Zrozum środowiska
W rozwiązaniu do uczenia maszynowego w przedsiębiorstwie, w którym eksperymenty mogą być uruchamiane w różnych kontekstach obliczeniowych, ważne jest, aby pamiętać o środowiskach, w których działa kod eksperymentu. Środowiska usługi Azure Machine Learning można używać do tworzenia środowisk i określania konfiguracji środowiska uruchomieniowego dla eksperymentu.
Podczas tworzenia obszaru roboczego usługi Azure Machine Learning wyselekcjonowane środowiska są automatycznie tworzone i udostępniane. Alternatywnie, możesz tworzyć i zarządzać własnymi niestandardowymi środowiskami oraz rejestrować je w obszarze roboczym. Tworzenie i rejestrowanie środowisk niestandardowych umożliwia definiowanie spójnych kontekstów środowiska uruchomieniowego wielokrotnego użytku dla eksperymentów — niezależnie od tego, gdzie jest uruchamiany skrypt eksperymentu.
Co to jest środowisko w usłudze Azure Machine Learning?
Kod języka Python jest uruchamiany w kontekście środowiska wirtualnego , który definiuje wersję środowiska uruchomieniowego języka Python, która ma być używana, a także zainstalowane pakiety dostępne dla kodu. W większości instalacji języka Python pakiety są instalowane i zarządzane w środowiskach przy użyciu conda lub pip.
Aby zwiększyć przenośność, zwykle tworzy się środowiska w kontenerach platformy Docker, które są z kolei hostowane na docelowych obiektach obliczeniowych, takich jak komputer programisty, maszyny wirtualne lub klastry w chmurze.
Usługa Azure Machine Learning tworzy definicje środowiska w obrazach Docker i środowiskach conda. W przypadku korzystania ze środowiska usługa Azure Machine Learning tworzy środowisko w Azure Container Registry skojarzone z obszarem roboczym.
Napiwek
Podczas tworzenia obszaru roboczego usługi Azure Machine Learning możesz wybrać, czy używać istniejącego rejestru kontenerów platformy Azure, czy też zezwolić obszarowi roboczemu na utworzenie nowego rejestru w razie potrzeby.
Aby wyświetlić wszystkie dostępne środowiska w obszarze roboczym usługi Azure Machine Learning, możesz wyświetlić listę środowisk w programie Studio, przy użyciu interfejsu wiersza polecenia platformy Azure lub zestawu SDK języka Python.
Aby na przykład wyświetlić listę środowisk przy użyciu zestawu SDK języka Python:
envs = ml_client.environments.list()
for env in envs:
print(env.name)
Aby przejrzeć szczegóły określonego środowiska, możesz pobrać środowisko według jego zarejestrowanej nazwy:
env = ml_client.environments.get(name="my-environment", version="1")
print(env)