Udostępnij za pośrednictwem

Dostosowywanie obrazu podstawowego na potrzeby sesji obliczeniowej

  • Artykuł

W tej sekcji założono, że masz wiedzę na temat środowisk Docker i Azure Machine Learning.

Krok 1. Przygotowanie kontekstu platformy Docker

Utwórz image_build folder

W środowisku lokalnym utwórz folder zawierający następujące pliki, struktura folderów powinna wyglądać następująco:

|--image_build
|  |--requirements.txt
|  |--Dockerfile
|  |--environment.yaml

Definiowanie wymaganych pakietów w programie requirements.txt

Opcjonalnie: Dodaj pakiety w prywatnym repozytorium pypi.

Użyj następującego polecenia, aby pobrać pakiety do środowiska lokalnego: pip wheel <package_name> --index-url=<private pypi> --wheel-dir <local path to save packages>

requirements.txt Otwórz plik i dodaj do niego dodatkowe pakiety i określoną wersję. Na przykład:

###### Requirements with Version Specifiers ######
langchain == 0.0.149        # Version Matching. Must be version 0.0.149
keyring >= 4.1.1            # Minimum version 4.1.1
coverage != 3.5             # Version Exclusion. Anything except version 3.5
Mopidy-Dirble ~= 1.1        # Compatible release. Same as >= 1.1, == 1.*
<path_to_local_package>     # reference to local pip wheel package

Aby uzyskać więcej informacji na temat struktury pliku requirements.txt , zobacz Format pliku wymagań w dokumentacji narzędzia.

Definiowanie Dockerfile

Utwórz plik i dodaj następującą Dockerfile zawartość, a następnie zapisz plik:

FROM <Base_image>
COPY ./* ./
RUN pip install -r requirements.txt

Uwaga

Ten obraz platformy Docker powinien zostać skompilowany na podstawie obrazu podstawowego przepływu monitu, który ma wartość mcr.microsoft.com/azureml/promptflow/promptflow-runtime:<newest_version>. Jeśli to możliwe, użyj najnowszej wersji obrazu podstawowego.

Krok 2. Tworzenie niestandardowego środowiska usługi Azure Machine Learning

Definiowanie środowiska w programie environment.yaml

W środowisku obliczeniowym lokalnym możesz użyć interfejsu wiersza polecenia (wersja 2), aby utworzyć dostosowane środowisko na podstawie obrazu platformy Docker.

Uwaga

az login # if not already authenticated

az account set --subscription <subscription ID>
az configure --defaults workspace=<Azure Machine Learning workspace name> group=<resource group>

environment.yaml Otwórz plik i dodaj następującą zawartość. Zastąp <symbol zastępczy environment_name> odpowiednią nazwą środowiska.

$schema: https://azuremlschemas.azureedge.net/latest/environment.schema.json
name: <environment_name>
build:
  path: .

Utwórz środowisko

cd image_build
az ml environment create -f environment.yaml --subscription <sub-id> -g <resource-group> -w <workspace>

Uwaga

Tworzenie obrazu środowiska może potrwać kilka minut.

Przejdź do strony interfejsu użytkownika obszaru roboczego, a następnie przejdź do strony środowiska i znajdź utworzone środowisko niestandardowe.

Obraz można również znaleźć na stronie szczegółów środowiska i użyć go jako obrazu podstawowego na potrzeby sesji obliczeniowej przepływu monitów. Ten obraz będzie również używany do tworzenia środowiska na potrzeby wdrażania przepływu z poziomu interfejsu użytkownika. Dowiedz się więcej na temat określania obrazu podstawowego w sesji obliczeniowej.

Aby dowiedzieć się więcej na temat interfejsu wiersza polecenia środowiska, zobacz Zarządzanie środowiskami.

Następne kroki