DAY22 用 Azure Machine Learning SDK 建立環境

我們在前面圖形化介面時，有個地方沒有認真帶大家看過，就是下圖的 Environment。我們可以看到 Azure Machine Learning （下稱 AML）有內建很多設定好的環境可以給我們使用，當然我們也可以建立自己要的環境。

建立自己的環境

1. 如下圖所示，有兩種環境的模式，一種是包在容器裡的，一種不是包在容器裡的、傳統依賴 Conda 或 pip 的環境。一般來說在 AML 裡都是容器化的環境。
   

2. 我們先來建立一個 YAML 檔，名為 Conda.yml，參考程式碼如下：

name: koko_env
dependencies:
  - numpy
  - pandas
  - scikit-learn
  - pip:
    - azureml-defaults

3. 然後我們用 Environment 類別來建立環境，並且註冊之。

from azureml.core import Environment

env = Environment.from_conda_specification(name='koko_training_environment',
                                           file_path='./conda.yml')

# 註冊環境
env.register(workspace=ws)

4. 註冊後可以用下面的方式看到並取得現在有的環境：

from azureml.core import Environment

env_names = Environment.list(workspace=ws)
for env_name in env_names:
    print('Name:',env_name)

# 取得你要環境
koko_env = Environment.get(workspace=ws, name='koko_environment')

5. 你也可以到圖形化介面去看，如下圖，切換到 Custom Environments 就可以看到我們剛剛建立的環境。
   

其他建環境的方法

6. 或是可以從現有的 Conda 環境，來建立環境，程式碼如下；

from azureml.core import Environment

env = Environment.from_existing_conda_environment(name='conda_environment',
                                                  conda_environment_name='py_env')

7. 也可以用 CondaDependencies 這個類別來指定套件，這樣子做其實我們也可以不用像剛剛一樣建立 YAML 檔，程式碼如下：

from azureml.core import Environment
from azureml.core.conda_dependencies import CondaDependencies

env = Environment('koko_environment')
deps = CondaDependencies.create(conda_packages=['scikit-learn','pandas','numpy'],
                                pip_packages=['azureml-defaults'])
env.python.conda_dependencies = deps

今天我們就介紹完環境的建立啦！明天開始的難度直線上升，要進入 AML SDK 最核心的部份囉！