Azure ML SDK2注册自定义环境报错及正确实现方法问询

错误原因 #

你遇到的AttributeError: 'Environment' object has no attribute '_auto_increment_version'错误，核心原因是混用了Azure ML SDK v1和v2的Environment类：你从azureml.core导入的是SDK v1的Environment对象，但用SDK v2的MLClient来操作它，两类API的对象结构不兼容，导致属性缺失报错。

解决方案 #

要在SDK v2中独立完成环境注册与构建，需完全使用SDK v2的API体系：

• 导入SDK v2专属的Environment类（来自azure.ai.ml.entities）
• 直接通过订阅ID、资源组名、工作区名初始化MLClient，无需依赖SDK v1的Workspace对象
• 定义好环境的基础镜像、conda依赖配置等参数后，调用ml_client.environments.create_or_update()完成注册

正确实现代码 #

from azure.ai.ml.entities import Environment
from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential

# 替换为你的Azure资源信息
args_ws = dict(
    subscription_id="你的订阅ID",
    resource_group_name="你的资源组名称",
    workspace_name="你的工作区名称"
)
ml_client = MLClient(credential=DefaultAzureCredential(), **args_ws, enable_telemetry=False)

# 定义自定义环境
env_docker_conda = Environment(
    image="mcr.microsoft.com/azureml/openmpi4.1.0-cuda11.6-cudnn8-ubuntu20.04",
    conda_file="./py310gpu.yml",
    name="py310gpu",
)

# 注册或更新环境到工作区
ml_client.environments.create_or_update(env_docker_conda)

补充说明 #

执行上述代码后，自定义环境会被独立注册到你的Azure ML工作区中，后续可在任意作业、实验或流水线中直接引用该环境名称，无需依赖特定作业上下文。

内容的提问来源于stack exchange，提问作者ironv