ContainerImage Classe
Representa uma imagem de contêiner, atualmente apenas para imagens do Docker.
Essa classe foi PRETERIDA. Use a classe Environment em seu lugar.
A imagem contém as dependências necessárias para executar o modelo, incluindo:
O runtime
Definições de ambiente do Python especificadas em um arquivo Conda
Capacidade de habilitar o suporte à GPU
Arquivo do Docker personalizado para comandos de execução específicos
Construtor de imagem.
Essa classe foi PRETERIDA. Use a classe Environment em seu lugar.
O construtor de imagem é usado para recuperar uma representação na nuvem de um objeto Image associado ao workspace fornecido. Retornará uma instância de uma classe filho correspondente ao tipo específico do objeto Image recuperado.
- Herança
-
ContainerImage
Construtor
ContainerImage(workspace, name=None, id=None, tags=None, properties=None, version=None)
Parâmetros
- name
- str
O nome do objeto Image a ser recuperado. Retornará a versão mais recente, se ela existir
- tags
- list
Filtrará os resultados da imagem com base na lista fornecida, por 'chave' ou '[chave, valor]'. Ex.: ['chave', ['chave2', 'valor de chave2']]
- properties
- list
Filtrará os resultados da imagem com base na lista fornecida, por 'chave' ou '[chave, valor]'. Ex.: ['chave', ['chave2', 'valor de chave2']]
- version
- str
Quando a versão e o nome forem especificados, retornará a versão específica do objeto Image.
Comentários
Um ContainerImage é recuperado usando o construtor de classe Image passando o nome ou a ID de um ContainerImage criado anteriormente. O exemplo de código a seguir mostra uma recuperação de imagem de um workspace por nome e ID.
container_image_from_name = Image(workspace, name="image-name")
container_image_from_id = Image(workspace, id="image-id")
Para criar uma configuração de imagem a ser usada em uma implantação, crie um objeto ContainerImageConfig conforme mostrado no seguinte exemplo de código:
from azureml.core.image import ContainerImage
image_config = ContainerImage.image_configuration(execution_script="score.py",
runtime="python",
conda_file="myenv.yml",
description="image for model",
cuda_version="9.0"
)
Métodos
image_configuration |
Criar e retornar um objeto ContainerImageConfig. Esta função aceita parâmetros para definir como seu modelo deve ser executado dentro do serviço Web, bem como o ambiente específico e as dependências que ele precisa ser capaz de executar. |
run |
Executa a imagem localmente com os dados de entrada determinados. Precisa ter o Docker instalado e em execução para funcionar. Este método só funcionará na CPU, pois a imagem habilitada para GPU só poderá ser executada nos Serviços do Microsoft Azure. |
serialize |
Converte esse objeto ContainerImage em um dicionário serializado JSON. |
image_configuration
Criar e retornar um objeto ContainerImageConfig.
Esta função aceita parâmetros para definir como seu modelo deve ser executado dentro do serviço Web, bem como o ambiente específico e as dependências que ele precisa ser capaz de executar.
static image_configuration(execution_script, runtime, conda_file=None, docker_file=None, schema_file=None, dependencies=None, enable_gpu=None, tags=None, properties=None, description=None, base_image=None, base_image_registry=None, cuda_version=None)
Parâmetros
- execution_script
- str
Caminho para um arquivo Python local que contém o código a ser executado para a imagem. Precisa incluir as funções init() e run(input_data) que definem as etapas de execução do modelo para o serviço Web.
- runtime
- str
O runtime a ser usado para a imagem. Os runtimes com suporte atualmente são 'spark-py' e 'python'.
- conda_file
- str
Caminho para o arquivo .yml local que contém uma definição de ambiente Conda a ser usada para a imagem.
- docker_file
- str
Caminho para o arquivo local que contém etapas adicionais do Docker a serem executadas ao configurar a imagem.
- schema_file
- str
Caminho para o arquivo local que contém um esquema de serviço Web a ser usado quando a imagem for implantada. Usado para gerar especificações do Swagger para uma implantação de modelo.
Lista de caminhos para arquivos/pastas adicionais que a imagem precisa executar.
- enable_gpu
- bool
Se o suporte à GPU deve ou não ser habilitado na imagem. A imagem de GPU precisa ser usada em serviços do Microsoft Azure, como Instâncias de Contêiner do Azure, Computação do Azure Machine Learning, Máquinas Virtuais do Azure e Serviço de Kubernetes do Azure. Usa False como padrão
Dicionário de marcas de chave/valor a serem fornecidas a essa imagem.
Dicionário de propriedades de chave/valor a serem fornecidas a essa imagem. Essas propriedades não podem ser alteradas após a implantação, no entanto, novos pares de chave/valor podem ser adicionados.
- base_image
- str
Uma imagem personalizada a ser usada como imagem base. Se nenhuma imagem base for fornecida, a imagem base será usada com base no parâmetro de runtime determinado.
- base_image_registry
- ContainerRegistry
Registro de imagem que contém a imagem base.
- cuda_version
- str
Versão do CUDA a ser instalada para imagens que precisam de suporte a GPU. A imagem de GPU precisa ser usada em serviços do Microsoft Azure, como Instâncias de Contêiner do Azure, Computação do Azure Machine Learning, Máquinas Virtuais do Azure e Serviço de Kubernetes do Azure. As versões com suporte são 9.0, 9.1 e 10.0. Se 'enable_gpu' estiver definido, o padrão será '9.1'.
Retornos
Um objeto de configuração a ser usado ao criar a imagem.
Tipo de retorno
Exceções
run
Executa a imagem localmente com os dados de entrada determinados.
Precisa ter o Docker instalado e em execução para funcionar. Este método só funcionará na CPU, pois a imagem habilitada para GPU só poderá ser executada nos Serviços do Microsoft Azure.
run(input_data)
Parâmetros
- input_data
- <xref:varies>
Os dados de entrada a serem passados para a imagem ao executá-la
Retornos
Os resultados da execução da imagem.
Tipo de retorno
Exceções
serialize
Converte esse objeto ContainerImage em um dicionário serializado JSON.
serialize()
Retornos
A representação JSON deste ContainerImage.
Tipo de retorno
Exceções
Comentários
https://aka.ms/ContentUserFeedback.
Em breve: Ao longo de 2024, eliminaremos os problemas do GitHub como o mecanismo de comentários para conteúdo e o substituiremos por um novo sistema de comentários. Para obter mais informações, consulteEnviar e exibir comentários de