0 / 0
Torna alla versione inglese della documentazione
Esempi di personalizzazione dei modelli di ambiente

Esempi di personalizzazione dei modelli di ambiente

Puoi seguire gli esempi di come aggiungere librerie personalizzate tramite conda o pip utilizzando i template forniti per Python e R quando crei un template di ambiente.

È possibile utilizzare mamba al posto di conda nei seguenti esempi con conda. Ricordati di selezionare la casella di controllo da installare da mamba se si aggiungono canali o pacchetti da mamba al modello di ambiente esistente.

Esempi esistono per:

Suggerimenti e consigli:

Aggiunta di pacchetti conda

Per ottenere le ultime versioni di pandas - profiling:

dependencies:
  - pandas-profiling

Questo equivale a eseguire conda install pandas-profiling in un notebook.

Aggiunta di pacchetti di pip

È anche possibile personalizzare un ambiente utilizzando pip se un particolare pacchetto non è disponibile nei canali conda:

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

Questo equivale a eseguire pip install ibm-watson-machine-learning in un notebook.

La personalizzazione in realtà farà più di solo installare il pacchetto pip specificato. Il comportamento predefinito di conda è quello di cercare anche una nuova versione di pip stessa e quindi installarla. Controllando tutte le dipendenze implicite in conda spesso ci vogliono diversi minuti e anche gigabyte di memoria. La seguente personalizzazione accorderà l'installazione di pip:

channels:
  - empty
  - nodefaults

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

Il canale conda empty non fornisce alcun pacchetto. Non esiste un pacchetto pip in particolare. conda non tenterà di installare pip e utilizzerà invece la versione già pre - installata. Da notare che la parola chiave nodefaults nell'elenco dei canali ha bisogno di almeno un altro canale nell'elenco. Altrimenti conda ignorerà silenziosamente la parola chiave e utilizzerà i canali predefiniti.

Combinazione di pacchetti conda e pip

È possibile elencare più pacchetti con un unico pacchetto per riga. Una singola personalizzazione può avere sia i pacchetti conda che i pacchetti di pip.

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

Da notare che la notazione del modello richiesto è sensibile agli spazi di guida. Ogni articolo dell'elenco dei pacchetti conda deve avere due spazi all'avanguardia. Ogni articolo dell'elenco dei pacchetti di pip deve avere quattro spazi all'avanguardia. La versione di un pacchetto conda deve essere specificata utilizzando un unico simbolo uguale (=), mentre la versione di un pacchetto pip deve essere aggiunta utilizzando due simboli di uguale (==).

Aggiunta di pacchetti complessi con dipendenze interne

Quando si aggiungono molti pacchetti o un pacchetto complesso con molte dipendenze interne, l'installazione di conda potrebbe richiedere molto o potrebbe anche fermarsi senza vedere alcun messaggio di errore. Per evitare che questo accada:

  • Specificare le versioni dei pacchetti che si desidera aggiungere. Questo riduce lo spazio di ricerca per conda per risolvere le dipendenze.
  • Aumentare la dimensione della memoria dell'ambiente.
  • Utilizzare un canale specifico invece dei canali conda predefiniti definiti nel file .condarc . Questo evita di eseguire lunghe ricerche attraverso i grandi canali.

Esempio di personalizzazione che non utilizza i canali conda predefiniti:

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

dependencies:
  - prophet

Questa personalizzazione corrisponde al seguente comando in un notebook:

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

Aggiunta di pacchetti conda per notebook R

Il seguente esempio mostra come creare una personalizzazione che aggiunge pacchetti conda da utilizzare in un notebook R:

channels:
  - defaults

dependencies:
  - r-plotly

Questa personalizzazione corrisponde al seguente comando in un notebook:

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

I nomi dei pacchetti R in conda iniziano generalmente con il prefisso r-. Se si utilizza solo plotly nella personalizzazione, l'installazione ci riuscirebbe ma il pacchetto Python sarebbe installato invece del pacchetto R. Se poi cercate di utilizzare il pacchetto nel vostro codice R come in library(plotly), questo restituirebbe un errore.

Impostazione delle variabili d'ambiente

È possibile impostare le variabili di ambiente nel proprio ambiente aggiungendo una sezione di variabili al modello di personalizzazione software come mostrato nel seguente esempio:

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

L'esempio mostra anche che è possibile utilizzare la sezione delle variabili per impostare un server proxy per un ambiente.

Limitazione: non è possibile sovrascrivere le variabili di ambiente esistenti, ad esempio LD_LIBRARY_PATH, utilizzando questo approccio.

Best practice

Per evitare problemi che possono sorgere per trovare pacchetti o risolvere le dipendenze conflittuali, iniziare installando i pacchetti necessari manualmente tramite un notebook in un ambiente di test. Ciò consente di controllare interattivamente se i pacchetti possono essere installati senza errori. Dopo aver verificato che i pacchetti sono stati tutti installati correttamente, creare una personalizzazione per il proprio ambiente di sviluppo o di produzione e aggiungere i pacchetti al modello di personalizzazione.

Argomento principale: Personalizzazione degli ambienti

Ricerca e risposta AI generativa
Queste risposte sono generate da un modello di lingua di grandi dimensioni in watsonx.ai basato sul contenuto della documentazione del prodotto. Ulteriori informazioni