Alcune o tutte le informazioni in questa pagina potrebbero non essere applicabili a Cloud de Confiance di S3NS. Per maggiori dettagli, consulta Differenze rispetto a Google Cloud.

Google utilizza la tecnologia AI per tradurre i contenuti nella tua lingua preferita. Le traduzioni generate dall'AI potrebbero contenere errori.

Gestire l'ambiente conda

Questa pagina descrive come gestire un ambiente conda nell'istanza Workbench di Gemini Enterprise Agent Platform.

Panoramica

Se hai aggiunto un ambiente conda all'istanza Workbench di Agent Platform, questo viene visualizzato come kernel nell'interfaccia JupyterLab dell'istanza.

Potresti aver aggiunto un ambiente conda all'istanza per utilizzare un kernel non disponibile in un'istanza Workbench di Agent Platform predefinita. Questa pagina descrive come modificare ed eliminare il kernel.

Aprire JupyterLab

Nella Cloud de Confiance console, vai alla pagina Istanze.

Vai a Istanze
Fai clic su Apri JupyterLab accanto al nome dell'istanza Workbench di Agent Platform.

L'istanza Workbench di Agent Platform apre JupyterLab.

Modificare un kernel conda

Le istanze Workbench di Gemini Enterprise Agent Platform sono dotate di framework preinstallati come PyTorch e TensorFlow. Se hai bisogno di una versione diversa, puoi modificare le librerie utilizzando pip nell'ambiente conda pertinente.

Ad esempio, se vuoi eseguire l'upgrade di PyTorch:

# Check the name of the conda environment for PyTorch
conda env list

# Activate the environment for PyTorch
conda activate pytorch

# Display the PyTorch version
python -c "import torch; print(torch.__version__)"

# Make sure to use pip from the conda environment for PyTorch
# This should be `/opt/conda/envs/pytorch/bin/pip`
which pip

# Upgrade PyTorch
pip install --upgrade torch

Eliminare un kernel conda

Alcuni pacchetti conda aggiungono kernel predefiniti all'ambiente quando vengono installati. Ad esempio, quando installi R, conda potrebbe aggiungere anche un kernel python3. Ciò può causare una duplicazione dei kernel nell'ambiente. Per evitare kernel duplicati, elimina il kernel predefinito prima di crearne uno nuovo con lo stesso nome.

rm -rf /opt/conda/envs/CONDA_ENVIRONMENT_NAME/share/jupyter/kernels/python3

Risoluzione dei problemi

Per diagnosticare e risolvere i problemi relativi alla gestione di un ambiente conda in un'istanza Workbench di Agent Platform, consulta Risoluzione dei problemi di Workbench di Agent Platform.

Passaggi successivi

Scopri di più su conda.