ModuleStepBase Classe
Adiciona um passo a um pipeline que utiliza um módulo específico.
Um ModuleStep deriva de ModuleStepBase e é um nó num pipeline que utiliza uma versão existente Modulee, especificamente, uma das respetivas versões. Para definir que ModuleVersion seria eventualmente utilizada no pipeline submetido, pode definir um dos seguintes ao criar o ModuleStep:
- ModuleVersion objeto
- Module objeto e um valor de versão
- Apenas Módulo sem um valor de versão; neste caso, a resolução de versões utilizada pode variar consoante as submissões.
Também tem de definir o mapeamento entre as entradas e saídas do passo para as ModuleVersion entradas e saídas do objeto.
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
ModuleVersion do passo. Qualquer módulo de ModuleVersion tem de ser fornecido.
- inputs_map
- Dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, Dataset, DatasetDefinition, PipelineDataset]]
Um dicionário onde as chaves são nomes de entradas nos module_version
valores e são enlaces de porta de entrada.
- outputs_map
- Dict[str, Union[OutputPortBinding, DataReference, PortDataReference, PipelineData, Dataset, DatasetDefinition, PipelineDataset]]
Um dicionário onde as chaves são nomes de entradas nos module_version
valores e são enlaces de porta de saída.
- runconfig_pipeline_params
- Dict[str, PipelineParameter]
Substitua as propriedades runconfig no runtime através de pares chave-valor cada um com o nome da propriedade runconfig e PipelineParameter para essa propriedade.
Valores suportados: "NodeCount", "MpiProcessCountPerNode", "TensorflowWorkerCount", "TensorflowParameterServerCount"
- arguments
- [str]
Argumentos da linha de comandos para o ficheiro de script. Os argumentos serão entregues à computação através de argumentos em RunConfiguration. Para obter mais detalhes sobre como lidar com argumentos como símbolos especiais, veja os argumentos em RunConfiguration.
- _workflow_provider
- <xref:azureml.pipeline.core._aeva_provider._AevaWorkflowProvider>
(Apenas utilização interna.) O fornecedor de fluxo de trabalho.
- module_version
- ModuleVersion
ModuleVersion do passo. Qualquer Módulo de ModuleVersion tem de ser fornecido
- inputs_map
- Dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, Dataset, DatasetDefinition, PipelineDataset]]
Um dicionário onde as chaves são nomes de entradas nos module_version
valores e são enlaces de porta de entrada.
- outputs_map
- Dict[str, Union[OutputPortBinding, DataReference, PortDataReference, PipelineData, Dataset, DatasetDefinition, PipelineDataset]]
Um dicionário onde as chaves são nomes de entradas nos module_version
valores e são enlaces de porta de saída.
- compute_target
- <xref:DsvmCompute>, <xref:AmlCompute>, <xref:ComputeInstance>, <xref:RemoteTarget>, <xref:HDIClusterTarget>, str, tuple
Destino de computação a utilizar. Se não for especificado, será utilizado o destino do runconfig. compute_target pode ser um objeto de destino de computação ou o nome da cadeia de carateres de um destino de computação na área de trabalho. Opcionalmente, se o destino de computação não estiver disponível no momento da criação do pipeline, poderá especificar uma cadeia de identificação de ("nome de destino de computação", "tipo de destino de computação") para evitar obter o objeto de destino de computação (o tipo AmlCompute é "AmlCompute" e o tipo RemoteTarget é "VirtualMachine")
- runconfig
- RunConfiguration
A RunConfiguration a utilizar, opcional. Uma RunConfiguration pode ser utilizada para especificar requisitos adicionais para a execução, como dependências conda e uma imagem do docker.
- runconfig_pipeline_params
- Dict[str, PipelineParameter]
Substitua as propriedades runconfig no runtime através de pares chave-valor cada um com o nome da propriedade runconfig e PipelineParameter para essa propriedade.
Valores suportados: "NodeCount", "MpiProcessCountPerNode", "TensorflowWorkerCount", "TensorflowParameterServerCount"
- arguments
- [str]
Argumentos da linha de comandos para o ficheiro de script. Os argumentos serão entregues à computação através de argumentos em RunConfiguration. Para obter mais detalhes sobre como lidar com argumentos como símbolos especiais, veja os argumentos em RunConfiguration
- _workflow_provider
- <xref:azureml.pipeline.core._aeva_provider._AevaWorkflowProvider>
(Apenas utilização interna.) O fornecedor 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 arquivo de dados predefinido a utilizar para este passo.
- context
- <xref:azureml.pipeline.core._GraphContext>
(Apenas utilização interna.) O objeto de contexto do gráfico.
Devoluções
O objeto do nó.
Tipo de retorno
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