환경 이해

다양한 컴퓨팅 컨텍스트에서 실험을 실행할 수 있는 엔터프라이즈 기계 학습 솔루션에서는 실험 코드가 실행되는 환경을 인식하는 것이 중요할 수 있습니다. Azure Machine Learning 환경을 사용하여 환경을 만들고 실험에 대한 런타임 구성을 지정할 수 있습니다.

Azure Machine Learning 작업 영역을 만들면 큐레이팅된 환경이 자동으로 만들어지고 사용할 수 있게 됩니다. 또는 사용자 고유의 사용자 지정 환경을 만들고 관리하고 작업 영역에 등록할 수 있습니다. 사용자 지정 환경을 만들고 등록하면 실험 스크립트가 실행되는 위치에 관계없이 실험에 대해 일관되고 재사용 가능한 런타임 컨텍스트를 정의할 수 있습니다.

Azure Machine Learning의 환경은 무엇인가요?

Python 코드는 사용할 Python 런타임의 버전과 코드에서 사용할 수 있는 설치된 패키지를 정의하는 가상 환경 의 컨텍스트에서 실행됩니다. 대부분의 Python 설치에서 패키지는 conda 또는 pip사용하여 환경에서 설치 및 관리됩니다.

이식성을 개선하기 위해 일반적으로 개발 컴퓨터, 가상 머신 또는 클라우드의 클러스터와 같은 컴퓨팅 대상에서 호스트되는 Docker 컨테이너에 환경을 만듭니다.

Azure Machine Learning은 Docker 이미지 및 conda 환경에 환경 정의를 빌드합니다. 환경을 사용하는 경우 Azure Machine Learning은 작업 영역과 연결된 Azure Container Registry 에서 환경을 빌드합니다.

Azure Machine Learning 작업 영역 내에서 사용 가능한 모든 환경을 보려면 Azure CLI 또는 Python SDK를 사용하여 스튜디오의 환경을 나열할 수 있습니다.

예를 들어 Python SDK를 사용하여 환경을 나열하려면 다음을 수행합니다.

envs = ml_client.environments.list()
for env in envs:
    print(env.name)

특정 환경의 세부 정보를 검토하려면 등록된 이름으로 환경을 검색할 수 있습니다.

env = ml_client.environments.get(name="my-environment", version="1")
print(env)