環境について

• 6 分

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。

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)