0 / 0
Zurück zur englischen Version der Dokumentation
Umgebungsvorlagen anpassen

Umgebungsvorlagen anpassen

Sie können den Namen, die Beschreibung und die Hardwarekonfiguration einer von Ihnen erstellten Umgebungsvorlage ändern. Sie können die Softwarekonfiguration von Jupyter-Notebookumgebungsvorlagen über Conda-Kanäle oder mithilfe von pip anpassen. Sie können eine Liste mit Conda-Paketen und/oder eine Liste mit Pip-Paketen angeben. Bei Verwendung von Conda-Paketen können Sie eine Liste mit zusätzlichen Conda-Kanalpositionen bereitstellen, über die die Pakete abgerufen werden können.

Erforderliche Berechtigungen
Sie müssen über die Rolle Admin oder Editor im Projekt verfügen, damit Sie eine Umgebungsvorlage anpassen können.
Einschränkungen
Sie können die Sprache einer vorhandenen Umgebungsvorlage nicht ändern.
Sie können die Softwarekonfiguration einer von Ihnen erstellten Spark-Umgebungsvorlage nicht anpassen.

So passen Sie eine von Ihnen erstellte Umgebungsvorlage an:

  1. Klicken Sie auf der Registerkarte Verwalten Ihres Projekts auf die Seite Umgebungen.

  2. Überprüfen Sie im Abschnitt Aktive Laufzeiten, ob für die Umgebungsvorlage, die Sie ändern möchten, keine Laufzeit aktiv ist.

  3. Klicken Sie im Abschnitt Umgebungsvorlagen auf die Umgebungsvorlage, die Sie anpassen wollen.

  4. Nehmen Sie die gewünschten Änderungen vor.

    Wählen Sie für eine Umgebungsvorlage für ein Juypter-Notebook aus, dass eine Anpassung erstellt werden soll, und geben Sie die Bibliotheken an, die den standardmäßig verfügbaren Standardpaketen hinzugefügt werden sollen. Sie können die Anpassung auch für ein Upgrade oder Downgrade von Paketen verwenden, die Bestandteil der Softwarekonfiguration sind.

    Die Bibliotheken, die einer Umgebungsvorlage über die Anpassung hinzugefügt werden, werden nicht als persistent definiert. Sie werden jedoch automatisch bei jedem Start der Umgebungslaufzeit installiert. Beachten Sie Folgendes: Wenn Sie eine Bibliothek mit pip install über eine Notebookzelle und nicht über die Anpassung hinzufügen, können nur Sie diese Bibliothek verwenden. Die Bibliothek ist für andere Benutzer, die dieselbe Umgebungsvorlage verwenden, nicht verfügbar.

    Sie möchten die bereitgestellte Vorlage verwenden, um die angepassten Bibliotheken hinzuzufügen. Es gibt eine andere Vorlage für Python und für R. Das folgende Beispiel zeigt, wie Python-Pakete hinzugefügt werden:

    # Modify the following content to add a software customization to an environment.
    # To remove an existing customization, delete the entire content and click Apply.
    
    # Add conda channels below defaults, indented by two spaces and a hyphen.
    channels:
     - defaults
    
    # To add packages through conda or pip, remove the comment on the following line.
    # dependencies:
    
    # Add conda packages here, indented by two spaces and a hyphen.
    # Remove the comment on the following line and replace sample package name with your package name:
    #  - a_conda_package=1.0
    
    # Add pip packages here, indented by four spaces and a hyphen.
    # Remove the comments on the following lines  and replace sample package name with your package name.
    #  - pip:
    #    - a_pip_package==1.0
    

    Wichtig bei der Anpassung:

    • Bevor Sie ein Paket anpassen, müssen Sie sicherstellen, dass die geplanten Änderungen die beabsichtigte Wirkung haben.
      • conda kann die Änderungen melden, die für die Installation eines bestimmten Pakets erforderlich sind, ohne es tatsächlich zu installieren. Die Überprüfung der Änderungen können Sie über das Notebook ausführen. Beispiel für die Bibliothek Plotly:
        • Geben Sie in einem Python-Notebook Folgendes ein: !conda install --dry-run plotly
        • Geben Sie in einem R-Notebook Folgendes ein: print(system2("conda", args=c("install","--dry-run","r-plotly"), stdout=TRUE))
      • pip installiert das Paket. Wenn Sie die Laufzeit jedoch nach der Verifizierung erneut starten, wird das Paket entfernt. Die Überprüfung der Änderungen können Sie auch über das Notebook ausführen. Beispiel für die Bibliothek Plotly:
        • Geben Sie in einem Python-Notebook Folgendes ein: !pip install plotly
        • Geben Sie in einem R-Notebook Folgendes ein: print(system2("pip", args="install plotly", stdout=TRUE))
    • Wenn Sie ein Paket über conda aus den Standardkanälen und über pip aus PyPI abrufen können, ist die bevorzugte Methode über conda aus den Standardkanälen.
    • Conda überprüft bei der Installation von Paketen die Abhängigkeiten. Dieser Prozess kann speicherintensiv sein, wenn Sie viele Pakete zu der Anpassung hinzufügen. Wählen Sie eine Umgebung mit ausreichend Arbeitsspeicher aus, damit die Abhängigkeitsüberprüfung beim Starten der Laufzeit durchgeführt werden kann.
    • Um eine unnötige Abhängigkeitsprüfung zu verhindern, wenn Sie nur Pakete aus einem Conda-Kanal wünschen, schließen Sie die Standardkanäle aus, indem Sie defaults aus der Kanalliste in der Vorlage entfernen und nodefaults hinzufügen.
    • Neben dem Hauptkanal von Anaconda gibt es viele Pakete für R im R-Kanal von Anaconda. In R-Umgebungen ist dieser Kanal bereits Teil der Standardkanäle und muss daher nicht separat hinzugefügt werden.
    • Wenn Sie Pakete nur über Pip oder nur über Conda zur Anpassungsvorlage hinzufügen, müssen Sie sicherstellen, dass dependencies in der Vorlage nicht auf Kommentar gesetzt ist.
    • Wenn Sie eine Paketversion angeben, verwenden Sie eine einzelne = für conda-Pakete und == für pip-Pakete. Geben Sie nach Möglichkeit eine Versionsnummer an, da dadurch die Installationszeit und der Speicherbedarf erheblich verringert werden. Wenn Sie keine Version angeben, wählt der Paketmanager möglicherweise die neueste verfügbare Version aus oder behält die im Paket verfügbare Version bei.
    • Sie können nicht beliebige Notebookerweiterungen als Anpassung hinzufügen, da Notebookerweiterungen vorinstalliert sein müssen.
  5. Wenden Sie die Änderungen an.

Weitere Informationen

Übergeordnetes Thema: Rechenressourcen verwalten

Generative KI-Suche und -Antwort
Diese Antworten werden von einem großen Sprachmodell in watsonx.ai basierend auf dem Inhalt der Produktdokumentation generiert. Weitere Informationen