如何在 ML Azure Pipeline 中使用環境

Question

背景

我已經從 conda environment.yml加上一些 docker 配置和環境變量創建了一個 ML Workspace 環境。 我可以從 Python 筆記本中訪問它：

env = Environment.get(workspace=ws, name='my-environment', version='1')

我可以成功地使用它來運行 Python 腳本作為實驗，即

runconfig = ScriptRunConfig(source_directory='script/', script='my-script.py', arguments=script_params)
runconfig.run_config.target = compute_target
runconfig.run_config.environment = env
run = exp.submit(runconfig)

問題

我現在想像流水線一樣運行這個相同的腳本，這樣我就可以用不同的參數觸發多次運行。 我創建了管道如下：

pipeline_step = PythonScriptStep(
    source_directory='script', script_name='my-script.py',
    arguments=['-a', param1, '-b', param2],
    compute_target=compute_target,
    runconfig=runconfig
)
steps = [pipeline_step]
pipeline = Pipeline(workspace=ws, steps=steps)
pipeline.validate()

當我然后嘗試運行管道時：

pipeline_run = Experiment(ws, 'my_pipeline_run').submit(
    pipeline, pipeline_parameters={...}
)

我收到以下錯誤： Response status code does not indicate success: 400 (Conda dependencies were not specified. Please make sure that all conda dependencies were specified i).

當我查看在 Azure 門戶中運行的管道時，似乎還沒有選擇環境：我的 conda 依賴項都沒有配置，因此代碼沒有運行。 我究竟做錯了什么？

Answer 1

您快完成了，但您需要使用RunConfiguration而不是ScriptRunConfig 。 更多信息在這里

from azureml.core.runconfig import RunConfiguration

env = Environment.get(workspace=ws, name='my-environment', version='1')
# create a new runconfig object
runconfig = RunConfiguration()
runconfig.environment = env

pipeline_step = PythonScriptStep(
    source_directory='script', script_name='my-script.py',
    arguments=['-a', param1, '-b', param2],
    compute_target=compute_target,
    runconfig=runconfig
)

pipeline = Pipeline(workspace=ws, steps=[pipeline_step])

pipeline_run = Experiment(ws, 'my_pipeline_run').submit(pipeline)