在 Azure 机器学习工作室中创建适用于 PyTorch 的 Azure 容器 (ACPT) 自定义特选环境

本文介绍如何在 Azure 机器学习中创建自定义环境。 使用自定义环境可以扩展特选环境，并添加 Hugging Face （HF） 转换器、数据集，或使用 Azure 机器学习安装其他外部包。 使用 Azure 机器学习，可以使用 Docker 上下文创建一个新环境，该环境包含 ACPT 特选环境作为基础映像，上面包含其他包。

Prerequisites

在按照本文中的步骤操作之前，请确保满足以下先决条件：

• Azure 订阅。 如果没有 Azure 订阅，请在开始操作前先创建一个免费帐户。 试用免费版或付费版 Azure 机器学习。
• Azure 机器学习工作区。 如果没有，请使用快速入门：创建工作区资源一文中的步骤创建一个。

导航到环境

在 Azure 机器学习工作室中，通过选择“环境”选项导航到“环境”部分。

导航到特选环境

导航到特选环境并搜索“acpt”以列出所有可用的 ACPT 特选环境。 选择一个环境以查看其详细信息。

获取特选环境的详细信息

若要创建自定义环境，需要基本 Docker 映像存储库，可在 “说明” 部分找到该存储库作为 Azure 容器注册表。 复制 Azure 容器注册表 名称，以在创建新的自定义环境时使用。

导航到自定义环境。

返回并选择“ 自定义环境 ”选项卡。

创建自定义环境

选择+ 新建。 在“创建环境”窗口中，提供环境的名称和说明，然后在“选择环境类型”部分中选择 “创建新的 docker 上下文 ”。

粘贴之前复制的 Docker 镜像名称。 通过声明基本映像并添加要使用的任何环境变量以及要包括的包来配置环境。

查看环境设置，根据需要添加任何标记，然后选择“ 创建 ”按钮创建自定义环境。

现在，已在 Azure 机器学习工作室中创建了一个自定义环境，可用于运行机器学习模型。

后续步骤

• 详细了解环境对象：
  • 什么是 Azure 机器学习环境？
  • 详细了解 精选环境
• 详细了解 如何在 Azure 机器学习中训练模型
• 适用于 PyTorch 的 Azure 容器 (ACPT) 参考