Partilhar via

ResourceConfiguration Classe

  • Referência

Define os detalhes da configuração de recursos dos recursos do Azure Machine Learning.

Inicialize o ResourceConfiguration.

Herança
builtins.object
ResourceConfiguration

Construtor

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

Parâmetros

Name Description
cpu
float

O número de núcleos de CPU a alocar para este recurso. Pode ser um decimal.

Default value: None
memory_in_gb
float

A quantidade de memória (em GB) a alocar para este recurso. Pode ser um decimal.

Default value: None
gpu
int

O número de GPUs a alocar para este recurso.

Default value: None
cpu
Necessário
float

O número de núcleos de CPU a alocar para este recurso. Pode ser um decimal.
memory_in_gb
Necessário
float

A quantidade de memória (em GB) a alocar para este recurso. Pode ser um decimal.
gpu
Necessário
int

O número de GPUs a alocar para este recurso.

Observações

Inicialize uma configuração de recursos com esta classe. Por exemplo, o código seguinte mostra como registar um modelo que especifique conjuntos de dados de entrada e saída e configuração de recursos.


   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)

Métodos

deserialize

Converta um objeto JSON num objeto ResourceConfiguration.
serialize

Converta este ResourceConfiguration num dicionário serializado JSON.

deserialize

Converta um objeto JSON num objeto ResourceConfiguration.

static deserialize(payload_obj)

Parâmetros

Name Description
payload_obj
Necessário
dict

Um objeto JSON para converter num objeto ResourceConfiguration.

Devoluções

Tipo Description
ResourceConfiguration

A representação ResourceConfiguration do objeto JSON fornecido.

serialize

Converta este ResourceConfiguration num dicionário serializado JSON.

serialize()

Devoluções

Tipo Description
dict

A representação JSON desta ResourceConfiguration.