DataReference Classe
Représente une référence aux données dans un magasin de données.
Un élément DataReference représente un chemin d’accès dans un magasin de données et peut être utilisé pour décrire comment et où les données doivent être mises à disposition dans une exécution. Ce n’est plus l’approche recommandée pour l’accès aux données et leur livraison dans Azure Machine Learning. L’élément Dataset prend en charge l’accès aux données à partir du stockage Blob Azure, d’Azure Files, d’Azure Data Lake Storage Gen1, d’Azure Data Lake Storage Gen2, d’Azure SQL Database et d’Azure Database pour PostgreSQL via une interface unifiée avec des fonctionnalités de gestion de données supplémentaires. Il est recommandé d’utiliser le jeu de données pour lire les données dans vos projets Machine Learning.
Pour plus d’informations sur l’utilisation du jeu de données Azure ML dans deux scénarios courants, consultez les articles suivants :
Constructeur DataReference de classe.
- Héritage
-
builtins.objectDataReference
Constructeur
DataReference(datastore, data_reference_name=None, path_on_datastore=None, mode='mount', path_on_compute=None, overwrite=False)
Paramètres
- datastore
- Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]
Magasin de banques à référencer.
- path_on_datastore
- str
Chemin d’accès relatif dans le stockage de sauvegarde pour la référence de données.
- mode
- str
Opération sur la référence de données. Les valeurs prises en charge sont « mount » (valeur par défaut) et « download ».
Utilisez le mode « download » quand votre script attend un chemin spécifique (par exemple codé en dur) pour les données d’entrée.
Dans ce cas, spécifiez le chemin avec le paramètre path_on_compute
quand vous déclarez DataReference.
Azure Machine Learning télécharge les données spécifiées par ce chemin avant d’exécuter votre script.
Si vous utilisez le mode « mount », un répertoire temporaire est créé avec les données montées, et une variable d’environnement $AZUREML_DATAREFERENCE_<data_reference_name> est définie avec le chemin du répertoire temporaire. Si vous passez DataReference dans la liste d’arguments d’une étape de pipeline (par exemple PythonScriptStep), la référence est étendue au chemin de données local au moment de l’exécution.
- path_on_compute
- str
Chemin sur la cible de calcul pour la référence de données.
- datastore
- Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]
Magasin de banques à référencer.
- path_on_datastore
- str
Chemin d’accès relatif dans le stockage de sauvegarde pour la référence de données.
- mode
- str
Opération sur la référence de données. Valeurs prises en charge « mount » (valeur par défaut) et « download ».
Utilisez le mode « download » quand votre script attend un chemin spécifique (par exemple codé en dur) pour les données d’entrée.
Dans ce cas, spécifiez le chemin avec le paramètre path_on_compute
quand vous déclarez DataReference.
Azure Machine Learning télécharge les données spécifiées par ce chemin avant d’exécuter votre script.
Si vous utilisez le mode « mount », un répertoire temporaire est créé avec les données montées, et une variable d’environnement $AZUREML_DATAREFERENCE_<data_reference_name> est définie avec le chemin du répertoire temporaire. Si vous passez DataReference dans la liste d’arguments d’une étape de pipeline (par exemple PythonScriptStep), la référence est étendue au chemin de données local au moment de l’exécution.
Remarques
DataReference définit à la fois l’emplacement des données et la façon dont ces données sont utilisées sur la liaison de calcul cible (montage ou chargement). Le chemin des données dans le magasin de données peut correspondre à la racine /, à un répertoire du magasin de données ou à un fichier du magasin de données.
Méthodes
as_download |
Passe l’opération de référence de données en mode « download ». Le téléchargement de DataReference prend uniquement en charge Azure Blob et le partage de fichiers Azure. Pour télécharger des données à partir d’Azure Blob, du partage de fichiers Azure, d’Azure Data Lake Gen1 et d’Azure Data Lake Gen2, nous vous recommandons d’utiliser le jeu de données Azure Machine Learning. Pour plus d’informations sur la création et l’utilisation d’un jeu de données, accédez à https://docs.microsoft.com/en-us/azure/machine-learning/how-to-train-with-datasets. |
as_mount |
Passe l’opération de référence de données en mode « mount ». Le montage de DataReference prend uniquement en charge Azure Blob. Pour monter des données dans Azure Blob, le partage de fichiers Azure, Azure Data Lake Gen1 et Azure Data Lake Gen2, nous vous recommandons d’utiliser le jeu de données Azure Machine Learning. Pour plus d’informations sur la création et l’utilisation d’un jeu de données, accédez à https://docs.microsoft.com/en-us/azure/machine-learning/how-to-train-with-datasets. |
as_upload |
Passe l’opération de référence de données en mode « upload ». Pour plus d’informations sur les cibles de calcul et les magasins de données qui prennent en charge le chargement des données, consultez : https://aka.ms/datastore-matrix. |
create |
Crée DataReference en utilisant DataPath et DataPathComputeBinding. |
path |
Crée une instance de DataReference en fonction du chemin donné. |
to_config |
Convertit l’objet DataReference en objet DataReferenceConfiguration. |
as_download
Passe l’opération de référence de données en mode « download ».
Le téléchargement de DataReference prend uniquement en charge Azure Blob et le partage de fichiers Azure. Pour télécharger des données à partir d’Azure Blob, du partage de fichiers Azure, d’Azure Data Lake Gen1 et d’Azure Data Lake Gen2, nous vous recommandons d’utiliser le jeu de données Azure Machine Learning. Pour plus d’informations sur la création et l’utilisation d’un jeu de données, accédez à https://docs.microsoft.com/en-us/azure/machine-learning/how-to-train-with-datasets.
as_download(path_on_compute=None, overwrite=False)
Paramètres
- path_on_compute
- str
Chemin sur la cible de calcul pour la référence de données.
- overwrite
- bool
Indique s’il est nécessaire de remplacer les données existantes.
Retours
Nouvel objet de référence de données.
Type de retour
as_mount
Passe l’opération de référence de données en mode « mount ».
Le montage de DataReference prend uniquement en charge Azure Blob. Pour monter des données dans Azure Blob, le partage de fichiers Azure, Azure Data Lake Gen1 et Azure Data Lake Gen2, nous vous recommandons d’utiliser le jeu de données Azure Machine Learning. Pour plus d’informations sur la création et l’utilisation d’un jeu de données, accédez à https://docs.microsoft.com/en-us/azure/machine-learning/how-to-train-with-datasets.
as_mount()
Retours
Nouvel objet de référence de données.
Type de retour
as_upload
Passe l’opération de référence de données en mode « upload ».
Pour plus d’informations sur les cibles de calcul et les magasins de données qui prennent en charge le chargement des données, consultez : https://aka.ms/datastore-matrix.
as_upload(path_on_compute=None, overwrite=False)
Paramètres
- path_on_compute
- str
Chemin sur la cible de calcul pour la référence de données.
- overwrite
- bool
Indique s’il est nécessaire de remplacer les données existantes.
Retours
Nouvel objet de référence de données.
Type de retour
create
Crée DataReference en utilisant DataPath et DataPathComputeBinding.
static create(data_reference_name=None, datapath=None, datapath_compute_binding=None)
Paramètres
- datapath_compute_binding
- DataPathComputeBinding
[Obligatoire] Liaison de calcul du chemin de données à utiliser.
Retours
Objet DataReference.
Type de retour
path
Crée une instance de DataReference en fonction du chemin donné.
path(path=None, data_reference_name=None)
Paramètres
Retours
Objet de référence de données.
Type de retour
to_config
Convertit l’objet DataReference en objet DataReferenceConfiguration.
to_config()
Retours
Nouvel objet DataReferenceConfiguration.
Type de retour
Commentaires
https://aka.ms/ContentUserFeedback.
Bientôt disponible : Tout au long de 2024, nous allons supprimer progressivement GitHub Issues comme mécanisme de commentaires pour le contenu et le remplacer par un nouveau système de commentaires. Pour plus d’informations, consultezEnvoyer et afficher des commentaires pour