Environment Klass
Konfigurerar en reproducerbar Python-miljö för maskininlärningsexperiment.
En miljö definierar Python-paket, miljövariabler och Docker-inställningar som används i maskininlärningsexperiment, inklusive i förberedelse, träning och distribution av data till en webbtjänst. En miljö hanteras och versionshanteras i en Azure Machine Learning Workspace. Du kan uppdatera en befintlig miljö och hämta en version som ska återanvändas. Miljöer är exklusiva för arbetsytan som de skapas i och kan inte användas på olika arbetsytor.
Mer information om miljöer finns i Skapa och hantera återanvändbara miljöer.
Konstruktor för klassmiljö.
- Arv
-
azureml._base_sdk_common.abstract_run_config_element._AbstractRunConfigElementEnvironment
Konstruktor
Environment(name, **kwargs)
Parametrar
- name
- string
Namnet på miljön.
Anteckning
Starta inte ditt miljönamn med "Microsoft" eller "AzureML". Prefixen "Microsoft" och "AzureML" är reserverade för organiserade miljöer. Mer information om organiserade miljöer finns i Skapa och hantera återanvändbara miljöer.
Kommentarer
Azure Machine Learning tillhandahåller organiserade miljöer, som är fördefinierade miljöer som erbjuder bra utgångspunkter för att skapa egna miljöer. Organiserade miljöer backas upp av cachelagrade Docker-avbildningar, vilket ger en lägre kostnad för körningsförberedelse. Mer information om organiserade miljöer finns i Skapa och hantera återanvändbara miljöer.
Det finns ett antal sätt att skapa miljöer i Azure Machine Learning, bland annat när du:
Initiera ett nytt miljöobjekt.
Använd någon av miljöklassmetoderna: from_conda_specification, from_pip_requirementseller from_existing_conda_environment.
submit Använd metoden i experimentklassen för att skicka en experimentkörning utan att ange en miljö, inklusive med ett Estimator -objekt.
I följande exempel visas hur du instansierar en ny miljö.
from azureml.core import Environment
myenv = Environment(name="myenv")
Du kan hantera en miljö genom att registrera den. På så sätt kan du spåra miljöns versioner och återanvända dem i framtida körningar.
myenv.register(workspace=ws)
Fler exempel på hur du arbetar med miljöer finns i Jupyter Notebook Använda miljöer.
Variabler
- Environment.databricks
Avsnittet konfigurerar biblioteksberoenden för azureml.core.databricks.DatabricksSection.
- docker
- DockerSection
Det här avsnittet konfigurerar inställningar relaterade till den slutliga Docker-avbildningen som skapats enligt miljöspecifikationerna och om du vill använda Docker-containrar för att skapa miljön.
- inferencing_stack_version
- string
Det här avsnittet anger den version av slutsatsdragningsstacken som lagts till i avbildningen. Om du vill undvika att lägga till en slutsatsdragningsstack ska du inte ange det här värdet. Giltigt värde: "senaste".
- python
- PythonSection
Det här avsnittet anger vilken Python-miljö och -tolk som ska användas för målberäkningen.
- spark
- SparkSection
Avsnittet konfigurerar Spark-inställningar. Det används bara när ramverket är inställt på PySpark.
- r
- RSection
Det här avsnittet anger vilken R-miljö som ska användas för målberäkningen.
- version
- string
Versionen av miljön.
- asset_id
- string
Tillgångs-ID. Fyller i när en miljö har registrerats.
Metoder
add_private_pip_wheel |
Ladda upp den privata piphjulsfilen på disken till Azure Storage-bloben som är kopplad till arbetsytan. Utlöser ett undantag om det redan finns ett privat piphjul med samma namn i arbetsytans lagringsblob. |
build |
Skapa en Docker-avbildning för den här miljön i molnet. |
build_local |
Skapa den lokala Docker- eller conda-miljön. |
clone |
Klona miljöobjektet. Returnerar en ny instans av miljöobjektet med ett nytt namn. |
from_conda_specification |
Skapa miljöobjekt från en YAML-fil för miljöspecifikation. Information om hur du hämtar en YAML-fil för miljöspecifikation finns i Hantera miljöer i användarhandboken för conda. |
from_docker_build_context |
Skapa miljöobjekt från en Docker-byggkontext. |
from_docker_image |
Skapa miljöobjekt från en grundläggande Docker-avbildning med valfria Python-beroenden. Python-lagret läggs till i miljön om conda_specification eller pip_requirements anges. conda_specification och pip_requirements utesluter varandra. |
from_dockerfile |
Skapa miljöobjekt från en Dockerfile med valfria Python-beroenden. Python-lagret läggs till i miljön om conda_specification eller pip_requirements anges. conda_specification och pip_requirements utesluter varandra. |
from_existing_conda_environment |
Skapa ett miljöobjekt som skapats från en lokalt befintlig Conda-miljö. Om du vill hämta en lista över befintliga conda-miljöer kör du |
from_pip_requirements |
Skapa ett miljöobjekt som skapats från en pip-kravfil. Ej fästa pip-beroenden läggs till om pip_version inte har angetts. |
get |
Returnera miljöobjektet. Om etiketten anges returneras objektet som tidigare märkts med värdet. Endast en av version- eller etikettparametrarna kan anges. Om båda missas returneras den senaste versionen av miljöobjektet. |
get_image_details |
Returnera bildinformationen. |
label |
Märk miljöobjektet på arbetsytan med de angivna värdena. |
list |
Returnera en ordlista som innehåller miljöer på arbetsytan. |
load_from_directory |
Läs in en miljödefinition från filerna i en katalog. |
register |
Registrera miljöobjektet på din arbetsyta. |
save_to_directory |
Spara en miljödefinition i en katalog i ett enkelt redigerbart format. |
add_private_pip_wheel
Ladda upp den privata piphjulsfilen på disken till Azure Storage-bloben som är kopplad till arbetsytan.
Utlöser ett undantag om det redan finns ett privat piphjul med samma namn i arbetsytans lagringsblob.
static add_private_pip_wheel(workspace, file_path, exist_ok=False)
Parametrar
- workspace
- Workspace
Arbetsyteobjektet som ska användas för att registrera det privata piphjulet.
Returer
Returnerar den fullständiga URI:n till det uppladdade pip-hjulet på Azure Blob Storage som ska användas i conda-beroenden.
Returtyp
build
Skapa en Docker-avbildning för den här miljön i molnet.
build(workspace, image_build_compute=None)
Parametrar
- workspace
- Workspace
Arbetsytan och dess associerade Azure Container Registry där avbildningen lagras.
Returer
Returnerar objektet för avbildningsbyggesinformation.
Returtyp
build_local
Skapa den lokala Docker- eller conda-miljön.
build_local(workspace, platform=None, **kwargs)
Parametrar
- platform
- str
Plattform. En av Linux, Windows eller OSX. Den aktuella plattformen används som standard.
Returer
Strömmar de löpande Docker- eller Conda-skapade utdata till konsolen.
Returtyp
Kommentarer
I följande exempel visas hur du skapar en lokal miljö. Kontrollera att arbetsytan instansieras som ett giltigt azureml.core.workspace.Workspace-objekt
Skapa lokal conda-miljö
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace)
Skapa en lokal Docker-miljö
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True)
Skapa Docker-avbildning lokalt och push-överföra den till containerregistret som är associerat med arbetsytan
from azureml.core import Environment
myenv = Environment(name="myenv")
registered_env = myenv.register(workspace)
registered_env.build_local(workspace, useDocker=True, pushImageToWorkspaceAcr=True)
clone
Klona miljöobjektet.
Returnerar en ny instans av miljöobjektet med ett nytt namn.
clone(new_name)
Parametrar
Returer
Nytt miljöobjekt
Returtyp
from_conda_specification
Skapa miljöobjekt från en YAML-fil för miljöspecifikation.
Information om hur du hämtar en YAML-fil för miljöspecifikation finns i Hantera miljöer i användarhandboken för conda.
static from_conda_specification(name, file_path)
Parametrar
Returer
Miljöobjektet.
Returtyp
from_docker_build_context
Skapa miljöobjekt från en Docker-byggkontext.
static from_docker_build_context(name, docker_build_context)
Parametrar
Returer
Miljöobjektet.
Returtyp
from_docker_image
Skapa miljöobjekt från en grundläggande Docker-avbildning med valfria Python-beroenden.
Python-lagret läggs till i miljön om conda_specification eller pip_requirements anges. conda_specification och pip_requirements utesluter varandra.
static from_docker_image(name, image, container_registry=None, conda_specification=None, pip_requirements=None)
Parametrar
- container_registry
- ContainerRegistry
information om lagringsplatsen för privata containrar.
Returer
Miljöobjektet.
Returtyp
Kommentarer
Om basavbildningen kommer från en privat lagringsplats som kräver auktorisering och auktorisering inte har angetts på AzureML-arbetsytenivå krävs container_registry
from_dockerfile
Skapa miljöobjekt från en Dockerfile med valfria Python-beroenden.
Python-lagret läggs till i miljön om conda_specification eller pip_requirements anges. conda_specification och pip_requirements utesluter varandra.
static from_dockerfile(name, dockerfile, conda_specification=None, pip_requirements=None)
Parametrar
Returer
Miljöobjektet.
Returtyp
from_existing_conda_environment
Skapa ett miljöobjekt som skapats från en lokalt befintlig Conda-miljö.
Om du vill hämta en lista över befintliga conda-miljöer kör du conda env list
. Mer information finns i Hantera miljöer i användarhandboken för Conda.
static from_existing_conda_environment(name, conda_environment_name)
Parametrar
Returer
Miljöobjektet eller Ingen om det inte går att exportera conda-specifikationsfilen.
Returtyp
from_pip_requirements
Skapa ett miljöobjekt som skapats från en pip-kravfil.
Ej fästa pip-beroenden läggs till om pip_version inte har angetts.
static from_pip_requirements(name, file_path, pip_version=None)
Parametrar
Returer
Miljöobjektet.
Returtyp
get
Returnera miljöobjektet.
Om etiketten anges returneras objektet som tidigare märkts med värdet. Endast en av version- eller etikettparametrarna kan anges. Om båda missas returneras den senaste versionen av miljöobjektet.
static get(workspace, name, version=None, label=None)
Parametrar
Returer
Miljöobjektet.
Returtyp
get_image_details
Returnera bildinformationen.
get_image_details(workspace)
Parametrar
Returer
Returnerar bildinformationen som diktamen
Returtyp
label
Märk miljöobjektet på arbetsytan med de angivna värdena.
static label(workspace, name, version, labels)
Parametrar
list
Returnera en ordlista som innehåller miljöer på arbetsytan.
static list(workspace)
Parametrar
Returer
En ordlista med miljöobjekt.
Returtyp
load_from_directory
Läs in en miljödefinition från filerna i en katalog.
static load_from_directory(path)
Parametrar
register
Registrera miljöobjektet på din arbetsyta.
register(workspace)
Parametrar
- name
- str
Returer
Returnerar miljöobjektet
Returtyp
save_to_directory
Spara en miljödefinition i en katalog i ett enkelt redigerbart format.
save_to_directory(path, overwrite=False)
Parametrar
- overwrite
- bool
Om en befintlig katalog ska skrivas över. Standardvärdet är falskt.
Attribut
environment_variables
Använd objektet azureml.core.RunConfiguration för att ange körningsvariabler.
Feedback
https://aka.ms/ContentUserFeedback.
Kommer snart: Under hela 2024 kommer vi att fasa ut GitHub-problem som feedbackmekanism för innehåll och ersätta det med ett nytt feedbacksystem. Mer information finns i:Skicka och visa feedback för