Environment Klas
Hiermee configureert u een reproduceerbare Python-omgeving voor machine learning-experimenten.
Een omgeving definieert Python-pakketten, omgevingsvariabelen en Docker-instellingen die worden gebruikt in machine learning-experimenten, waaronder bij het voorbereiden, trainen en implementeren van gegevens in een webservice. Een omgeving wordt beheerd en versiebeheerd in een Azure Machine Learning Workspace. U kunt een bestaande omgeving bijwerken en een versie ophalen om opnieuw te gebruiken. Omgevingen zijn exclusief voor de werkruimte waarin ze zijn gemaakt en kunnen niet worden gebruikt in verschillende werkruimten.
Zie Herbruikbare omgevingen maken en beheren voor meer informatie over omgevingen.
Klasseomgevingconstructor.
- Overname
-
azureml._base_sdk_common.abstract_run_config_element._AbstractRunConfigElementEnvironment
Constructor
Environment(name, **kwargs)Parameters
- name
- string
De naam van de omgeving.
Notitie
Start de naam van uw omgeving niet met 'Microsoft' of 'AzureML'. De voorvoegsels 'Microsoft' en 'AzureML' zijn gereserveerd voor gecureerde omgevingen. Zie Herbruikbare omgevingen maken en beheren voor meer informatie over gecureerde omgevingen.
Opmerkingen
Azure Machine Learning biedt gecureerde omgevingen. Dit zijn vooraf gedefinieerde omgevingen die goede uitgangspunten bieden voor het bouwen van uw eigen omgevingen. Gecureerde omgevingen worden ondersteund door Docker-installatiekopieën in de cache, waardoor de voorbereidingskosten voor de uitvoering lager zijn. Zie Herbruikbare omgevingen maken en beheren voor meer informatie over gecureerde omgevingen.
Er zijn een aantal manieren waarop omgevingen worden gemaakt in Azure Machine Learning, waaronder wanneer u:
Initialiseer een nieuw omgevingsobject.
Gebruik een van de omgevingsklassemethoden: from_conda_specification, from_pip_requirementsof from_existing_conda_environment.
Gebruik de submit methode van de klasse Experiment om een experimentuitvoering te verzenden zonder een omgeving op te geven, inclusief met een Estimator -object.
In het volgende voorbeeld ziet u hoe u een nieuwe omgeving kunt instantiëren.
from azureml.core import Environment
myenv = Environment(name="myenv")
U kunt een omgeving beheren door deze te registreren. Hierdoor kunt u de versies van de omgeving bijhouden en deze opnieuw gebruiken in toekomstige uitvoeringen.
myenv.register(workspace=ws)
Zie de Jupyter Notebook Omgevingen gebruiken voor meer voorbeelden van het werken met omgevingen.
Variabelen
- Environment.databricks
In de sectie worden bibliotheekafhankelijkheden van azureml.core.databricks.DatabricksSection geconfigureerd.
- docker
- DockerSection
In deze sectie worden instellingen geconfigureerd die betrekking hebben op de uiteindelijke Docker-installatiekopie die is gebouwd op basis van de specificaties van de omgeving en of Docker-containers moeten worden gebruikt om de omgeving te bouwen.
- inferencing_stack_version
- string
In deze sectie wordt de versie van de deductiestack opgegeven die aan de installatiekopie is toegevoegd. Als u wilt voorkomen dat er een deductiestack wordt toegevoegd, moet u deze waarde niet instellen. Geldige waarde: 'laatste'.
- python
- PythonSection
In deze sectie wordt aangegeven welke Python-omgeving en interpreter moeten worden gebruikt voor de doelberekening.
- spark
- SparkSection
In de sectie worden Spark-instellingen geconfigureerd. Het wordt alleen gebruikt wanneer het framework is ingesteld op PySpark.
- r
- RSection
In deze sectie wordt aangegeven welke R-omgeving moet worden gebruikt voor de doelberekening.
- version
- string
De versie van de omgeving.
- asset_id
- string
Asset-id. Wordt ingevuld wanneer een omgeving is geregistreerd.
Methoden
| add_private_pip_wheel |
Upload het privé-pip wheel-bestand op schijf naar de Azure Storage-blob die is gekoppeld aan de werkruimte. Genereert een uitzondering als er al een privé-pip-wiel met dezelfde naam bestaat in de opslagblob van de werkruimte. |
| build |
Bouw een Docker-installatiekopieën voor deze omgeving in de cloud. |
| build_local |
Bouw de lokale Docker- of Conda-omgeving. |
| clone |
Kloon het omgevingsobject. Retourneert een nieuw exemplaar van het omgevingsobject met een nieuwe naam. |
| from_conda_specification |
Maak een omgevingsobject op basis van een YAML-bestand met de specificatie van de omgeving. Zie Omgevingen beheren in de gebruikershandleiding van Conda om een YAML-bestand met de specificatie van de omgeving op te halen. |
| from_docker_build_context |
Omgevingsobject maken vanuit een Docker-buildcontext. |
| from_docker_image |
Maak een omgevingsobject op basis van een docker-basisinstallatiekopieën met optionele Python-afhankelijkheden. De Python-laag wordt toegevoegd aan de omgeving als conda_specification of pip_requirements is opgegeven. conda_specification en pip_requirements sluiten elkaar uit. |
| from_dockerfile |
Maak een omgevingsobject van een Dockerfile met optionele Python-afhankelijkheden. De Python-laag wordt toegevoegd aan de omgeving als conda_specification of pip_requirements is opgegeven. conda_specification en pip_requirements sluiten elkaar uit. |
| from_existing_conda_environment |
Maak een omgevingsobject dat is gemaakt op basis van een lokaal bestaande Conda-omgeving. Voer uit om een lijst met bestaande Conda-omgevingen op te halen |
| from_pip_requirements |
Maak een omgevingsobject dat is gemaakt op basis van een pip-vereistenbestand. Losgemaakte pip-afhankelijkheid wordt toegevoegd als pip_version niet is opgegeven. |
| get |
Retourneer het omgevingsobject. Als label is opgegeven, wordt het object geretourneerd dat eerder is gelabeld met de waarde. Er kan slechts één versie- of labelparameters worden opgegeven. Als beide worden gemist, wordt de nieuwste versie van het object Environment geretourneerd. |
| get_image_details |
Retourneer de afbeeldingsdetails. |
| label |
Label omgevingsobject in uw werkruimte met de opgegeven waarden. |
| list |
Retourneer een woordenlijst met omgevingen in de werkruimte. |
| load_from_directory |
Laad een omgevingsdefinitie uit de bestanden in een map. |
| register |
Registreer het omgevingsobject in uw werkruimte. |
| save_to_directory |
Sla een omgevingsdefinitie op in een map in een eenvoudig bewerkbare indeling. |
add_private_pip_wheel
Upload het privé-pip wheel-bestand op schijf naar de Azure Storage-blob die is gekoppeld aan de werkruimte.
Genereert een uitzondering als er al een privé-pip-wiel met dezelfde naam bestaat in de opslagblob van de werkruimte.
static add_private_pip_wheel(workspace, file_path, exist_ok=False)Parameters
- workspace
- Workspace
Het werkruimteobject dat moet worden gebruikt om het privé-pip-wiel te registreren.
- exist_ok
- bool
Geeft aan of er een uitzondering moet worden gegenereerd als het wiel al bestaat.
Retouren
Retourneert de volledige URI naar het geüploade pip wheel in Azure Blob Storage voor gebruik in Conda-afhankelijkheden.
Retourtype
build
Bouw een Docker-installatiekopieën voor deze omgeving in de cloud.
build(workspace, image_build_compute=None)Parameters
- workspace
- Workspace
De werkruimte en de bijbehorende Azure Container Registry waar de afbeelding is opgeslagen.
- image_build_compute
- str
De rekennaam waar de installatiekopieën worden gebouwd
Retouren
Retourneert het build-detailobject van de installatiekopieën.
Retourtype
build_local
Bouw de lokale Docker- of Conda-omgeving.
build_local(workspace, platform=None, **kwargs)Parameters
- platform
- str
Platform. Een van Linux, Windows of OSX. Het huidige platform wordt standaard gebruikt.
Retouren
Streamt de lopende docker- of conda-uitvoer naar de console.
Retourtype
Opmerkingen
In de volgende voorbeelden ziet u hoe u een lokale omgeving bouwt. Zorg ervoor dat de werkruimte is geïnstantieerd als een geldig azureml.core.workspace.Workspace-object
Lokale Conda-omgeving bouwen
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace)
Lokale Docker-omgeving bouwen
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True)
Bouw lokaal een docker-installatiekopieën en push deze desgewenst naar het containerregister dat is gekoppeld aan de werkruimte
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True, pushImageToWorkspaceAcr=True)
clone
Kloon het omgevingsobject.
Retourneert een nieuw exemplaar van het omgevingsobject met een nieuwe naam.
clone(new_name)Parameters
Retouren
Nieuw omgevingsobject
Retourtype
from_conda_specification
Maak een omgevingsobject op basis van een YAML-bestand met de specificatie van de omgeving.
Zie Omgevingen beheren in de gebruikershandleiding van Conda om een YAML-bestand met de specificatie van de omgeving op te halen.
static from_conda_specification(name, file_path)Parameters
Retouren
Het omgevingsobject.
Retourtype
from_docker_build_context
Omgevingsobject maken vanuit een Docker-buildcontext.
static from_docker_build_context(name, docker_build_context)Parameters
Retouren
Het omgevingsobject.
Retourtype
from_docker_image
Maak een omgevingsobject op basis van een docker-basisinstallatiekopieën met optionele Python-afhankelijkheden.
De Python-laag wordt toegevoegd aan de omgeving als conda_specification of pip_requirements is opgegeven. conda_specification en pip_requirements sluiten elkaar uit.
static from_docker_image(name, image, container_registry=None, conda_specification=None, pip_requirements=None)Parameters
Retouren
Het omgevingsobject.
Retourtype
Opmerkingen
Als de basisinstallatiekopie afkomstig is van een privéopslagplaats waarvoor autorisatie is vereist en autorisatie niet is ingesteld op het niveau van de AzureML-werkruimte , is container_registry vereist
from_dockerfile
Maak een omgevingsobject van een Dockerfile met optionele Python-afhankelijkheden.
De Python-laag wordt toegevoegd aan de omgeving als conda_specification of pip_requirements is opgegeven. conda_specification en pip_requirements sluiten elkaar uit.
static from_dockerfile(name, dockerfile, conda_specification=None, pip_requirements=None)Parameters
Retouren
Het omgevingsobject.
Retourtype
from_existing_conda_environment
Maak een omgevingsobject dat is gemaakt op basis van een lokaal bestaande Conda-omgeving.
Voer uit om een lijst met bestaande Conda-omgevingen op te halen conda env list. Zie Omgevingen beheren in de gebruikershandleiding van Conda voor meer informatie.
static from_existing_conda_environment(name, conda_environment_name)Parameters
Retouren
Het omgevingsobject of Geen als het exporteren van het conda-specificatiebestand mislukt.
Retourtype
from_pip_requirements
Maak een omgevingsobject dat is gemaakt op basis van een pip-vereistenbestand.
Losgemaakte pip-afhankelijkheid wordt toegevoegd als pip_version niet is opgegeven.
static from_pip_requirements(name, file_path, pip_version=None)Parameters
Retouren
Het omgevingsobject.
Retourtype
get
Retourneer het omgevingsobject.
Als label is opgegeven, wordt het object geretourneerd dat eerder is gelabeld met de waarde. Er kan slechts één versie- of labelparameters worden opgegeven. Als beide worden gemist, wordt de nieuwste versie van het object Environment geretourneerd.
static get(workspace, name, version=None, label=None)Parameters
Retouren
Het omgevingsobject.
Retourtype
get_image_details
Retourneer de afbeeldingsdetails.
get_image_details(workspace)Parameters
Retouren
Retourneert de afbeeldingsdetails als dict
Retourtype
label
Label omgevingsobject in uw werkruimte met de opgegeven waarden.
static label(workspace, name, version, labels)Parameters
list
Retourneer een woordenlijst met omgevingen in de werkruimte.
static list(workspace)Parameters
Retouren
Een woordenlijst met omgevingsobjecten.
Retourtype
load_from_directory
Laad een omgevingsdefinitie uit de bestanden in een map.
static load_from_directory(path)Parameters
register
Registreer het omgevingsobject in uw werkruimte.
register(workspace)Parameters
- name
- str
Retouren
Retourneert het omgevingsobject
Retourtype
save_to_directory
Sla een omgevingsdefinitie op in een map in een eenvoudig bewerkbare indeling.
save_to_directory(path, overwrite=False)Parameters
- overwrite
- bool
Als een bestaande map moet worden overschreven. Standaardwaarden onwaar.
Kenmerken
environment_variables
Gebruik het object azureml.core.RunConfiguration om runtimevariabelen in te stellen.
Feedback
Binnenkort beschikbaar: In de loop van 2024 zullen we GitHub-problemen geleidelijk uitfaseren als het feedbackmechanisme voor inhoud en deze vervangen door een nieuw feedbacksysteem. Zie voor meer informatie: https://aka.ms/ContentUserFeedback.
Feedback verzenden en weergeven voor