Partager via

ComputeOperations Classe

  • Référence

ComputeOperations.

Cette classe ne doit pas être instanciée directement. Utilisez plutôt l’attribut de calcul d’un objet MLClient.

Héritage
azure.ai.ml._scope_dependent_operations._ScopeDependentOperations
ComputeOperations

Constructeur

ComputeOperations(operation_scope: OperationScope, operation_config: OperationConfig, service_client: AzureMachineLearningWorkspaces, **kwargs: Dict)

Paramètres

operation_scope
<xref:azure.ai.ml._scope_dependent_operations.OperationScope>
Obligatoire

Variables d’étendue pour les classes d’opérations d’un objet MLClient.

operation_config
<xref:azure.ai.ml._scope_dependent_operations.OperationConfig>
Obligatoire

Configuration courante pour les classes d’opérations d’un objet MLClient.

service_client
<xref:azure.ai.ml._restclient.v2023_02_01_preview.AzureMachineLearningWorkspaces>
Obligatoire

Client de service pour permettre aux utilisateurs finaux d’utiliser des ressources d’espace de travail Azure Machine Learning.

Méthodes

begin_attach

Attachez une ressource de calcul à l’espace de travail.
begin_create_or_update

Créez et inscrivez une ressource de calcul.
begin_delete

Supprimer ou détacher une ressource de calcul.
begin_restart

Redémarrez un instance de calcul.
begin_start

Démarrez une instance de calcul.
begin_stop

Arrêtez une instance de calcul.
begin_update

Mettre à jour une ressource de calcul. Actuellement valide uniquement pour les types de ressources AmlCompute.
get

Obtenir une ressource de calcul.
list

Répertorier les calculs de l’espace de travail.
list_nodes

Récupérez la liste des nœuds d’une ressource de calcul.
list_sizes

Répertoriez les tailles de machine virtuelle prises en charge dans un emplacement.
list_usage

Répertoriez les informations d’utilisation actuelles ainsi que les limites de ressources AzureML pour l’abonnement et l’emplacement donnés.

begin_attach

Attachez une ressource de calcul à l’espace de travail.

begin_attach(compute: Compute, **kwargs: Any) -> LROPoller[Compute]

Paramètres

compute
Compute
Obligatoire

Définition de ressource de calcul.

Retours

Instance de LROPoller qui retourne un objet Compute une fois l’opération de longue durée terminée.

Type de retour

LROPoller[Compute]

Exemples

Attachement d’une ressource de calcul à l’espace de travail.


   from azure.ai.ml.entities import AmlCompute

   compute_obj = AmlCompute(
       name=compute_name_2,
       tags={"key1": "value1", "key2": "value2"},
       min_instances=0,
       max_instances=10,
       idle_time_before_scale_down=100,
   )
   attached_compute = ml_client.compute.begin_attach(compute_obj)

begin_create_or_update

Créez et inscrivez une ressource de calcul.

begin_create_or_update(compute: Compute) -> LROPoller[Compute]

Paramètres

compute
Compute
Obligatoire

Définition de ressource de calcul.

Retours

Instance de LROPoller qui retourne un objet Compute une fois l’opération de longue durée terminée.

Type de retour

LROPoller[Compute]

Exemples

Création et inscription d’une ressource de calcul.


   from azure.ai.ml.entities import AmlCompute

   compute_obj = AmlCompute(
       name=compute_name_1,
       tags={"key1": "value1", "key2": "value2"},
       min_instances=0,
       max_instances=10,
       idle_time_before_scale_down=100,
   )
   registered_compute = ml_client.compute.begin_create_or_update(compute_obj)

begin_delete

Supprimer ou détacher une ressource de calcul.

begin_delete(name: str, *, action: str = 'Delete') -> LROPoller[None]

Paramètres

name
str
Obligatoire

Nom de la ressource de calcul.

action

Action à effectuer. Valeurs possibles : ["Delete », « Detach"]. La valeur par défaut est « Delete ».

Retours

Un polleur pour suivre l’opération status.

Type de retour

LROPoller[None]

Exemples

Exemple de suppression de calcul.


   ml_client.compute.begin_delete(compute_name_1, action="Detach")

   ml_client.compute.begin_delete(compute_name_2)

begin_restart

Redémarrez un instance de calcul.

begin_restart(name: str) -> LROPoller[None]

Paramètres

name
str
Obligatoire

Nom de l’instance de calcul.

Retours

Un polleur pour suivre l’opération status.

Type de retour

LROPoller[None]

Exemples

Redémarrage d’un instance de calcul arrêté.


   ml_client.compute.begin_restart(ci_name)

begin_start

Démarrez une instance de calcul.

begin_start(name: str) -> LROPoller[None]

Paramètres

name
str
Obligatoire

Nom de l’instance de calcul.

Retours

Un polleur pour suivre l’opération status.

Type de retour

LROPoller[None]

Exemples

Démarrage d’une instance de calcul.


   ml_client.compute.begin_start(ci_name)

begin_stop

Arrêtez une instance de calcul.

begin_stop(name: str) -> LROPoller[None]

Paramètres

name
str
Obligatoire

Nom de l’instance de calcul.

Retours

Un polleur pour suivre l’opération status.

Type de retour

LROPoller[None]

Exemples

Arrêt d’une instance de calcul.


   ml_client.compute.begin_stop(ci_name)

begin_update

Mettre à jour une ressource de calcul. Actuellement valide uniquement pour les types de ressources AmlCompute.

begin_update(compute: Compute) -> LROPoller[Compute]

Paramètres

compute
Compute
Obligatoire

Définition de ressource de calcul.

Retours

Instance de LROPoller qui retourne un objet Compute une fois l’opération de longue durée terminée.

Type de retour

LROPoller[Compute]

Exemples

Mise à jour d’une ressource AmlCompute.


   compute_obj = ml_client.compute.get("cpu-cluster")
   compute_obj.idle_time_before_scale_down = 200
   updated_compute = ml_client.compute.begin_update(compute_obj)

get

Obtenir une ressource de calcul.

get(name: str) -> Compute

Paramètres

name
str
Obligatoire

Nom de la ressource de calcul.

Retours

Objet Compute.

Type de retour

Compute

Exemples

Récupération d’une ressource de calcul à partir d’un espace de travail.


   cpu_cluster = ml_client.compute.get("cpu-cluster")

list

Répertorier les calculs de l’espace de travail.

list(*, compute_type: str | None = None) -> Iterable[Compute]

Paramètres

compute_type
Optional[str]

Type du calcul à répertorier, qui ne respecte pas la casse. La valeur par défaut est AMLCompute.

Retours

Un itérateur comme instance d’objets compute.

Type de retour

ItemPaged[Compute]

Exemples

Récupération d’une liste des ressources de calcul AzureML Kubernetes dans un espace de travail.


   compute_list = ml_client.compute.list(compute_type="AMLK8s")  # cspell:disable-line

list_nodes

Récupérez la liste des nœuds d’une ressource de calcul.

list_nodes(name: str) -> Iterable[AmlComputeNodeInfo]

Paramètres

name
str
Obligatoire

Nom de la ressource de calcul.

Retours

Un instance de type itérateur d’objets AmlComputeNodeInfo.

Type de retour

ItemPaged[AmlComputeNodeInfo]

Exemples

Récupération d’une liste de nœuds à partir d’une ressource de calcul.


   node_list = ml_client.compute.list_nodes(name="cpu-cluster")

list_sizes

Répertoriez les tailles de machine virtuelle prises en charge dans un emplacement.

list_sizes(*, location: str | None = None, compute_type: str | None = None) -> Iterable[VmSize]

Paramètres

location
str

Emplacement sur lequel les tailles des machines virtuelles sont interrogées. La valeur par défaut est l’emplacement de l’espace de travail.

compute_type
Optional[str]

Type du calcul à répertorier, qui ne respecte pas la casse. La valeur par défaut est AMLCompute.

Retours

Itérateur sur des objets de taille de machine virtuelle.

Type de retour

Iterable[VmSize]

Exemples

Liste des tailles de machine virtuelle prises en charge dans l’emplacement de l’espace de travail.


   size_list = ml_client.compute.list_sizes()

list_usage

Répertoriez les informations d’utilisation actuelles ainsi que les limites de ressources AzureML pour l’abonnement et l’emplacement donnés.

list_usage(*, location: str | None = None) -> Iterable[Usage]

Paramètres

location
Optional[str]

Emplacement pour lequel l’utilisation des ressources est interrogée. La valeur par défaut est l’emplacement de l’espace de travail.

Retours

Itérateur sur les objets d’informations d’utilisation actuelles.

Type de retour

ItemPaged[Usage]

Exemples

Répertorier l’utilisation des ressources pour l’emplacement de l’espace de travail.


   usage_list = ml_client.compute.list_usage()