Partager via

ResourceConfiguration Classe

Définit les détails de la configuration des ressources des ressources Azure Machine Learning.

Initialisez ResourceConfiguration.

Constructeur

ResourceConfiguration(cpu=None, memory_in_gb=None, gpu=None)

Paramètres

Nom Description
cpu
float

Nombre de cœurs d’UC à allouer pour cette ressource. Peut être une décimale.

Valeur par défaut: None
memory_in_gb
float

Quantité de mémoire (en Go) à allouer pour cette ressource. Peut être une décimale.

Valeur par défaut: None
gpu
int

Nombre de GPU à allouer pour cette ressource.

Valeur par défaut: None
cpu
Obligatoire
float

Nombre de cœurs d’UC à allouer pour cette ressource. Peut être une décimale.
memory_in_gb
Obligatoire
float

Quantité de mémoire (en Go) à allouer pour cette ressource. Peut être une décimale.
gpu
Obligatoire
int

Nombre de GPU à allouer pour cette ressource.

Remarques

Initialisez une configuration de ressource avec cette classe. Par exemple, le code suivant montre comment inscrire un modèle spécifiant l’infrastructure, les jeux de données d’entrée et de sortie et la configuration des ressources.


   import sklearn

   from azureml.core import Model
   from azureml.core.resource_configuration import ResourceConfiguration


   model = Model.register(workspace=ws,
                          model_name='my-sklearn-model',                # Name of the registered model in your workspace.
                          model_path='./sklearn_regression_model.pkl',  # Local file to upload and register as a model.
                          model_framework=Model.Framework.SCIKITLEARN,  # Framework used to create the model.
                          model_framework_version=sklearn.__version__,  # Version of scikit-learn used to create the model.
                          sample_input_dataset=input_dataset,
                          sample_output_dataset=output_dataset,
                          resource_configuration=ResourceConfiguration(cpu=1, memory_in_gb=0.5),
                          description='Ridge regression model to predict diabetes progression.',
                          tags={'area': 'diabetes', 'type': 'regression'})

   print('Name:', model.name)
   print('Version:', model.version)

Méthodes

deserialize

Convertissez un objet JSON en objet ResourceConfiguration.
serialize

Convertissez cette ResourceConfiguration en dictionnaire sérialisé JSON.

deserialize

Convertissez un objet JSON en objet ResourceConfiguration.

static deserialize(payload_obj)

Paramètres

Nom Description
payload_obj
Obligatoire
dict

Objet JSON à convertir en objet ResourceConfiguration.

Retours

Type Description
ResourceConfiguration

Représentation ResourceConfiguration de l’objet JSON fourni.

serialize

Convertissez cette ResourceConfiguration en dictionnaire sérialisé JSON.

serialize()

Retours

Type Description
dict

Représentation JSON de cette ResourceConfiguration.