ComputeTarget Classe

Attachez un objet Compute à un espace de travail à l’aide du nom et des informations de configuration spécifiés.

static attach(workspace, name, attach_configuration)

Paramètres

Retours

Exceptions

Remarques

Le type d’objet à passer au paramètre attach_configuration est un ComputeTargetAttachConfiguration objet généré à l’aide de la attach_configuration fonction sur l’une des classes enfants de ComputeTarget.

L’exemple suivant montre comment attacher un compte ADLA à un espace de travail à l’aide de la attach_configuration méthode AdlaCompute.

   adla_compute_name = 'testadl' # Name to associate with new compute in workspace

   # ADLA account details needed to attach as compute to workspace
   adla_account_name = "<adla_account_name>" # Name of the Azure Data Lake Analytics account
   adla_resource_group = "<adla_resource_group>" # Name of the resource group which contains this account

   try:
       # check if already attached
       adla_compute = AdlaCompute(ws, adla_compute_name)
   except ComputeTargetException:
       print('attaching adla compute...')
       attach_config = AdlaCompute.attach_configuration(resource_group=adla_resource_group, account_name=adla_account_name)
       adla_compute = ComputeTarget.attach(ws, adla_compute_name, attach_config)
       adla_compute.wait_for_completion()

   print("Using ADLA compute:{}".format(adla_compute.cluster_resource_id))
   print("Provisioning state:{}".format(adla_compute.provisioning_state))
   print("Provisioning errors:{}".format(adla_compute.provisioning_errors))

L’exemple complet est disponible à partir de https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-use-adla-as-compute-target.ipynb

Provisionnez un objet Compute en spécifiant un type de calcul et une configuration associée.

Cette méthode crée une cible de calcul plutôt que d’attacher une cible existante.

static create(workspace, name, provisioning_configuration)

Paramètres

Retours

Exceptions

Remarques

Le type d’objet provisionné est déterminé par la configuration d’approvisionnement fournie.

Dans l’exemple suivant, une cible de calcul persistante provisionnée est AmlCompute créée. Le provisioning_configuration paramètre de cet exemple est de type AmlComputeProvisioningConfiguration.

   from azureml.core.compute import ComputeTarget, AmlCompute
   from azureml.core.compute_target import ComputeTargetException

   # Choose a name for your CPU cluster
   cpu_cluster_name = "cpu-cluster"

   # Verify that cluster does not exist already
   try:
       cpu_cluster = ComputeTarget(workspace=ws, name=cpu_cluster_name)
       print('Found existing cluster, use it.')
   except ComputeTargetException:
       compute_config = AmlCompute.provisioning_configuration(vm_size='STANDARD_D2_V2',
                                                              max_nodes=4)
       cpu_cluster = ComputeTarget.create(ws, cpu_cluster_name, compute_config)

   cpu_cluster.wait_for_completion(show_output=True)

L’exemple complet est disponible à partir de https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/training/train-on-amlcompute/train-on-amlcompute.ipynb

Supprimez l’objet Compute de son espace de travail associé.

Cette méthode abstraite est implémentée par les classes enfants de ComputeTarget.

abstract delete()

Remarques

Si cet objet a été créé via Azure Machine Learning, les objets cloud correspondants sont également supprimés. Si cet objet a été créé en externe et attaché uniquement à l’espace de travail, cette méthode déclenche une exception et rien n’est modifié.

Convertissez un objet JSON en objet Compute.

abstract static deserialize(workspace, object_dict)

Paramètres

Retours

Remarques

Déclenche une ComputeTargetException opération si l’espace de travail fourni n’est pas l’espace de travail associé au calcul.

Détachez l’objet Compute de son espace de travail associé.

Cette méthode abstraite est implémentée par les classes enfants de ComputeTarget. Les objets cloud sous-jacents ne sont pas supprimés, seules leurs associations sont supprimées.

abstract detach()

Récupérez l’état d’approvisionnement actuel de l’objet Compute.

get_status()

Retours

Remarques

Les valeurs retournées sont répertoriées dans la référence de l’API REST Azure pour ProvisioningState.

Répertorier tous les objets ComputeTarget dans l’espace de travail.

Retourne une liste d’objets enfants instanciés correspondant au type spécifique de calcul. Les objets sont des enfants de ComputeTarget.

static list(workspace)

Paramètres

Retours

Exceptions

Effectuez une mise à jour sur place des propriétés de l’objet.

Mettez à jour les propriétés en fonction de l’état actuel de l’objet cloud correspondant. Cela est utile pour l’interrogation manuelle de l’état de calcul.

Cette méthode abstraite est implémentée par les classes enfants de ComputeTarget.

abstract refresh_state()

Convertissez cet objet Compute en dictionnaire sérialisé JSON.

abstract serialize()

Retours

Attendez que l’opération d’approvisionnement actuelle se termine sur le cluster.

Cette méthode retourne une ComputeTargetException valeur s’il existe un problème lors de l’interrogation de l’objet de calcul.

wait_for_completion(show_output=False, is_delete_operation=False)

Paramètres

Exceptions