PipelineStep Osztály
Egy Végrehajtási lépést jelöl egy Azure Machine Learning-folyamatban.
A folyamatok több folyamatlépésből épülnek fel, amelyek a folyamat különböző számítási egységei. Minden lépés önállóan futtatható, és elkülönített számítási erőforrásokat használhat. Minden lépésnek általában saját nevesített bemenetei, kimenetei és paraméterei vannak.
A PipelineStep osztály az az alaposztály, amelyből a gyakori forgatókönyvekhez tervezett más beépített lépésosztályok öröklik a következőt: , PythonScriptStepDataTransferStepés HyperDriveStep.
A folyamatok és a PipelineSteps kapcsolatának áttekintéséért lásd: Mik azok az ML-folyamatok.
PipelineStep inicializálása.
- Öröklődés
-
builtins.objectPipelineStep
Konstruktor
PipelineStep(name, inputs, outputs, arguments=None, fix_port_name_collisions=False, resource_inputs=None)
Paraméterek
- arguments
- list
A lépésben használt szkriptnek átadni kívánt argumentumok választható listája.
- fix_port_name_collisions
- bool
Megadja, hogy kijavítsa-e a névütközéseket. Ha az Igaz és a bemenet és a kimenet neve megegyezik, akkor a bemenet "INPUT" előtaggal lesz ellátva. Az alapértelmezett érték a Hamis.
- resource_inputs
- list
Az erőforrásokként használandó bemenetek opcionális listája. A rendszer letölti az erőforrásokat a szkriptmappába, és lehetővé teszi a szkript futásidejű viselkedésének módosítását.
- arguments
- list
A lépésben használt szkriptnek átadni kívánt argumentumok választható listája.
- fix_port_name_collisions
- bool
Megadja, hogy kijavítsa-e a névütközéseket. Ha az Igaz és a bemenet és a kimenet neve megegyezik, akkor a bemenet "INPUT" előtaggal lesz ellátva. Az alapértelmezett érték a Hamis.
- resource_inputs
- list
Az erőforrásokként használandó bemenetek opcionális listája. A rendszer letölti az erőforrásokat a szkriptmappába, és lehetővé teszi a szkript futásidejű viselkedésének módosítását.
Megjegyzések
A PipelineStep olyan végrehajtási egység, amelynek általában végrehajtási célra (számítási célra), opcionális szkriptargumentumokkal és bemenetekkel végrehajtandó szkriptre van szüksége, és kimeneteket hozhat létre. A lépés számos más, a lépésre jellemző paramétert is igénybe vehet.
A folyamatlépések együtt konfigurálhatók egy Pipeline, amely egy megosztható és újrafelhasználható Azure Machine Learning-munkafolyamatot jelöl. A folyamat minden lépése konfigurálható úgy, hogy lehetővé tegye a korábbi futtatási eredmények újbóli felhasználását, ha a lépés tartalma (szkriptek/függőségek), valamint a bemenetek és paraméterek változatlanok maradnak. A lépés újrahasználásakor a feladat számítási feladatként való elküldése helyett az előző futtatás eredményei azonnal elérhetővé válnak a további lépésekhez.
Az Azure Machine Learning Pipelines beépített lépéseket biztosít a gyakori forgatókönyvekhez. Példákért tekintse meg a steps csomagot és az osztályt AutoMLStep . A folyamat előre elkészített lépéseken alapuló felépítésének áttekintéséért lásd: https://aka.ms/pl-first-pipeline.
A PipelineStep-ből származtatott előre elkészített lépések olyan lépések, amelyeket egy folyamat használ. Ha a gépi tanulási munkafolyamat olyan lépések létrehozására szólít fel, amelyek különböző folyamatokban használhatók és verziószámozottak, akkor használja az osztályt Module .
A folyamatlépések, a bemeneti/kimeneti adatok és a lépések újrafelhasználása során tartsa szem előtt az alábbiakat.
Javasoljuk, hogy külön source_directory helyeket használjon a különálló lépésekhez. Ha a folyamat lépéseinek összes szkriptje egyetlen könyvtárban található, a könyvtár kivonata minden alkalommal megváltozik, amikor egy szkriptet módosít, és az összes lépést újrafuttatásra kényszeríti. Példa arra, hogy különböző lépésekhez külön könyvtárakat kell használnia, lásd: https://aka.ms/pl-get-started.
Ha külön mappákat tart fenn a szkriptekhez és a függő fájlokhoz minden lépéshez, azzal csökkentheti az egyes lépésekhez létrehozott pillanatkép méretét, mivel csak az adott mappa van pillanatkép készítve. Mivel a lépésben lévő fájlok módosításai source_directory aktiválják a pillanatkép újrafeltöltését, és minden lépésben külön mappákat tart fenn, segít a folyamat lépéseinek újbóli felhasználásában, mert ha egy lépés source_directory nem változik, akkor a rendszer újra felhasználja a lépés előző futtatását.
Ha egy lépésben használt adatok egy adattárban találhatóak, és allow_reuse igaz, akkor a rendszer nem észleli az adatváltozás módosításait. Ha az adatok feltöltése a pillanatkép részeként történik (a lépés source_directory alatt), bár ez nem ajánlott, akkor a kivonat megváltozik, és újrafuttat.
Metódusok
create_input_output_bindings |
Bemeneti és kimeneti kötéseket hozhat létre a lépés bemeneteiből és kimeneteiből. |
create_module_def |
Hozza létre a lépést leíró moduldefiníciós objektumot. |
create_node |
Ezen lépés alapján hozzon létre egy csomópontot a folyamatgráfhoz. |
get_source_directory |
Kérje le a lépés forráskönyvtárát, és ellenőrizze, hogy létezik-e a szkript. |
resolve_input_arguments |
A bemenetek és kimenetek argumentumokkal való egyeztetése argumentumsztring létrehozásához. |
run_after |
Futtassa ezt a lépést a megadott lépés után. |
validate_arguments |
Ellenőrizze, hogy az argumentumokban megadott lépésbemenetek és -kimenetek szerepelnek-e a bemenetek és kimenetek listájában. |
create_input_output_bindings
Bemeneti és kimeneti kötéseket hozhat létre a lépés bemeneteiből és kimeneteiből.
create_input_output_bindings(inputs, outputs, default_datastore, resource_inputs=None)
Paraméterek
- default_datastore
- AbstractAzureStorageDatastore vagy AzureDataLakeDatastore
Az alapértelmezett adattár.
- resource_inputs
- list
Az erőforrásokként használandó bemenetek listája. A rendszer letölti az erőforrásokat a szkriptmappába, és lehetővé teszi a szkript futásidejű viselkedésének módosítását.
Válaszok
A bemeneti és kimeneti kötések rekordja.
Visszatérési típus
create_module_def
Hozza létre a lépést leíró moduldefiníciós objektumot.
create_module_def(execution_type, input_bindings, output_bindings, param_defs=None, create_sequencing_ports=True, allow_reuse=True, version=None, module_type=None, arguments=None, runconfig=None, cloud_settings=None)
Paraméterek
- create_sequencing_ports
- bool
Megadja, hogy létrejönnek-e szekvenálási portok a modulhoz.
- allow_reuse
- bool
Meghatározza, hogy a modul használható lesz-e a jövőbeli folyamatokban való újrafelhasználáshoz.
- module_type
- str
A létrehozandó modullétrehozó szolgáltatás modultípusa. Jelenleg csak két típus támogatott: "Nincs" és "BatchInferencing". module_type
eltér attól execution_type
, amely meghatározza, hogy milyen háttérszolgáltatást használjon a modul futtatásához.
- arguments
- list
A modul meghívásakor használandó jegyzetekkel ellátott argumentumok listája
- cloud_settings
- <xref:azureml.pipeline.core._restclients.aeva.models.CloudSettings>
Felhőkhöz használt beállítások
Válaszok
A moduldefiníciós objektum.
Visszatérési típus
create_node
Ezen lépés alapján hozzon létre egy csomópontot a folyamatgráfhoz.
abstract create_node(graph, default_datastore, context)
Paraméterek
- default_datastore
- AbstractAzureStorageDatastore vagy AzureDataLakeDatastore
A lépéshez használandó alapértelmezett adattár.
- context
- <xref:azureml.pipeline.core._GraphContext>
A gráfkörnyezet objektuma.
Válaszok
A létrehozott csomópont.
Visszatérési típus
get_source_directory
Kérje le a lépés forráskönyvtárát, és ellenőrizze, hogy létezik-e a szkript.
get_source_directory(context, source_directory, script_name)
Paraméterek
- context
- <xref:azureml.pipeline.core._GraphContext>
A gráfkörnyezet objektuma.
Válaszok
A forráskönyvtár és a kivonat elérési útjai.
Visszatérési típus
resolve_input_arguments
A bemenetek és kimenetek argumentumokkal való egyeztetése argumentumsztring létrehozásához.
static resolve_input_arguments(arguments, inputs, outputs, params)
Paraméterek
Válaszok
Két elem rekordját adja vissza. Az első a feloldott argumentumok elemeinek egybesimított listája. A második a strukturált argumentumok listája (_InputArgument, _OutputArgument, _ParameterArgument és _StringArgument)
Visszatérési típus
run_after
Futtassa ezt a lépést a megadott lépés után.
run_after(step)
Paraméterek
Megjegyzések
Ha például egy lépést szeretne futtatni, például a 3. lépést az 1. és a 2. lépés befejezése után is, használhatja a következőt:
step3.run_after(step1)
step3.run_after(step2)
validate_arguments
Ellenőrizze, hogy az argumentumokban megadott lépésbemenetek és -kimenetek szerepelnek-e a bemenetek és kimenetek listájában.
static validate_arguments(arguments, inputs, outputs)
Paraméterek
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: