHub の issue を段階的に廃止し、新しいフィードバック システムに置き換えます。 詳細については、「フィードバックの送信と表示