PipelineJob Classe
Tarefa de pipeline.
Não deve instanciar esta classe diretamente. Em vez disso, deve utilizar o decorador de @pipeline para criar um PipelineJob.
] computação :p aram: nome de destino de computação do pipeline criado. Predefinições para None :type compute: str :p aram tags: Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas. Predefinições para None :type tags: dict[str, str] :p aram kwargs: um dicionário de parâmetros de configuração adicionais. Predefinições para None :type kwargs: dict
- Herança
-
azure.ai.ml.entities._job.job.JobPipelineJobazure.ai.ml.entities._mixins.YamlTranslatableMixinPipelineJobazure.ai.ml.entities._job.pipeline._io.mixin.PipelineJobIOMixinPipelineJobazure.ai.ml.entities._validation.path_aware_schema.PathAwareSchemaValidatableMixinPipelineJob
Construtor
PipelineJob(*, component: str | PipelineComponent | None = None, inputs: Dict[str, int | str | float | bool | Input] | None = None, outputs: Dict[str, Output] | None = None, name: str | None = None, description: str | None = None, display_name: str | None = None, experiment_name: str | None = None, jobs: Dict[str, BaseNode] | None = None, settings: PipelineJobSettings | None = None, identity: ManagedIdentityConfiguration | AmlTokenConfiguration | UserIdentityConfiguration | None = None, compute: str | None = None, tags: Dict[str, str] | None = None, **kwargs)Parâmetros
- component
- Union[str, PipelineComponent]
Versão do componente do pipeline. O campo é mutuamente exclusivo com "empregos".
Entradas para a tarefa de pipeline.
- experiment_name
- str
Nome da experimentação em que a tarefa será criada. Se Nenhum for fornecido, a experimentação será definida como o diretório atual. Predefinições para Nenhum
Nome do nó do componente do pipeline para objeto de componente. Predefinições para Nenhum
Identidade que a tarefa de preparação utilizará durante a execução na computação. Predefinições para Nenhum
Exemplos
Mostra como criar um pipeline com esta classe.
from azure.ai.ml.entities import PipelineJob, PipelineJobSettings
pipeline_job = PipelineJob(
description="test pipeline job",
tags={},
display_name="test display name",
experiment_name="pipeline_job_samples",
properties={},
settings=PipelineJobSettings(force_rerun=True, default_compute="cpu-cluster"),
jobs={"component1": component_func(component_in_number=1.0, component_in_path=uri_file_input)},
)
ml_client.jobs.create_or_update(pipeline_job)
Métodos
| dump |
Captura o conteúdo da tarefa num ficheiro no formato YAML. |
dump
Captura o conteúdo da tarefa num ficheiro no formato YAML.
dump(dest: str | PathLike | IO, **kwargs) -> NoneParâmetros
O caminho local ou o fluxo de ficheiros para o qual escrever o conteúdo YAML. Se dest for um caminho de ficheiro, será criado um novo ficheiro. Se dest for um ficheiro aberto, o ficheiro será escrito diretamente.
- kwargs
- dict
Argumentos adicionais para passar para o serializador YAML.
Exceções
Gerado se dest é um caminho de ficheiro e o ficheiro já existe.
Gerado se o dest for um ficheiro aberto e o ficheiro não for gravável.
Atributos
base_path
creation_context
O contexto de criação do recurso.
Devoluções
Os metadados de criação do recurso.
Tipo de retorno
id
O ID do recurso.
Devoluções
O ID global do recurso, um ID do Azure Resource Manager (ARM).
Tipo de retorno
inputs
Entradas da tarefa de pipeline.
Devoluções
Entradas da tarefa de pipeline.
Tipo de retorno
jobs
Tarefas de retorno da tarefa de pipeline.
Devoluções
Tarefas da tarefa de pipeline.
Tipo de retorno
log_files
Ficheiros de saída da tarefa.
Devoluções
O dicionário de nomes de registo e URLs.
Tipo de retorno
outputs
Saídas da tarefa de pipeline.
Devoluções
Saídas da tarefa de pipeline.
Tipo de retorno
settings
Definições da tarefa de pipeline.
Devoluções
Definições da tarefa de pipeline.
Tipo de retorno
status
O estado da tarefa.
Os valores comuns devolvidos incluem "Running", "Completed" e "Failed". Todos os valores possíveis são:
NotStarted - este é um estado temporário em que os objetos Run do lado do cliente estão antes da submissão da cloud.
A iniciar – a Execução começou a ser processada na cloud. O autor da chamada tem um ID de execução neste momento.
Aprovisionamento – a computação a pedido está a ser criada para uma determinada submissão de tarefas.
Preparação – o ambiente de execução está a ser preparado e está numa de duas fases:
Compilação de imagens do Docker
configuração do ambiente conda
Em fila – a tarefa está em fila de espera no destino de computação. Por exemplo, no BatchAI, a tarefa está num estado em fila
enquanto aguarda que todos os nós pedidos estejam prontos.
Em execução – a tarefa começou a ser executada no destino de computação.
Finalização – a execução do código do utilizador foi concluída e a execução encontra-se em fases de pós-processamento.
CancelRequested - Foi pedido o cancelamento para a tarefa.
Concluído – a execução foi concluída com êxito. Isto inclui a execução do código de utilizador e a execução
fases de pós-processamento.
Falha - A execução falhou. Normalmente, a propriedade Erro numa execução irá fornecer detalhes sobre o motivo.
Cancelado – segue um pedido de cancelamento e indica que a execução foi cancelada com êxito.
NotResponding – para execuções com Heartbeats ativados, não foi enviado nenhum heartbeat recentemente.
Devoluções
Estado da tarefa.
Tipo de retorno
studio_url
Ponto final do Azure ML Studio.
Devoluções
O URL para a página de detalhes da tarefa.
Tipo de retorno
type
Azure SDK for Python
Comentários
Brevemente: Ao longo de 2024, vamos descontinuar progressivamente o GitHub Issues como mecanismo de feedback para conteúdos e substituí-lo por um novo sistema de feedback. Para obter mais informações, veja: https://aka.ms/ContentUserFeedback.
Submeter e ver comentários