ResourceConfiguration Klasa

Definiuje szczegóły konfiguracji zasobów usługi Azure Machine Learning.

Zainicjuj element ResourceConfiguration.

Dziedziczenie

builtins.object

ResourceConfiguration

Konstruktor

ResourceConfiguration(cpu=None, memory_in_gb=None, gpu=None)

Parametry

Nazwa	Opis
cpu	float Liczba rdzeni procesora CPU do przydzielenia dla tego zasobu. Może to być liczba dziesiętna. Domyślna wartość: None
memory_in_gb	float Ilość pamięci (w GB) do przydzielenia dla tego zasobu. Może to być liczba dziesiętna. Domyślna wartość: None
gpu	int Liczba procesorów GPU do przydzielenia dla tego zasobu. Domyślna wartość: None
cpu Wymagane	float Liczba rdzeni procesora CPU do przydzielenia dla tego zasobu. Może to być liczba dziesiętna.
memory_in_gb Wymagane	float Ilość pamięci (w GB) do przydzielenia dla tego zasobu. Może to być liczba dziesiętna.
gpu Wymagane	int Liczba procesorów GPU do przydzielenia dla tego zasobu.

Uwagi

Zainicjuj konfigurację zasobów za pomocą tej klasy. Na przykład poniższy kod pokazuje, jak zarejestrować model określający strukturę, wejściowe i wyjściowe zestawy danych oraz konfigurację zasobów.

   import sklearn

   from azureml.core import Model
   from azureml.core.resource_configuration import ResourceConfiguration


   model = Model.register(workspace=ws,
                          model_name='my-sklearn-model',                # Name of the registered model in your workspace.
                          model_path='./sklearn_regression_model.pkl',  # Local file to upload and register as a model.
                          model_framework=Model.Framework.SCIKITLEARN,  # Framework used to create the model.
                          model_framework_version=sklearn.__version__,  # Version of scikit-learn used to create the model.
                          sample_input_dataset=input_dataset,
                          sample_output_dataset=output_dataset,
                          resource_configuration=ResourceConfiguration(cpu=1, memory_in_gb=0.5),
                          description='Ridge regression model to predict diabetes progression.',
                          tags={'area': 'diabetes', 'type': 'regression'})

   print('Name:', model.name)
   print('Version:', model.version)

Metody

deserialize	Przekonwertuj obiekt JSON na obiekt ResourceConfiguration.
serialize	Przekonwertuj tę konfigurację zasobu na słownik serializacji JSON.

deserialize

Przekonwertuj obiekt JSON na obiekt ResourceConfiguration.

static deserialize(payload_obj)

Parametry

Nazwa	Opis
payload_obj Wymagane	dict Obiekt JSON do konwersji na obiekt ResourceConfiguration.

Zwraca

Typ	Opis
ResourceConfiguration	Reprezentacja elementu ResourceConfiguration dostarczonego obiektu JSON.

serialize

Przekonwertuj tę konfigurację zasobu na słownik serializacji JSON.

serialize()

Zwraca

Typ	Opis
dict	Reprezentacja JSON tej klasy ResourceConfiguration.