DAY22 用 Azure Machine Learning SDK 建立环境

我们在前面图形化介面时，有个地方没有认真带大家看过，就是下图的 Environment。我们可以看到 Azure Machine Learning （下称 AML）有内建很多设定好的环境可以给我们使用，当然我们也可以建立自己要的环境。

建立自己的环境

1. 如下图所示，有两种环境的模式，一种是包在容器里的，一种不是包在容器里的、传统依赖 Conda 或 pip 的环境。一般来说在 AML 里都是容器化的环境。
   

2. 我们先来建立一个 YAML 档，名为 Conda.yml，参考程序码如下：

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

3. 然後我们用 Environment 类别来建立环境，并且注册之。

from azureml.core import Environment

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

# 注册环境
env.register(workspace=ws)

4. 注册後可以用下面的方式看到并取得现在有的环境：

from azureml.core import Environment

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

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

5. 你也可以到图形化介面去看，如下图，切换到 Custom Environments 就可以看到我们刚刚建立的环境。
   

其他建环境的方法

6. 或是可以从现有的 Conda 环境，来建立环境，程序码如下；

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 这个类别来指定套件，这样子做其实我们也可以不用像刚刚一样建立 YAML 档，程序码如下：

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

今天我们就介绍完环境的建立啦！明天开始的难度直线上升，要进入 AML SDK 最核心的部份罗！