Module Classe
Representa uma unidade de computação utilizada num pipeline do Azure Machine Learning.
Um módulo é uma coleção de ficheiros que será executada num destino de computação e uma descrição de uma interface. A coleção de ficheiros pode ser script, binários ou quaisquer outros ficheiros necessários para executar no destino de computação. A interface do módulo descreve as entradas, saídas e definições de parâmetros. Não os vincula a valores ou dados específicos. Um módulo tem um instantâneo associado ao mesmo, que captura a coleção de ficheiros definidos para o módulo.
Inicializar Módulo.
- Herança
-
builtins.objectModule
Construtor
Module(workspace, module_id, name, description, status, default_version, module_version_list, _module_provider=None, _module_version_provider=None)
Parâmetros
- _module_provider
- <xref:azureml.pipeline.core._aeva_provider._AzureMLModuleProvider>
(Apenas utilização interna.) O fornecedor do Módulo.
- _module_version_provider
- <xref:azureml.pipeline.core._aeva_provider._AevaMlModuleVersionProvider>
(Apenas utilização interna.) O fornecedor ModuleVersion.
- _module_provider
- <xref:<xref:_AevaMlModuleProvider object>>
O fornecedor do Módulo.
- _module_version_provider
- <xref:azureml.pipeline.core._aeva_provider._AevaMlModuleVersionProvider>
O fornecedor ModuleVersion.
Observações
Um Módulo funciona como um contentor das respetivas versões. No exemplo seguinte, é criado um ModuleVersion a publish_python_script partir do método e tem duas entradas e duas saídas. A criação moduleVersion é a versão predefinida (is_default
está definida como Verdadeiro).
out_sum = OutputPortDef(name="out_sum", default_datastore_name=datastore.name, default_datastore_mode="mount",
label="Sum of two numbers")
out_prod = OutputPortDef(name="out_prod", default_datastore_name=datastore.name, default_datastore_mode="mount",
label="Product of two numbers")
entry_version = module.publish_python_script("calculate.py", "initial",
inputs=[], outputs=[out_sum, out_prod], params = {"initialNum":12},
version="1", source_directory="./calc")
O exemplo completo está disponível a partir de https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-how-to-use-modulestep.ipynb
Este módulo pode ser utilizado ao definir um pipeline, em passos diferentes, com um ModuleStep.
O exemplo seguinte mostra como ligar os dados utilizados no pipeline a entradas e saídas de um ModuleVersion com PipelineData:
middle_step_input_wiring = {"in1":first_sum, "in2":first_prod}
middle_sum = PipelineData("middle_sum", datastore=datastore, output_mode="mount",is_directory=False)
middle_prod = PipelineData("middle_prod", datastore=datastore, output_mode="mount",is_directory=False)
middle_step_output_wiring = {"out_sum":middle_sum, "out_prod":middle_prod}
O exemplo completo está disponível a partir de https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-how-to-use-modulestep.ipynb
Em seguida, o mapeamento pode ser utilizado ao criar o ModuleStep:
middle_step = ModuleStep(module=module,
inputs_map= middle_step_input_wiring,
outputs_map= middle_step_output_wiring,
runconfig=RunConfiguration(), compute_target=aml_compute,
arguments = ["--file_num1", first_sum, "--file_num2", first_prod,
"--output_sum", middle_sum, "--output_product", middle_prod])
O exemplo completo está disponível a partir de https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-how-to-use-modulestep.ipynb
A resolução da versão do módulo a utilizar ocorre após a submissão e segue o seguinte processo:
- Remover todas as versões desativadas
- Se uma versão específica tiver sido indicada, utilize-a, caso contrário
- Se uma versão predefinida tiver sido definida para o Módulo, utilize-a, caso contrário
- Se todas as versões seguirem o controlo de versões sem letras, tome o valor mais alto, caso contrário
- Veja a versão do Módulo que foi atualizada pela última vez
Tenha em atenção que, uma vez que as entradas e saídas de um nó que mapeiam para a entrada e saída de um módulo são definidas após a criação do Pipeline, se a versão resolvida após a submissão tiver uma interface diferente daquela que é resolvida após a criação do pipeline, a submissão do pipeline falhará.
O módulo subjacente pode ser atualizado com novas versões, mantendo a versão predefinida igual.
Os módulos têm um nome exclusivo numa área de trabalho.
Métodos
create |
Crie o Módulo. |
deprecate |
Defina o Módulo como "Preterido". |
disable |
Defina o Módulo como "Desativado". |
enable |
Defina o Módulo como "Ativo". |
get |
Obter o Módulo por nome ou por ID; gera uma exceção se qualquer uma das opções não for fornecida. |
get_default |
Obter a versão predefinida do módulo. |
get_default_version |
Obter a versão predefinida do Módulo. |
get_versions |
Obtenha todas as versões do Módulo. |
module_def_builder |
Crie o objeto de definição do módulo que descreve o passo. |
module_version_list |
Obtenha a lista Versão do módulo. |
process_source_directory |
Processe o diretório de origem do passo e verifique se o script existe. |
publish |
Crie um ModuleVersion e adicione-o ao Módulo atual. |
publish_adla_script |
Crie um ModuleVersion com base no Azure Data Lake Analytics (ADLA) e adicione-o ao Módulo atual. |
publish_azure_batch |
Crie um ModuleVersion que utilize o batch do Azure e adicione-o ao Módulo atual. |
publish_python_script |
Crie um ModuleVersion baseado num script python e adicione-o ao Módulo atual. |
resolve |
Resolva e devolva o ModuleVersion correto. |
set_default_version |
Defina o ModuleVersion predefinido do Módulo. |
set_description |
Defina a descrição do Módulo. |
set_name |
Defina o nome do Módulo. |
create
Crie o Módulo.
static create(workspace, name, description, _workflow_provider=None)
Parâmetros
- _workflow_provider
- <xref:azureml.pipeline.core._aeva_provider._AevaWorkflowProvider>
(Apenas utilização interna.) O fornecedor de fluxo de trabalho.
Devoluções
Objeto de módulo
Tipo de retorno
deprecate
Defina o Módulo como "Preterido".
deprecate()
disable
Defina o Módulo como "Desativado".
disable()
enable
Defina o Módulo como "Ativo".
enable()
get
Obter o Módulo por nome ou por ID; gera uma exceção se qualquer uma das opções não for fornecida.
static get(workspace, module_id=None, name=None, _workflow_provider=None)
Parâmetros
- _workflow_provider
- <xref:azureml.pipeline.core._aeva_provider._AevaWorkflowProvider>
(Apenas utilização interna.) O fornecedor de fluxo de trabalho.
Devoluções
Objeto de módulo
Tipo de retorno
get_default
Obter a versão predefinida do módulo.
get_default()
Devoluções
A versão do módulo predefinida.
Tipo de retorno
get_default_version
Obter a versão predefinida do Módulo.
get_default_version()
Devoluções
A versão predefinida do Módulo.
Tipo de retorno
get_versions
Obtenha todas as versões do Módulo.
static get_versions(workspace, name, _workflow_provider=None)
Parâmetros
- _workflow_provider
- <xref:azureml.pipeline.core._aeva_provider._AevaWorkflowProvider>
(Apenas utilização interna.) O fornecedor de fluxo de trabalho.
Devoluções
A lista de ModuleVersionDescriptor
Tipo de retorno
module_def_builder
Crie o objeto de definição do módulo que descreve o passo.
static module_def_builder(name, description, execution_type, input_bindings, output_bindings, param_defs=None, create_sequencing_ports=True, allow_reuse=True, version=None, module_type=None, step_type=None, arguments=None, runconfig=None, cloud_settings=None)
Parâmetros
- create_sequencing_ports
- bool
Indica se as portas de sequenciação serão criadas para o Módulo.
- step_type
- str
Tipo de passo associado a este módulo, por exemplo, "PythonScriptStep", "HyperDriveStep", etc.
- arguments
- list
Lista de argumentos anotados a utilizar ao chamar este módulo
Devoluções
O objeto Module def.
Tipo de retorno
Exceções
module_version_list
Obtenha a lista Versão do módulo.
module_version_list()
Devoluções
A lista de ModuleVersionDescriptor
Tipo de retorno
process_source_directory
Processe o diretório de origem do passo e verifique se o script existe.
static process_source_directory(name, source_directory, script_name)
Parâmetros
Devoluções
O diretório de origem e os caminhos de hash.
Tipo de retorno
Exceções
publish
Crie um ModuleVersion e adicione-o ao Módulo atual.
publish(description, execution_type, inputs, outputs, param_defs=None, create_sequencing_ports=True, version=None, is_default=False, content_path=None, hash_paths=None, category=None, arguments=None, runconfig=None)
Parâmetros
- execution_type
- str
O tipo de execução do Módulo.
Os valores aceitáveis são esCloud
, adlcloud
e AzureBatchCloud
- create_sequencing_ports
- bool
Indica se as portas de sequenciação serão criadas para o Módulo.
- hash_paths
- list
Uma lista de caminhos para hash ao verificar se existem alterações nos conteúdos do passo. Se não forem detetadas alterações, o pipeline reutilizará o conteúdo do passo de uma execução anterior. Por predefinição, os conteúdos de source_directory
são transformados em hash (exceto os ficheiros listados em .amlignore ou .gitignore).
PRETERIDO: já não é necessário.
- arguments
- list
Argumentos a utilizar ao chamar o módulo. Os argumentos podem ser cadeias, referências de entrada (InputPortDef), referências de saída (OutputPortDef) e parâmetros de pipeline (PipelineParameter).
- runconfig
- RunConfiguration
Uma RunConfiguration opcional. Uma RunConfiguration pode ser utilizada para especificar requisitos adicionais para a execução, como dependências de conda e uma imagem do Docker.
Tipo de retorno
Exceções
publish_adla_script
Crie um ModuleVersion com base no Azure Data Lake Analytics (ADLA) e adicione-o ao Módulo atual.
publish_adla_script(script_name, description, inputs, outputs, params=None, create_sequencing_ports=True, degree_of_parallelism=None, priority=None, runtime_version=None, compute_target=None, version=None, is_default=False, source_directory=None, hash_paths=None, category=None, arguments=None)
Parâmetros
- create_sequencing_ports
- bool
Indica se as portas de sequenciação serão criadas para o Módulo.
- degree_of_parallelism
- int
O grau de paralelismo a utilizar para este trabalho.
- runtime_version
- str
A versão de runtime do motor do Azure Data Lake Analytics (ADLA).
- compute_target
- AdlaCompute, str
A computação do ADLA a utilizar para esta tarefa.
- arguments
- list
Argumentos a utilizar ao chamar o módulo. Os argumentos podem ser cadeias, referências de entrada (InputPortDef), referências de saída (OutputPortDef) e parâmetros de pipeline (PipelineParameter).
Tipo de retorno
publish_azure_batch
Crie um ModuleVersion que utilize o batch do Azure e adicione-o ao Módulo atual.
publish_azure_batch(description, compute_target, inputs, outputs, params=None, create_sequencing_ports=True, version=None, is_default=False, create_pool=False, pool_id=None, delete_batch_job_after_finish=False, delete_batch_pool_after_finish=False, is_positive_exit_code_failure=True, vm_image_urn='urn:MicrosoftWindowsServer:WindowsServer:2012-R2-Datacenter', run_task_as_admin=False, target_compute_nodes=1, vm_size='standard_d1_v2', executable=None, source_directory=None, category=None, arguments=None)
Parâmetros
- create_sequencing_ports
- bool
Indica se as portas de sequenciação serão criadas para o Módulo.
- create_pool
- bool
Indica se deve criar o conjunto antes de executar as tarefas.
- delete_batch_job_after_finish
- bool
Indica se pretende eliminar a tarefa da conta do Batch após a sua conclusão.
- delete_batch_pool_after_finish
- bool
Indica se pretende eliminar o conjunto após a conclusão da tarefa.
- is_positive_exit_code_failure
- bool
Indica se o trabalho falha se a tarefa existir com um código positivo.
- vm_image_urn
- str
Se create_pool
for Verdadeiro e a VM utilizar VirtualMachineConfiguration, este parâmetro indica a imagem da VM a utilizar. Formato de valor: urn:publisher:offer:sku
.
Exemplo: urn:MicrosoftWindowsServer:WindowsServer:2012-R2-Datacenter
.
- run_task_as_admin
- bool
Indica se a tarefa deve ser executada com privilégios de Administração.
- target_compute_nodes
- int
Se create_pool
for Verdadeiro, indica quantos nós de computação serão adicionados ao conjunto.
- vm_size
- str
Se create_pool
for Verdadeiro, indica o tamanho da máquina virtual dos nós de computação.
- executable
- str
O nome do comando/executável que será executado como parte da tarefa.
- arguments
- list
Argumentos a utilizar ao chamar o módulo. Os argumentos podem ser cadeias, referências de entrada (InputPortDef), referências de saída (OutputPortDef) e parâmetros de pipeline (PipelineParameter).
Tipo de retorno
Exceções
publish_python_script
Crie um ModuleVersion baseado num script python e adicione-o ao Módulo atual.
publish_python_script(script_name, description, inputs, outputs, params=None, create_sequencing_ports=True, version=None, is_default=False, source_directory=None, hash_paths=None, category=None, arguments=None, runconfig=None)
Parâmetros
- create_sequencing_ports
- bool
Indica se as portas de sequenciação serão criadas para o Módulo.
- hash_paths
- list
Uma lista de caminhos para hash ao verificar se existem alterações nos conteúdos do passo. Se não forem detetadas alterações, o pipeline reutilizará o conteúdo do passo de uma execução anterior. Por predefinição, os conteúdos de source_directory
são transformados em hash (exceto os ficheiros listados em .amlignore ou .gitignore).
PRETERIDO: já não é necessário.
- arguments
- list
Argumentos a utilizar ao chamar o módulo. Os argumentos podem ser cadeias, referências de entrada (InputPortDef), referências de saída (OutputPortDef) e parâmetros de pipeline (PipelineParameter).
- runconfig
- RunConfiguration
Uma RunConfiguration opcional. Uma RunConfiguration pode ser utilizada para especificar requisitos adicionais para a execução, como dependências de conda e uma imagem do Docker.
Tipo de retorno
resolve
Resolva e devolva o ModuleVersion correto.
resolve(version=None)
Parâmetros
- version
Devoluções
A versão do Módulo a utilizar.
Tipo de retorno
set_default_version
Defina o ModuleVersion predefinido do Módulo.
set_default_version(version_id)
Parâmetros
- version_id
Devoluções
A versão predefinida.
Tipo de retorno
Exceções
set_description
Defina a descrição do Módulo.
set_description(description)
Parâmetros
Exceções
set_name
Defina o nome do Módulo.
set_name(name)
Parâmetros
Exceções
Atributos
default_version
Obtenha a versão predefinida do Módulo.
Devoluções
A cadeia de versão predefinida.
Tipo de retorno
description
id
name
status
Comentários
https://aka.ms/ContentUserFeedback.
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:Submeter e ver comentários