Schéma YAML prostředí CLI (v2)

  • Článek

PLATÍ PRO: Rozšíření Azure CLI ml v2 (aktuální)

Zdrojové schéma JSON najdete na adrese https://azuremlschemas.azureedge.net/latest/environment.schema.json.

Poznámka:

Syntaxe YAML podrobná v tomto dokumentu je založená na schématu JSON pro nejnovější verzi rozšíření ML CLI v2. Tato syntaxe je zaručena pouze pro práci s nejnovější verzí rozšíření ML CLI v2. Schémata pro starší verze rozšíření najdete na adrese https://azuremlschemasprod.azureedge.net/.

Syntaxe YAML

Klíč Typ Popis Povolené hodnoty Default value
$schema string Schéma YAML. Pokud k vytvoření souboru YAML použijete rozšíření Azure Machine Learning VS Code, včetně $schema v horní části souboru, můžete vyvolat schéma a dokončování prostředků.
name string Povinný: Název prostředí
version string Verze prostředí Pokud tento parametr vynecháte, Azure Machine Learning automaticky vygeneruje verzi.
description string Popis prostředí
tags objekt Slovník značek pro prostředí
image string Image Dockeru, která se má použít pro prostředí. Jedna z image nebo build je povinná.
conda_file řetězec nebo objekt Standardní konfigurační soubor conda YAML závislostí pro prostředí conda. Viz třída https://conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html#creating-an-environment-file-manually.

Je-li zadáno, image je třeba zadat také. Azure Machine Learning sestaví prostředí Conda nad poskytnutou imagí Dockeru.
build objekt Konfigurace kontextu sestavení Dockeru, která se má použít pro prostředí. Jedna z image nebo build je povinná.
build.path string Místní cesta k adresáři, který se má použít jako kontext sestavení.
build.dockerfile_path string Relativní cesta k souboru Dockerfile v kontextu sestavení. Dockerfile
os_type string Typ operačního systému. linux, windows linux
inference_config objekt Odvozování konfigurací kontejneru Platí pouze v případě, že se prostředí používá k sestavení kontejneru obsluhy pro online nasazení. Viz Atributy inference_config klíče.

inference_config Atributy klíče

Klíč Typ Popis
liveness_route objekt Trasa živé aktivity pro obslužný kontejner.
liveness_route.path string Cesta ke směrování žádostí o liveness do.
liveness_route.port integer Port, do který se mají směrovat žádosti o aktivity.
readiness_route objekt Trasa připravenosti pro kontejner obsluhy.
readiness_route.path string Cesta ke směrování požadavků na připravenost.
readiness_route.port integer Port pro směrování požadavků na připravenost.
scoring_route objekt Trasu bodování pro kontejner obsluhy.
scoring_route.path string Cesta ke směrování požadavků na bodování.
scoring_route.port integer Port pro směrování požadavků na bodování.

Poznámky

Tento az ml environment příkaz se dá použít ke správě prostředí Azure Machine Learning.

Příklady

Příklady jsou k dispozici v příkladech v úložišti GitHub. Níže je uvedeno několik.

YAML: místní kontext sestavení Dockeru

$schema: https://azuremlschemas.azureedge.net/latest/environment.schema.json
name: docker-context-example
build:
  path: docker-contexts/python-and-pip

YAML: Image Dockeru

$schema: https://azuremlschemas.azureedge.net/latest/environment.schema.json
name: docker-image-example
image: pytorch/pytorch:latest
description: Environment created from a Docker image.

YAML: Image Dockeru plus soubor Conda

$schema: https://azuremlschemas.azureedge.net/latest/environment.schema.json
name: docker-image-plus-conda-example
image: mcr.microsoft.com/azureml/openmpi4.1.0-ubuntu20.04
conda_file: conda-yamls/pydata.yml
description: Environment created from a Docker image plus Conda environment.

Další kroky