了解环境

  • 6 分钟

在企业机器学习解决方案中，试验可能在各种计算上下文中运行，所以了解试验代码运行的环境是很重要的。 可以使用 Azure 机器学习环境来创建环境，并为试验指定运行时配置。

当你创建 Azure 机器学习工作区时，会自动创建策展环境供你使用。 或者，你可以创建和管理自己的自定义环境，并在工作区中注册它们。 创建和注册自定义环境可以为试验定义一致的、可重用的运行时上下文，无论试验脚本在哪里运行。

什么是 Azure 机器学习中的环境？

Python 代码在虚拟环境上下文中运行，它定义了要使用的 Python 运行时版本以及代码可使用的已安装包。 在大多数 Python 安装中，包是使用 conda 或 pip 在环境中安装和管理的。

为了提高可移植性，通常在 Docker 容器中创建环境，这些环境反过来托管在计算目标中，如开发计算机、虚拟机或云中的群集。

Diagram of environments, in containers, in compute targets.

Azure 机器学习将环境定义生成到 Docker 映像和 conda 环境中。 当你使用环境时，Azure 机器学习在与工作区关联的 Azure 容器注册表上生成环境。

提示

创建 Azure 机器学习工作区时，可以选择是使用现有的 Azure 容器注册表，还是让工作区在你需要时创建新注册表。

若要查看 Azure 机器学习工作区中的所有可用环境，可以使用 Azure CLI 或 Python SDK 列出工作室中的环境。

例如，若要使用 Python SDK 列出环境，请执行以下操作：

envs = ml_client.environments.list()
for env in envs:
    print(env.name)

若要查看特定环境的详细信息，可以按它的注册名称检索环境：

env = ml_client.environments.get(name="my-environment", version="1")
print(env)