了解環境

  • 6 分鐘

在企業機器學習解決方案中，實驗可以在各種計算內容中執行，請務必注意實驗程式碼執行所在的環境。 您可以使用 Azure Machine Learning 環境 來建立環境，並指定實驗的運行時間組態。

當您建立 Azure Machine Learning 工作區時，會自動建立 策劃 環境，並可供您使用。 或者，您可以建立和管理自己的 自定義 環境，並在工作區中註冊它們。 建立和註冊自定義環境可讓您定義實驗的一致、可重複使用的運行時間內容，而不論實驗腳本的執行位置為何。

什麼是 Azure Machine Learning 中的環境？

Python 程式代碼會在 虛擬環境的內容中執行， 定義要使用的 Python 執行時間版本，以及程式代碼可用的已安裝套件。 在大部分的 Python 安裝中，套件會使用 conda 或 pip在環境中安裝及管理。

為了改善可移植性，您通常會在 Docker 容器中建立環境，這些環境會接著裝載於計算目標上，例如開發電腦、虛擬機或雲端中的叢集。

在容器和計算目標中的環境圖表。

Azure Machine Learning 會將環境定義建置至 Docker 映像和 conda 環境。 當您使用環境時，Azure Machine Learning 會在與工作區相關聯的 Azure Container Registry 上建置環境。

提示

當您建立 Azure Machine Learning 工作區時，可以選擇是否要使用現有的 Azure Container Registry，或是否在需要時讓工作區為您建立新的登錄。

若要檢視 Azure Machine Learning 工作區內的所有可用環境，您可以使用 Azure CLI 或 Python SDK 來列出 Studio 中的環境。

例如，若要使用 Python SDK 列出環境：

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

若要檢閱特定環境的詳細數據，您可以依其已註冊的名稱擷取環境：

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