環境について
実験がさまざまなコンピューティング コンテキストで実行されるエンタープライズ機械学習ソリューションでは、実験コードが実行される環境に注意することが重要な場合があります。 Azure Machine Learning の環境を使って、環境を作成し、実験のランタイム構成を指定できます。
Azure Machine Learning ワークスペースを作成すると、キュレーションされた環境が自動的に作成され、使用できるようになります。 または、独自のカスタム環境を作成して管理し、ワークスペースに登録することもできます。 カスタム環境を作成して登録すると、実験スクリプトの実行場所に関係なく、一貫性のある再利用可能なランタイム コンテキストを実験に定義できます。
Azure Machine Learning の環境とは
Python コードは、使用する Python ランタイムのバージョンと、コードで使用可能なインストール済みパッケージを定義する "仮想環境" のコンテキストで実行されます。 ほとんどの Python インストールでは、パッケージは conda
または pip
を使用する環境にインストールされて管理されます。
移植性を高めるために、通常は、開発用コンピューター、仮想マシン、またはクラウド上のクラスターなどのコンピューティング先でホストされる Docker コンテナー内に環境を作成します。
Azure Machine Learning では、Docker イメージと Conda 環境に環境定義が組み込まれます。 環境を使う場合、Azure Machine Learning によって、ワークスペースに関連付けられている Azure コンテナー レジストリに環境が構築されます。
ヒント
Azure Machine Learning ワークスペースを作成するときに、既存の Azure コンテナー レジストリを使うかどうか、またはワークスペースで必要に応じて新しいレジストリを作成できるようにするかどうかを選択できます。
Azure Machine Learning ワークスペース内で使用できるすべての環境を表示するには、Azure CLI または Python SDK を使って、スタジオで環境を一覧表示できます。
たとえば、Python SDK を使って環境を一覧表示するには:
envs = ml_client.environments.list()
for env in envs:
print(env.name)
特定の環境の詳細を確認する場合は、環境をその登録された名前で取得できます。
env = ml_client.environments.get(name="my-environment", version="1")
print(env)