Использование локальных вычислений с оценщиком в Azure ML

Question

Можно ли использовать локальные вычисления для оценки TensorFlow?Подготовка виртуальной машины для учебного прогона занимает огромное количество времени, и я хотел бы иметь возможность попробовать несколько прогонов локально, пока моя конфигурация не станет стабильной.

https://github.com/MicrosoftDocs/azure-docs/blob/master/articles/machine-learning/service/how-to-train-tensorflow.md

ЭтоЭто можно сделать с помощью ScriptRunConfig, создав пустую RunConfiguration.В документации утверждается, что можно создать локальный ComputeTarget, но отсутствует документация о том, как это сделать:

https://github.com/MicrosoftDocs/azure-docs/blob/master/articles/machine-learning/service/how-to-set-up-training-targets.md#local

Локальный компьютер

Создание и присоединение. Нет необходимости создавать или присоединять цель вычислений, чтобы использовать локальный компьютер в качестве учебной среды.

Конфигурировать: Когда вы используете локальный компьютер в качестве цели вычислений, обучающий код запускается на вашем компьютере.среда разработки.Если в этой среде уже есть нужные вам пакеты Python, используйте среду, управляемую пользователем.

[! Code-python]

Answer 1

Используйте compute_target = "local".Адаптировано Документы Microsoft

script_params = {
    '--num_epochs': 30,
    '--output_dir': './outputs'
}

estimator = PyTorch(source_directory=project_folder, 
                    script_params=script_params,
                    # compute_target=compute_target,
                    compute_target='local',
                    entry_script='pytorch_train.py',
                    use_gpu=True,
                    pip_packages=['pillow==5.4.1'])

Answer 2

Я бы использовал Microsoft docs напрямую, вместо необработанных страниц GitHub - я заметил, что последние иногда бывают неполными и / или устаревшими.

Как вы подозреваете, документы подтверждают, что вы должны создать пустую RunConfiguration, что-то вроде следующего кода (взятого из вышеупомянутой ссылки):

from azureml.core.runconfig import RunConfiguration

# Edit a run configuration property on the fly.
run_local = RunConfiguration()

run_local.environment.python.user_managed_dependencies = True