yr.InvokeOptions.runtime_env

InvokeOptions.runtime_env: Dict

• conda 为 actor 提供不同的 Python 运行时环境。

  • 指定一个现有的 conda 环境（该环境在所有节点上都存在）``runtime_env = {“conda”:”pytorch_p39”}``

  • 通过配置创建并使用 conda 环境。runtime_env["conda"] = {"name":"myenv","channels": ["conda-forge"], "dependencies": ["python=3.9", "msgpack-python=1.0.5", "protobuf", "libgcc-ng", "cloudpickle=2.0.0", "cython=3.0.10", "pyyaml=6.0.2"]}

  • 通过 YAML 文件创建并使用 conda 环境（YAML 文件符合 conda 要求）。runtime_env = {"conda":"/home/env.yaml"}

• pip 为 Python 运行时环境安装依赖项。

• working_dir 配置作业的代码路径。

• env_vars 配置进程级环境变量。runtime_env = {"env_vars":{"OMP_NUM_THREADS": "32", "TF_WARNINGS": "none"}}

其中 runtime_env 的约束条件如下：

• runtime_env 支持的键是 conda、env_vars、pip、working_dir。其他键不会生效，也不会导致错误。

• 使用 conda 运行 yr 函数。环境需要包含 yr 及其第三方依赖项。建议用户先创建一个 conda 环境，然后通过 runtime_env 指定它，例如： runtime_env = {"conda":"pytorch_p39"}

• runtime_env 支持使用配置创建和切换 conda 环境。配置需要安装 yr 的第三方依赖项，例如： runtime_env["conda"] = {"name":"myenv","channels": ["conda-forge"], "dependencies": ["python=3.9", "msgpack-python=1.0.5", "protobuf", "libgcc-ng", "cloudpickle=2.0.0", "cython=3.0.10", "pyyaml=6.0.2"]}

• 用户需要清理在 runtime_env 中使用 conda 创建的环境。

• 在 runtime_env 中，conda 可以使用 pip 安装依赖项，这些依赖项由 conda 直接管理。 runtime_env = {"conda":{'name': 'my_project_env', 'channels': ['defaults', 'conda-forge'], 'dependencies': ['python=3.9', {'pip': ['requests==2.25.1']}]}}

• 目前，提供了 Python 3.9 和 Python 3.11 SDK。conda 的 Python 版本需要与 SDK 版本一致。

• 如果同时配置了 InvokeOptions.env_vars 和 InvokeOptions.runtime_env[“env_vars”] 中的相同键， 则使用 InvokeOptions.env_vars 中的配置。

• 如果配置了 InvokeOptions.runtime_env[“working_dir”]，则使用此配置， 否则，使用 YR.Config.working_dir，最后使用 InvokeOptions.env_vars 中的配置。

• 如果使用 conda，需要指定环境变量 YR_CONDA_HOME 指向安装路径。