在Azure ML中将本地计算与估算器结合使用

时间:2019-02-19 12:27:02

标签: azure tensorflow azure-machine-learning-studio

是否可以将本地计算用于TensorFlow估算器?为训练运行配置虚拟机需要花费大量时间,并且我希望能够在本地尝试一些运行,直到配置稳定为止。

https://github.com/MicrosoftDocs/azure-docs/blob/master/articles/machine-learning/service/how-to-train-tensorflow.md

可以通过创建一个空的RunConfiguration来使用ScriptRunConfig进行此操作。该文档声称可以创建本地ComputeTarget,但是缺少有关如何执行此操作的文档:

https://github.com/MicrosoftDocs/azure-docs/blob/master/articles/machine-learning/service/how-to-set-up-training-targets.md#local

  

本地计算机

     

创建和附加:无需创建或附加计算目标即可将本地计算机用作培训环境。

     

配置:当您使用本地计算机作为计算目标时,训练代码在您的开发环境中运行。如果该环境已经具有所需的Python软件包,请使用用户管理的环境。

     

[!code-python]

2 个答案:

答案 0 :(得分:1)

我将直接使用Microsoft docs而不是GitHub原始页面-我注意到GitHub原始页面有时不完整和/或已过时。

您怀疑,docs确认您应该创建一个空的RunConfiguration,类似于以下代码(取自上述链接):

from azureml.core.runconfig import RunConfiguration

# Edit a run configuration property on the fly.
run_local = RunConfiguration()

run_local.environment.python.user_managed_dependencies = True

答案 1 :(得分:0)

使用compute_target =“ local”。改编的Microsoft docs

script_params = {
    '--num_epochs': 30,
    '--output_dir': './outputs'
}

estimator = PyTorch(source_directory=project_folder, 
                    script_params=script_params,
                    # compute_target=compute_target,
                    compute_target='local',
                    entry_script='pytorch_train.py',
                    use_gpu=True,
                    pip_packages=['pillow==5.4.1'])