PipelineParameter Osztály

Egy paramétert határoz meg egy folyamat végrehajtásában.

A PipelineParameters használatával sokoldalú folyamatokat hozhat létre, amelyek később, változó paraméterértékekkel újra benyújthatók.

Folyamatparaméterek inicializálása.

Öröklődés

builtins.object

PipelineParameter

Konstruktor

PipelineParameter(name, default_value)

Paraméterek

Name	Description
name Kötelező	str A folyamatparaméter neve.
default_value Kötelező	Union[int, str, bool, float, DataPath, PipelineDataset, FileDataset, TabularDataset] A folyamatparaméter alapértelmezett értéke.
name Kötelező	str A folyamatparaméter neve.
default_value Kötelező	Union[int, str, bool, float, DataPath, PipelineDataset, FileDataset, TabularDataset] A folyamatparaméter alapértelmezett értéke.

Megjegyzések

Folyamat létrehozásakor a PipelineParameters bármely lépéshez hozzáadható. A folyamat elküldésekor megadhatja ezeknek a paramétereknek az értékeit.

A PipelineParameter lépéshez való hozzáadásának példája a következő:

   from azureml.pipeline.steps import PythonScriptStep
   from azureml.pipeline.core import PipelineParameter

   pipeline_param = PipelineParameter(name="pipeline_arg", default_value="default_val")
   train_step = PythonScriptStep(script_name="train.py",
                                 arguments=["--param1", pipeline_param],
                                 target=compute_target,
                                 source_directory=project_folder)

Ebben a példában egy "pipeline_arg" nevű PipelineParameter hozzá lett adva egy PythonScriptStep argumentumaihoz. A Python-szkript futtatásakor a PipelineParameter értéke a parancssori argumentumokon keresztül lesz megadva. Ez a PipelineParameter a folyamat más lépéseihez is hozzáadható, így a folyamat több lépésének közös értékeit is megadhatja. A folyamatokhoz több PipelineParameter is megadható.

A folyamat elküldéséhez és a "pipeline_arg" PipelineParameter értékének megadásához használja a következőt:

   pipeline = Pipeline(workspace=ws, steps=[train_step])
   pipeline_run = Experiment(ws, 'train').submit(pipeline, pipeline_parameters={"pipeline_arg": "test_value"})

Megjegyzés: ha a "pipeline_arg" nem szerepel a pipeline_parameters szótárban, akkor a folyamat létrehozásakor megadott PipelineParameter alapértelmezett értéke lesz használatban (ebben az esetben az alapértelmezett érték a "default_val" volt).

A többsoros paraméterek nem használhatók Folyamatparaméterekként.

A PipelineParameters a és DataPathComputeBinding a paraméterrel DataPath is használható a lépésbemenetek megadásához. Ez lehetővé teszi, hogy a folyamat különböző bemeneti adatokkal fusson.

Példa a DataPath PipelineParameters használatával való használatára:

   from azureml.core.datastore import Datastore
   from azureml.data.datapath import DataPath, DataPathComputeBinding
   from azureml.pipeline.steps import PythonScriptStep
   from azureml.pipeline.core import PipelineParameter

   datastore = Datastore(workspace=workspace, name="workspaceblobstore")
   datapath = DataPath(datastore=datastore, path_on_datastore='input_data')
   data_path_pipeline_param = (PipelineParameter(name="input_data", default_value=datapath),
                               DataPathComputeBinding(mode='mount'))

   train_step = PythonScriptStep(script_name="train.py",
                                 arguments=["--input", data_path_pipeline_param],
                                 inputs=[data_path_pipeline_param],
                                 compute_target=compute_target,
                                 source_directory=project_folder)

Ebben az esetben a "input_data" paraméter alapértelmezett értéke egy "input_data" nevű "workspaceblobstore" nevű fájlra hivatkozik. Ha a folyamat a PipelineParameter értékének megadása nélkül van elküldve, a rendszer az alapértelmezett értéket használja. A folyamat elküldéséhez és a "input_data" PipelineParameter értékének megadásához használja a következőt:

   from azureml.pipeline.core import Pipeline
   from azureml.data.datapath import DataPath

   pipeline = Pipeline(workspace=ws, steps=[train_step])
   new_data_path = DataPath(datastore=datastore, path_on_datastore='new_input_data')
   pipeline_run = experiment.submit(pipeline,
                                    pipeline_parameters={"input_data": new_data_path})