OutputPortBinding Klasa
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.objectOutputPortBinding
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
Nazwa obiektu OutputPortBinding, który może zawierać tylko litery, cyfry i podkreślenia.
- datastore
- Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]
Magazyn danych, w którym będzie znajdować się element PipelineData.
- output_name
- str
Nazwa danych wyjściowych, jeśli jest używana nazwa Brak. Może zawierać tylko litery, cyfry i podkreślenia.
- bind_mode
- str
Określa, czy krok tworzenia będzie używać metody "upload" lub "mount" lub "hdfs" w celu uzyskania dostępu do danych.
- path_on_compute
- str
W przypadku trybu "przekazywania" ścieżka modułu zapisuje dane wyjściowe.
- overwrite
- bool
W przypadku trybu "przekazywania" określ, czy zastąpić istniejące dane.
- data_type
- str
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
Jeśli te dane wyjściowe będą dostępne przy użyciu PipelineRun.get_pipeline_output(). Nazwy danych wyjściowych potoku muszą być unikatowe w potoku.
- training_output
- TrainingOutput
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
Opcjonalny. Jest to parametr wewnętrzny. Zamiast tego należy używać PipelineData.as_dataset.
- dataset_output
- OutputDatasetConfig
Opcjonalny. Jest to parametr wewnętrzny. Należy użyć polecenia OutputFileDatasetConfig intead.
- name
- str
Nazwa obiektu OutputPortBinding, który może zawierać tylko litery, cyfry i podkreślenia.
- datastore
- Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]
Magazyn danych, w którym będzie znajdować się element PipelineData.
- output_name
- str
Nazwa danych wyjściowych, jeśli jest używana nazwa Brak. Może zawierać tylko litery, cyfry i podkreślenia.
- bind_mode
- str
Określa, czy krok tworzenia będzie używać metody "upload" lub "mount" lub "hdfs" w celu uzyskania dostępu do danych.
- path_on_compute
- str
W przypadku trybu "przekazywania" ścieżka modułu zapisuje dane wyjściowe.
- data_type
- str
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
Jeśli te dane wyjściowe będą dostępne przy użyciu PipelineRun.get_pipeline_output(). Nazwy danych wyjściowych potoku muszą być unikatowe w potoku.
- training_output
- TrainingOutput
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
Opcjonalny. Jest to parametr wewnętrzny. Zamiast tego należy używać PipelineData.as_dataset.
- dataset_output
- OutputDatasetConfig
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
data_type
dataset_registration
Pobierz informacje o rejestracji zestawu danych.
Zwraca
Informacje o rejestracji zestawu danych.
Typ zwracany
datastore
Magazyn danych, w którym będzie znajdować się element PipelineData.
Zwraca
Obiekt Magazynu danych.
Typ zwracany
is_directory
name
overwrite
W przypadku trybu "przekazywania" wskaż, czy zastąpić istniejące dane.
Zwraca
_Zastąpić
Typ zwracany
path_on_compute
W przypadku trybu "przekazywania" ścieżka modułu zapisuje dane wyjściowe.
Zwraca
path_on_compute
Typ zwracany
pipeline_output_name
Pobierz nazwę danych wyjściowych potoku odpowiadających temu outputPortBinding.
Zwraca
Nazwa danych wyjściowych potoku.
Typ zwracany
training_output
Opinia
https://aka.ms/ContentUserFeedback.
Dostępne już wkrótce: W 2024 r. będziemy stopniowo wycofywać zgłoszenia z serwisu GitHub jako mechanizm przesyłania opinii na temat zawartości i zastępować go nowym systemem opinii. Aby uzyskać więcej informacji, sprawdź:Prześlij i wyświetl opinię dla