ComputeOperations 類別
ComputeOperations。
不應該直接具現化這個類別。 請改用 MLClient 物件的 計算 屬性。
- 繼承
-
azure.ai.ml._scope_dependent_operations._ScopeDependentOperationsComputeOperations
建構函式
ComputeOperations(operation_scope: OperationScope, operation_config: OperationConfig, service_client: AzureMachineLearningWorkspaces, **kwargs: Dict)參數
- operation_scope
- <xref:azure.ai.ml._scope_dependent_operations.OperationScope>
MLClient 物件的作業類別範圍變數。
- operation_config
- <xref:azure.ai.ml._scope_dependent_operations.OperationConfig>
MLClient 物件的作業類別的常見組態。
- service_client
- <xref:azure.ai.ml._restclient.v2023_02_01_preview.AzureMachineLearningWorkspaces>
服務用戶端可讓使用者在 Azure Machine Learning 工作區資源上運作。
方法
| begin_attach |
將計算資源附加至工作區。 |
| begin_create_or_update |
建立和註冊計算資源。 |
| begin_delete |
刪除或卸離計算資源。 |
| begin_restart |
重新開機計算實例。 |
| begin_start |
啟動計算實例。 |
| begin_stop |
停止計算實例。 |
| begin_update |
更新計算資源。 目前僅適用于 AmlCompute 資源類型。 |
| get |
取得計算資源。 |
| list |
列出工作區的計算。 |
| list_nodes |
擷取計算資源節點的清單。 |
| list_sizes |
列出位置中支援的 VM 大小。 |
| list_usage |
列出指定訂用帳戶和位置的目前使用量資訊，以及 AzureML 資源限制。 |
begin_attach
將計算資源附加至工作區。
begin_attach(compute: Compute, **kwargs: Any) -> LROPoller[Compute]參數
傳回
LROPoller 的實例，一旦長時間執行的作業完成，就會傳回 Compute 物件。
傳回類型
範例
將計算資源附加至工作區。
from azure.ai.ml.entities import AmlCompute
compute_obj = AmlCompute(
name=compute_name_2,
tags={"key1": "value1", "key2": "value2"},
min_instances=0,
max_instances=10,
idle_time_before_scale_down=100,
)
attached_compute = ml_client.compute.begin_attach(compute_obj)
begin_create_or_update
建立和註冊計算資源。
begin_create_or_update(compute: Compute) -> LROPoller[Compute]參數
傳回
LROPoller 的實例，一旦長時間執行的作業完成，就會傳回 Compute 物件。
傳回類型
範例
建立和註冊計算資源。
from azure.ai.ml.entities import AmlCompute
compute_obj = AmlCompute(
name=compute_name_1,
tags={"key1": "value1", "key2": "value2"},
min_instances=0,
max_instances=10,
idle_time_before_scale_down=100,
)
registered_compute = ml_client.compute.begin_create_or_update(compute_obj)
begin_delete
刪除或卸離計算資源。
begin_delete(name: str, *, action: str = 'Delete') -> LROPoller[None]參數
- action
要執行的動作。 可能的值：[「Delete」， 「Detach」]。 預設為 「Delete」。
傳回
用來追蹤作業狀態的輪詢器。
傳回類型
範例
刪除計算範例。
ml_client.compute.begin_delete(compute_name_1, action="Detach")
ml_client.compute.begin_delete(compute_name_2)
begin_restart
重新開機計算實例。
begin_restart(name: str) -> LROPoller[None]參數
傳回
用來追蹤作業狀態的輪詢器。
傳回類型
範例
重新開機已停止的計算實例。
ml_client.compute.begin_restart(ci_name)
begin_start
啟動計算實例。
begin_start(name: str) -> LROPoller[None]參數
傳回
用來追蹤作業狀態的輪詢器。
傳回類型
範例
啟動計算實例。
ml_client.compute.begin_start(ci_name)
begin_stop
停止計算實例。
begin_stop(name: str) -> LROPoller[None]參數
傳回
用來追蹤作業狀態的輪詢器。
傳回類型
範例
停止計算實例。
ml_client.compute.begin_stop(ci_name)
begin_update
更新計算資源。 目前僅適用于 AmlCompute 資源類型。
begin_update(compute: Compute) -> LROPoller[Compute]參數
傳回
LROPoller 的實例，一旦長時間執行的作業完成，就會傳回 Compute 物件。
傳回類型
範例
更新 AmlCompute 資源。
compute_obj = ml_client.compute.get("cpu-cluster")
compute_obj.idle_time_before_scale_down = 200
updated_compute = ml_client.compute.begin_update(compute_obj)
get
取得計算資源。
get(name: str) -> Compute參數
傳回
計算物件。
傳回類型
範例
從工作區擷取計算資源。
cpu_cluster = ml_client.compute.get("cpu-cluster")
list
列出工作區的計算。
list(*, compute_type: str | None = None) -> Iterable[Compute]參數
傳回
反覆運算器，例如 Compute 物件的實例。
傳回類型
範例
擷取工作區中 AzureML Kubernetes 計算資源的清單。
compute_list = ml_client.compute.list(compute_type="AMLK8s") # cspell:disable-line
list_nodes
擷取計算資源節點的清單。
list_nodes(name: str) -> Iterable[AmlComputeNodeInfo]參數
傳回
AmlComputeNodeInfo 物件的類似反覆運算器實例。
傳回類型
範例
從計算資源擷取節點清單。
node_list = ml_client.compute.list_nodes(name="cpu-cluster")
list_sizes
列出位置中支援的 VM 大小。
list_sizes(*, location: str | None = None, compute_type: str | None = None) -> Iterable[VmSize]參數
- location
- str
查詢虛擬機器大小的位置。 預設為工作區位置。
傳回
虛擬機器大小物件的反覆運算器。
傳回類型
範例
列出工作區位置中支援的 VM 大小。
size_list = ml_client.compute.list_sizes()
