OutputPortBinding Klasa

  • Odwołanie

Definiuje nazwane dane wyjściowe kroku potoku.

Parametr OutputPortBinding może służyć do określenia typu danych, które będą generowane przez krok i sposobu tworzenia danych. Może służyć InputPortBinding do określenia, że dane wyjściowe kroku są wymaganymi danymi wejściowymi innego kroku.

Zainicjuj wartość OutputPortBinding.

Dziedziczenie
builtins.object
OutputPortBinding

Konstruktor

OutputPortBinding(name, datastore=None, output_name=None, bind_mode='mount', path_on_compute=None, is_directory=None, overwrite=None, data_type=None, pipeline_output_name=None, training_output=None, dataset_registration=None, dataset_output=None)

Parametry

name
str
Wymagane

Nazwa obiektu OutputPortBinding, który może zawierać tylko litery, cyfry i podkreślenia.

datastore
Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]
wartość domyślna: None

Magazyn danych, w którym będzie znajdować się element PipelineData.

output_name
str
wartość domyślna: None

Nazwa danych wyjściowych, jeśli jest używana nazwa Brak. Może zawierać tylko litery, cyfry i podkreślenia.

bind_mode
str
wartość domyślna: mount

Określa, czy krok tworzenia będzie używać metody "upload" lub "mount" lub "hdfs" w celu uzyskania dostępu do danych.

path_on_compute
str
wartość domyślna: None

W przypadku trybu "przekazywania" ścieżka modułu zapisuje dane wyjściowe.

is_directory
bool
wartość domyślna: None

Czy dane wyjściowe są katalogiem, czy pojedynczym plikiem.

overwrite
bool
wartość domyślna: None

W przypadku trybu "przekazywania" określ, czy zastąpić istniejące dane.

data_type
str
wartość domyślna: None

Opcjonalny. Typ danych może służyć do określania oczekiwanego typu danych wyjściowych i szczegółowego sposobu korzystania z danych. Może być dowolnym ciągiem zdefiniowanym przez użytkownika.

pipeline_output_name
str
wartość domyślna: None

Jeśli te dane wyjściowe będą dostępne przy użyciu PipelineRun.get_pipeline_output(). Nazwy danych wyjściowych potoku muszą być unikatowe w potoku.

training_output
TrainingOutput
wartość domyślna: None

Definiuje dane wyjściowe dla wyniku trenowania. Jest to wymagane tylko w przypadku określonych szkoleń, które powodują różne rodzaje danych wyjściowych, takich jak metryki i model. Na przykład AutoMLStep wyniki w metrykach i modelu. Można również zdefiniować konkretną iterację trenowania lub metryki używane do uzyskania najlepszego modelu. W przypadku HyperDriveStepprogramu można również zdefiniować określone pliki modelu, które mają zostać uwzględnione w danych wyjściowych.

dataset_registration
DatasetRegistration
wartość domyślna: None

Opcjonalny. Jest to parametr wewnętrzny. Zamiast tego należy używać PipelineData.as_dataset.

dataset_output
OutputDatasetConfig
wartość domyślna: None

Opcjonalny. Jest to parametr wewnętrzny. Należy użyć polecenia OutputFileDatasetConfig intead.

name
str
Wymagane

Nazwa obiektu OutputPortBinding, który może zawierać tylko litery, cyfry i podkreślenia.

datastore
Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]
Wymagane

Magazyn danych, w którym będzie znajdować się element PipelineData.

output_name
str
Wymagane

Nazwa danych wyjściowych, jeśli jest używana nazwa Brak. Może zawierać tylko litery, cyfry i podkreślenia.

bind_mode
str
Wymagane

Określa, czy krok tworzenia będzie używać metody "upload" lub "mount" lub "hdfs" w celu uzyskania dostępu do danych.

path_on_compute
str
Wymagane

W przypadku trybu "przekazywania" ścieżka modułu zapisuje dane wyjściowe.

is_directory
bool
Wymagane

jeśli dane wyjściowe są katalogiem

overwrite
bool
Wymagane

W przypadku trybu "przekazywania" określ, czy zastąpić istniejące dane.

data_type
str
Wymagane

Opcjonalny. Typ danych może służyć do określania oczekiwanego typu danych wyjściowych i szczegółowego sposobu korzystania z danych. Może być dowolnym ciągiem zdefiniowanym przez użytkownika.

pipeline_output_name
str
Wymagane

Jeśli te dane wyjściowe będą dostępne przy użyciu PipelineRun.get_pipeline_output(). Nazwy danych wyjściowych potoku muszą być unikatowe w potoku.

training_output
TrainingOutput
Wymagane

Definiuje dane wyjściowe dla wyniku trenowania. Jest to wymagane tylko w przypadku określonych szkoleń, które powodują różne rodzaje danych wyjściowych, takich jak metryki i model. Na przykład AutoMLStep wyniki w metrykach i modelu. Można również zdefiniować konkretną iterację trenowania lub metryki używane do uzyskania najlepszego modelu. W przypadku HyperDriveStepprogramu można również zdefiniować określone pliki modelu, które mają zostać uwzględnione w danych wyjściowych.

dataset_registration
DatasetRegistration
Wymagane

Opcjonalny. Jest to parametr wewnętrzny. Zamiast tego należy używać PipelineData.as_dataset.

dataset_output
OutputDatasetConfig
Wymagane

Opcjonalny. Jest to parametr wewnętrzny. Należy użyć polecenia OutputFileDatasetConfig intead.

Uwagi

Parametr OutputPortBinding może być używany w podobny sposób, jak PipelineData podczas tworzenia potoku w celu określenia danych wejściowych i wyjściowych kroków. Różnica polega na tym, że parametr OutputPortBinding musi być używany z elementem InputPortBinding , aby można było go użyć jako danych wejściowych w innym kroku.

Przykład tworzenia potoku za pomocą elementu OutputPortBinding jest następujący:


   from azureml.pipeline.core import OutputPortBinding, InputPortBinding, Pipeline
   from azureml.pipeline.steps import PythonScriptStep

   step_1_output = OutputPortBinding("output", datastore=datastore)

   step_1 = PythonScriptStep(
       name='process data',
       script_name="process_data.py",
       compute_target=compute,
       arguments=["--output", step_1_output],
       outputs=[step_1_output]
   )

   step_2_input = InputPortBinding("input", bind_object=step_1_output)

   step_2 = PythonScriptStep(
       name='train',
       script_name="train.py",
       compute_target=compute,
       arguments=["--input", step_2_input],
       inputs=[step_2_input]
   )

   pipeline = Pipeline(workspace=workspace, steps=[step_1, step_2])

Spowoduje to utworzenie potoku z dwoma krokami. Krok procesu zostanie wykonany najpierw, a następnie po jego zakończeniu zostanie wykonany krok trenowania. Usługa Azure ML udostępni dane wyjściowe wygenerowane przez krok procesu, zgodnie z opisem w obiekcie OutputPortBinding, do kroku trenowania.

Atrybuty

bind_mode

Pobierz tryb ("upload" lub "mount" lub "hdfs"), krok tworzenia będzie używany do utworzenia danych.

Zwraca

Tryb powiązania.

Typ zwracany

str

data_type

Pobierz typ danych, które zostaną wygenerowane.

Zwraca

Nazwa typu danych.

Typ zwracany

str

dataset_registration

Pobierz informacje o rejestracji zestawu danych.

Zwraca

Informacje o rejestracji zestawu danych.

Typ zwracany

DatasetRegistration

datastore

Magazyn danych, w którym będzie znajdować się element PipelineData.

Zwraca

Obiekt Magazynu danych.

Typ zwracany

Union[<xref:azureml.data.azure_storage_datastore.AbstractAzureStorageDatastore,azureml.data.azure_data_lake_datastore.AzureDataLakeDatastore>]

is_directory

Czy dane wyjściowe są katalogiem.

Zwraca

is_directory

Typ zwracany

bool

name

Nazwa obiektu OutputPortBinding.

Zwraca

Nazwa.

Typ zwracany

str

overwrite

W przypadku trybu "przekazywania" wskaż, czy zastąpić istniejące dane.

Zwraca

_Zastąpić

Typ zwracany

bool

path_on_compute

W przypadku trybu "przekazywania" ścieżka modułu zapisuje dane wyjściowe.

Zwraca

path_on_compute

Typ zwracany

str

pipeline_output_name

Pobierz nazwę danych wyjściowych potoku odpowiadających temu outputPortBinding.

Zwraca

Nazwa danych wyjściowych potoku.

Typ zwracany

str

training_output

Uzyskaj dane wyjściowe trenowania.

Zwraca

Dane wyjściowe trenowania

Typ zwracany

TrainingOutput