ComputeTarget クラス

指定した名前と構成情報を使用して、Compute オブジェクトをワークスペースにアタッチします。

static attach(workspace, name, attach_configuration)

パラメーター

戻り値

例外

注釈

パラメーター attach_configurationに渡すオブジェクトの型は、ComputeTargetAttachConfigurationのいずれかの子クラスでattach_configuration関数を使用して構築されたComputeTarget オブジェクトです。

次の例は、AdlaCompute の attach_configuration メソッドを使用して、ADLA アカウントをワークスペースにアタッチする方法を示しています。

   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))

完全なサンプルは次から入手できます 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

コンピューティングの種類と関連する構成を指定して、Compute オブジェクトをプロビジョニングします。

このメソッドは、既存のコンピューティング 先をアタッチするのではなく、新しいコンピューティング 先を作成します。

static create(workspace, name, provisioning_configuration)

パラメーター

戻り値

例外

注釈

プロビジョニングされるオブジェクトの種類は、指定されたプロビジョニング構成によって決まります。

次の例では、 AmlCompute によってプロビジョニングされた永続的なコンピューティング 先が作成されます。 この例の provisioning_configuration パラメーターは、 AmlComputeProvisioningConfiguration型です。

   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)

完全なサンプルは次から入手できます https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/training/train-on-amlcompute/train-on-amlcompute.ipynb

関連付けられているワークスペースから Compute オブジェクトを削除します。

この抽象メソッドは、 ComputeTargetの子クラスによって実装されます。

abstract delete()

注釈

このオブジェクトが Azure Machine Learning を使用して作成された場合、対応するクラウドベースのオブジェクトも削除されます。 このオブジェクトが外部で作成され、ワークスペースにのみアタッチされている場合、このメソッドは例外を発生させ、何も変更されません。

JSON オブジェクトを Compute オブジェクトに変換します。

abstract static deserialize(workspace, object_dict)

パラメーター

戻り値

注釈

指定されたワークスペースがコンピューティングが関連付けられているワークスペースでない場合は、 ComputeTargetException を発生させます。

関連付けられているワークスペースから Compute オブジェクトをデタッチします。

この抽象メソッドは、 ComputeTargetの子クラスによって実装されます。 基になるクラウド オブジェクトは削除されず、関連付けだけが削除されます。

abstract detach()

Compute オブジェクトの現在のプロビジョニング状態を取得します。

get_status()

戻り値

注釈

返される値は、 ProvisioningState の Azure REST API リファレンスに記載されています。

ワークスペース内のすべての ComputeTarget オブジェクトを一覧表示します。

特定の種類の Compute に対応するインスタンス化された子オブジェクトの一覧を返します。 オブジェクトは ComputeTargetの子です。

static list(workspace)

パラメーター

戻り値

例外

オブジェクトのプロパティのインプレース更新を実行します。

対応するクラウド オブジェクトの現在の状態に基づいてプロパティを更新します。 これは、コンピューティング状態の手動ポーリングに役立ちます。

この抽象メソッドは、 ComputeTargetの子クラスによって実装されます。

abstract refresh_state()

この Compute オブジェクトを JSON シリアル化ディクショナリに変換します。

abstract serialize()

戻り値

現在のプロビジョニング操作がクラスターで完了するまで待ちます。

このメソッドは、コンピューティング オブジェクトのポーリングで問題が発生した場合に ComputeTargetException を返します。

wait_for_completion(show_output=False, is_delete_operation=False)

パラメーター

例外