ResourceConfiguration 클래스
Azure Machine Learning 리소스의 리소스 구성에 관한 세부 정보를 정의합니다.
ResourceConfiguration을 초기화합니다.
- 상속
-
builtins.objectResourceConfiguration
생성자
ResourceConfiguration(cpu=None, memory_in_gb=None, gpu=None)
매개 변수
Name | Description |
---|---|
cpu
|
이 리소스에 할당할 CPU 코어 수입니다. 10진수일 수 있습니다. Default value: None
|
memory_in_gb
|
이 리소스에 할당할 메모리 양(GB)입니다. 10진수일 수 있습니다. Default value: None
|
gpu
|
이 리소스에 할당할 GPU 수입니다. Default value: None
|
cpu
필수
|
이 리소스에 할당할 CPU 코어 수입니다. 10진수일 수 있습니다. |
memory_in_gb
필수
|
이 리소스에 할당할 메모리 양(GB)입니다. 10진수일 수 있습니다. |
gpu
필수
|
이 리소스에 할당할 GPU 수입니다. |
설명
이 클래스를 사용하여 리소스 구성을 초기화합니다. 예를 들어, 다음 코드는 프레임워크, 입력 및 출력 데이터 세트, 리소스 구성을 지정하는 모델을 등록하는 방법을 보여 줍니다.
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)
메서드
deserialize |
JSON 개체를 ResourceConfiguration 개체로 변환합니다. |
serialize |
이 ResourceConfiguration을 JSON 직렬화된 사전으로 변환합니다. |
deserialize
JSON 개체를 ResourceConfiguration 개체로 변환합니다.
static deserialize(payload_obj)
매개 변수
Name | Description |
---|---|
payload_obj
필수
|
ResourceConfiguration 개체로 변환할 JSON 개체입니다. |
반환
형식 | Description |
---|---|
제공된 JSON 개체의 ResourceConfiguration 표현입니다. |
serialize
이 ResourceConfiguration을 JSON 직렬화된 사전으로 변환합니다.
serialize()
반환
형식 | Description |
---|---|
이 ResourceConfiguration의 JSON 표현입니다. |