0 / 0
Go back to the English version of the documentation
Ortam şablonu uyarlamaları örnekleri
Last updated: 19 May 2023
Ortam şablonu uyarlamaları örnekleri

You can follow examples of how to add custom libraries through conda or pip using the provided templates for Python and R when you create an environment template.

conda ile ilgili aşağıdaki örneklerde conda ' nın yerine mamba kullanabilirsiniz. Mamba 'dan var olan ortam şablonuna kanal ya da paket eklerseniz, mamba içinden kurulacak onay kutusunu işaretlemeyi unutmayın.

Aşağıdakiler için örnekler var:

İpuçları ve öneriler:

Conda paketleri ekleniyor

Pandaların profilinin en son sürümlerini almak için:

dependencies:
  - pandas-profiling

This is equivalent to running conda install pandas-profiling in a notebook.

Pip paketleri ekleme

Ayrıca, conda kanallarında belirli bir paket yoksa, pip özelliğini kullanarak bir ortamı uyarlayabilirsiniz:

dependencies:
  - pip:
    - ibm-watson-machine-learning

This is equivalent to running pip install ibm-watson-machine-learning in a notebook.

Özelleştirme aslında, belirtilen pip paketini kurmaktan daha fazlasını yapacak. conda 'in varsayılan davranışı, pip ' un kendisinin yeni bir sürümünü de arayıp kurmamaktadır. conda ' taki tüm örtük bağımlılıkların denetlenmesi genellikle birkaç dakika sürer ve gigabayt bellek miktarını da içerir. Aşağıdaki özelleştirme, pipkuruluşunun kısayolunu kısacaktır:

channels:
  - empty
  - nodefaults

dependencies:
  - pip:
    - ibm-watson-machine-learning

The conda channel empty does not provide any packages. Belirli bir pip paketi yoktur. conda , pip ürününü kurmayı denemez ve önceden kurulu olan sürümü kullanır. Kanal listesinde nodefaults anahtar sözcüğünün listede en az bir başka kanala ihtiyacı olduğunu unutmayın. Tersi durumda conda , anahtar sözcüğü sessiz bir şekilde yoksayar ve varsayılan kanalları kullanır.

conda ve pip paketlerinin birleştirilmesi

Her satır için bir paketle birden çok paketi listeleyebilirsiniz. Tek bir özelleştirmenin hem conda paketleri hem de pip paketleri olabilir.

dependencies:
  - pandas-profiling
  - scikit-learn=0.20
  - pip:
    - watson-machine-learning-client-V4
    - sklearn-pandas==1.8.0

Gerekli şablon gösterimin, baştaki alanlara duyarlı olduğunu unutmayın. Conda paketleri listesindeki her öğenin önde gelen iki alanı olmalıdır. Pip paketleri listesindeki her öğenin dört tane önde alan olması gerekir. Bir konda paketinin sürümü tek bir eşittir simgesi (=) kullanılarak belirtilmelidir, ancak bir pip paketinin sürümü iki eşittir simgesi (==) kullanılarak eklenmelidir.

İç bağımlılıklarla karmaşık paketler ekleme

Birçok iç bağımlılık içeren bir çok paket ya da karmaşık bir paket eklediğinizde, konda kuruluşu uzun sürebilir ya da herhangi bir hata iletisi görmenize gerek kalmadan durabilir. Bunun gerçekleşmesini önlemek için:

  • Eklemek istediğiniz paketlerin sürümlerini belirtin. Bu, conda için arama alanını bağımlılıkları çözecek şekilde azaltır.
  • Ortamın bellek boyutunu büyütür.
  • .condarc dosyasında tanımlı olan varsayılan conda kanalları yerine belirli bir kanalı kullanın. Bu, uzun aramaların büyük kanallar üzerinden yürütülmesini önler.

Varsayılan conda kanallarını kullanmayan bir özelleştirme örneği:

# get latest version of the prophet package from the conda-forge channel
channels:
  - conda-forge
  - nodefaults

dependencies:
  - prophet

Bu uyarlama, bir not defterinde aşağıdaki komutlara karşılık gelir:

!conda install -c conda-forge --override-channels prophet -y

R defterleri için conda paketleri ekleme

Aşağıdaki örnek, R dizüstü bilgisayarında kullanılacak conda paketlerini ekleyen bir uyarlamanın nasıl yaratılacağı gösterilmiştir:

channels:
  - defaults

dependencies:
  - r-plotly

Bu uyarlama, bir not defterinde aşağıdaki komutlara karşılık gelir:

print(system("conda install r-plotly", intern=TRUE))

Conda içindeki R paketlerinin adları genellikle r-önekiyle başlar. Özelleştirmelerinizde plotly ' u kullanıyorsanız, kuruluş başarılı olur, ancak R paketi yerine Python paketi kurulur. If you then try to use the package in your R code as in library(plotly), this would return an error.

Ortam değişkenlerini tanımlama

Aşağıdaki örnekte gösterildiği gibi, yazılım uyarlama şablonuna bir değişken bölümü ekleyerek ortamınızda ortam değişkenleri ayarlayabilirsiniz:

variables:
  my_var: my_value
  HTTP_PROXY: https://myproxy:3128
  HTTPS_PROXY: https://myproxy:3128
  NO_PROXY: cluster.local

Örnek, bir ortam için yetkili sunucu ayarlamak üzere değişkenler bölümünü de kullanabildiğinizi gösterir.

Sınırlama: Var olan ortam değişkenlerini geçersiz kılamazsınız; örneğin LD_LIBRARY_PATH, bu yaklaşımı kullanarak.

En iyi uygulamalar

Paketlerin bulunması ya da çakışan bağımlılıkların çözümünde oluşabilecek sorunları önlemek için, gereksinim duyardığınız paketleri, bir test ortamında bir not defteri aracılığıyla el ile kurmaya başlayın. Bu, etkileşimli olarak paketler kurulabiliyorsa, etkileşimli olarak denetlenebilmenizi sağlar. Paketlerin doğru bir şekilde kurulduğunu doğruladıktan sonra, geliştirme ya da üretim ortamınız için bir özelleştirme oluşturun ve paketleri özelleştirme şablonuna ekleyin.

Üst konu: Uyarlama ortamlarının uyarlanması

Generative AI search and answer
These answers are generated by a large language model in watsonx.ai based on content from the product documentation. Learn more