ModuleStepBase Classe
Adiciona uma etapa a um pipeline que usa um módulo específico.
Um ModuleStep deriva de ModuleStepBase e é um nó em um pipeline que usas um Module existente e especificamente uma de suas versões. Para definir qual ModuleVersion acabaria sendo usado no pipeline enviado, você pode definir um dos seguintes ao criar o ModuleStep:
- Objeto ModuleVersion
- Objeto Module e um valor de versão
- Somente módulo sem um valor de versão. Nesse caso, a resolução de versão usada em cada envio pode ser diferente.
Você também precisa definir o mapeamento entre as entradas e saídas da etapa para as entradas e saídas do objeto ModuleVersion.
Inicializar ModuleStepBase.
- Herança
-
ModuleStepBase
Construtor
ModuleStepBase(module=None, version=None, module_version=None, inputs_map=None, outputs_map=None, compute_target=None, runconfig=None, runconfig_pipeline_params=None, arguments=None, params=None, name=None, _workflow_provider=None)
Parâmetros
- module_version
- ModuleVersion
A ModuleVersion da etapa. Qualquer módulo de ModuleVersion deve ser fornecido.
- inputs_map
- Dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, Dataset, DatasetDefinition, PipelineDataset]]
Um dicionário em que as chaves são nomes de entradas na module_version
e valores são associações de porta de entrada.
- outputs_map
- Dict[str, Union[OutputPortBinding, DataReference, PortDataReference, PipelineData, Dataset, DatasetDefinition, PipelineDataset]]
Um dicionário em que as chaves são nomes de entradas na module_version
e valores são associações de porta de saída.
- runconfig_pipeline_params
- Dict[str, PipelineParameter]
Substitui as propriedades runconfig no runtime usando pares chave-valor, em que cada um tem o nome da propriedade runconfig e o PipelineParameter dessa propriedade.
Valores com suporte: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount' e 'TensorflowParameterServerCount'
- arguments
- [str]
Argumentos de linha de comando para o arquivo de script. Os argumentos serão entregues para computar por meio de argumentos em RunConfiguration. Para obter mais detalhes sobre como tratar argumentos como símbolos especiais, consulte argumentos em RunConfiguration.
- _workflow_provider
- <xref:azureml.pipeline.core._aeva_provider._AevaWorkflowProvider>
(Somente uso interno.) O provedor de fluxo de trabalho.
- module_version
- ModuleVersion
A ModuleVersion da etapa. Qualquer módulo de ModuleVersion deve ser fornecido
- inputs_map
- Dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, Dataset, DatasetDefinition, PipelineDataset]]
Um dicionário em que as chaves são nomes de entradas na module_version
e valores são associações de porta de entrada.
- outputs_map
- Dict[str, Union[OutputPortBinding, DataReference, PortDataReference, PipelineData, Dataset, DatasetDefinition, PipelineDataset]]
Um dicionário em que as chaves são nomes de entradas na module_version
e valores são associações de porta de saída.
- compute_target
- <xref:DsvmCompute>, <xref:AmlCompute>, <xref:ComputeInstance>, <xref:RemoteTarget>, <xref:HDIClusterTarget>, str, tuple
Destino de computação a ser usado. Se não for especificado, o destino do runconfig será usado. compute_target pode ser um objeto de destino de computação ou o nome da cadeia de caracteres de um destino de computação no workspace. Opcionalmente, se o destino de computação não estiver disponível no momento da criação do pipeline, você poderá especificar uma tupla de ('nome de destino de computação', 'tipo de destino de computação') para evitar buscar o objeto de destino de computação (o tipo AmlCompute é 'AmlCompute' e o tipo RemoteTarget é 'VirtualMachine')
- runconfig
- RunConfiguration
O RunConfiguration a ser usado, opcional. Um RunConfiguration pode ser usado para especificar requisitos adicionais para a execução, como as dependências do Conda e uma imagem do Docker.
- runconfig_pipeline_params
- Dict[str, PipelineParameter]
Substitui as propriedades runconfig no runtime usando pares chave-valor, em que cada um tem o nome da propriedade runconfig e o PipelineParameter dessa propriedade.
Valores com suporte: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount' e 'TensorflowParameterServerCount'
- arguments
- [str]
Argumentos de linha de comando para o arquivo de script. Os argumentos serão entregues para computar por meio de argumentos em RunConfiguration. Para obter mais detalhes sobre como lidar com argumentos como símbolos especiais, consulte argumentos em RunConfiguration
- _workflow_provider
- <xref:azureml.pipeline.core._aeva_provider._AevaWorkflowProvider>
(Somente uso interno.) O provedor de fluxo de trabalho.
- name
Métodos
create_node |
Criar um nó de gráfico de pipeline. |
create_node
Criar um nó de gráfico de pipeline.
create_node(graph, default_datastore, context)
Parâmetros
- default_datastore
- AbstractAzureStorageDatastore ou AzureDataLakeDatastore
O armazenamento de dados padrão a ser usado para esta etapa.
- context
- <xref:azureml.pipeline.core._GraphContext>
(Somente uso interno.) O objeto de contexto do grafo.
Retornos
O objeto de nó.
Tipo de retorno
Comentários
https://aka.ms/ContentUserFeedback.
Em breve: Ao longo de 2024, eliminaremos os problemas do GitHub como o mecanismo de comentários para conteúdo e o substituiremos por um novo sistema de comentários. Para obter mais informações, consulteEnviar e exibir comentários de