WorkerConfiguration Klasse
WorkerConfiguration ist die Klasse, die alle erforderlichen Informationen enthält, damit die Worker ausgeführt werden können.
Initialisieren der WorkerConfiguration
:type azureml.core.runconfig.HistoryConfiguration :p aram use_gpu: Prameter wird verwendet, um zu signalisieren, ob das Standardbasisimage die Pakete für
gpu hinzugefügt. Dieser Parameter wird ignoriert, wenn environment er festgelegt ist.
yaml-Datei. :type conda_dependencies_file: str
Konstruktor
WorkerConfiguration(node_count, compute_target=None, environment=None, shm_size='2g', history=None, use_gpu=False, pip_packages=None, conda_packages=None, conda_dependencies_file=None, pip_requirements_file=None)Parameter
| Name | Beschreibung |
|---|---|
|
node_count
Erforderlich
|
Die Anzahl der zu initialisierenden Workerknoten wird pro Computer im Computeziel ausgeführt. |
|
compute_target
|
AbstractComputeTarget oder
str
Das Computeziel, in dem die Mitarbeiter ausgeführt werden. Dies kann entweder ein Objekt oder der Name des Computeziels sein. Standardwert: None
|
|
environment
|
Die Umgebungsdefinition für die Mitarbeiter. Es enthält PythonSection-, DockerSection- und Umgebungsvariablen. Jede Umgebungsoption, die nicht direkt über andere Parameter für die WorkerConfiguration-Konstruktion verfügbar gemacht wird, kann mithilfe dieses Parameters festgelegt werden. Wenn dieser Parameter angegeben wird, wird er als Basis verwendet, auf der pakete angegeben Standardwert: None
|
|
shm_size
|
Die Docker-shm_size-Konfiguration für den Worker. Standardwert: 2g
|
|
history
|
Die Verlaufskonfiguration für die Ausführung des Mitarbeiters steuert, welche Protokollordner überwacht werden. Standardwert: None
|
|
use_gpu
|
Der Parameter, der verwendet wird, um zu signalisieren, ob das Standardbasisimage die Pakete für gpu hinzugefügt haben soll. Dieser Parameter wird ignoriert, wenn Standardwert: False
|
|
conda_packages
|
Eine Liste der Zeichenfolgen, die Conda-Pakete darstellen, die der Python-Umgebung für die Worker hinzugefügt werden sollen. Standardwert: None
|
|
pip_packages
|
Eine Liste der Zeichenfolgen, die Pip-Pakete darstellen, die der Python-Umgebung für die Worker hinzugefügt werden sollen Standardwert: None
|
|
pip_requirements_file
|
Der relative Pfad zur Anforderungstextdatei der Mitarbeiter.
Dies kann in Kombination mit dem Standardwert: None
|
|
conda_dependencies_file
|
Der relative Pfad zur Conda-Abhängigkeiten der Yaml-Datei des Arbeiters. Standardwert: None
|
|
node_count
Erforderlich
|
Die Anzahl der zu initialisierenden Workerknoten wird pro Computer im Computeziel ausgeführt. |
|
compute_target
Erforderlich
|
<xref:azureml.core.compute_target.ComputeTarget> oder
str
Das Computeziel, in dem die Mitarbeiter ausgeführt werden. Dies kann entweder ein Objekt oder der Name des Computeziels sein. |
|
environment
Erforderlich
|
Die Umgebungsdefinition für die Mitarbeiter. Es enthält PythonSection-, DockerSection- und Umgebungsvariablen. Jede Umgebungsoption, die nicht direkt über andere Parameter für die WorkerConfiguration-Konstruktion verfügbar gemacht wird, kann mithilfe dieses Parameters festgelegt werden. Wenn dieser Parameter angegeben wird, wird er als Basis verwendet, auf der pakete angegeben |
|
shm_size
Erforderlich
|
Die Docker-shm_size-Konfiguration für den Worker. |
|
history
Erforderlich
|
Die Verlaufskonfiguration für die Ausführung des Mitarbeiters steuert, welche Protokollordner überwacht werden. |
|
conda_packages
Erforderlich
|
Eine Liste der Zeichenfolgen, die Conda-Pakete darstellen, die der Python-Umgebung für die Worker hinzugefügt werden sollen. |
|
pip_packages
Erforderlich
|
Eine Liste der Zeichenfolgen, die Pip-Pakete darstellen, die der Python-Umgebung für die Worker hinzugefügt werden sollen |
|
pip_requirements_file
Erforderlich
|
Der relative Pfad zur Anforderungstextdatei der Mitarbeiter.
Dies kann in Kombination mit dem |
|
conda_dependencies_file
Erforderlich
|
Der relative Pfad zu den Conda-Abhängigkeiten der Arbeiter |
Attribute
target
Rufen Sie das Computeziel ab, in dem die Ausführung des Workers für die Ausführung geplant ist.
Verfügbare Cloud-Computeziele finden Sie mithilfe der Funktion compute_targets
Gibt zurück
| Typ | Beschreibung |
|---|---|
|
Der Zielname |