JobOperations Sınıf
JobOperations örneğini başlatır
Bu sınıf doğrudan örneklenmemelidir. Bunun yerine, MLClient nesnesinin jobs özniteliğini kullanın.
- Devralma
-
azure.ai.ml._scope_dependent_operations._ScopeDependentOperationsJobOperations
Oluşturucu
JobOperations(operation_scope: OperationScope, operation_config: OperationConfig, service_client_02_2023_preview: AzureMachineLearningWorkspaces, all_operations: OperationsContainer, credential: TokenCredential, **kwargs: Any)
Parametreler
- operation_scope
- <xref:azure.ai.ml._scope_dependent_operations.OperationScope>
MLClient nesnesinin işlem sınıfları için kapsam değişkenleri.
- operation_config
- <xref:azure.ai.ml._scope_dependent_operations.OperationConfig>
MLClient nesnesinin işlem sınıfları için ortak yapılandırma.
- service_client_02_2023_preview
- <xref:azure.ai.ml._restclient.v2023_02_01_preview.AzureMachineLearningWorkspaces>
Son kullanıcıların Azure Machine Learning Çalışma Alanı kaynakları üzerinde çalışmasına izin veren hizmet istemcisi.
- all_operations
- <xref:azure.ai.ml._scope_dependent_operations.OperationsContainer>
MLClient nesnesinin tüm işlem sınıfları.
Yöntemler
archive |
Bir işi arşivler. |
begin_cancel |
bir işi iptal eder. |
create_or_update |
bir iş oluşturur veya güncelleştirir. Ortam veya Kod gibi varlıklar satır içinde tanımlanırsa, iş ile birlikte oluşturulur. |
download |
Bir işin günlüklerini ve çıkışını indirir. |
get |
bir iş kaynağı alır. |
list |
Çalışma alanında işleri listeler. |
restore |
Arşivlenmiş işi geri yükler. |
show_services |
bir işin düğümüyle ilişkili hizmetleri alır. |
stream |
Çalışan bir işin günlüklerini akışla aktarır. |
validate |
Not Bu deneysel bir yöntemdir ve herhangi bir zamanda değişebilir. Daha fazla bilgi için lütfen bkz. https://aka.ms/azuremlexperimental. Hizmete göndermeden önce bir İş nesnesini doğrular. Bileşen, Ortam ve Kod gibi satır içi tanımlı varlıklar varsa anonim varlıklar oluşturulabilir. Şu anda doğrulama için yalnızca işlem hattı işleri desteklenmektedir. |
archive
Bir işi arşivler.
archive(name: str) -> None
Parametreler
Özel durumlar
Verilen ada sahip bir iş bulunamazsa oluşturulur.
Örnekler
Bir işi arşivleme.
ml_client.jobs.archive(name=job_name)
begin_cancel
bir işi iptal eder.
begin_cancel(name: str, **kwargs) -> LROPoller[None]
Parametreler
Döndürülenler
İşlem durumunu izlemek için bir poller.
Dönüş türü
Özel durumlar
Verilen ada sahip bir iş bulunamazsa oluşturulur.
create_or_update
bir iş oluşturur veya güncelleştirir. Ortam veya Kod gibi varlıklar satır içinde tanımlanırsa, iş ile birlikte oluşturulur.
create_or_update(job: Job, *, description: str | None = None, compute: str | None = None, tags: dict | None = None, experiment_name: str | None = None, skip_validation: bool = False, **kwargs) -> Job
Parametreler
İşin altında oluşturulacağı denemenin adı. Hiçbiri sağlanmışsa, iş 'Varsayılan' denemesi altında oluşturulur.
- skip_validation
- bool
İşi oluşturmadan veya güncelleştirmeden önce doğrulamanın atlanıp atlanmayacağını belirtir. Anonim bileşen gibi bağımlı kaynaklar için doğrulamanın atlanmayacağını unutmayın. Varsayılan değer False'tur.
Döndürülenler
İş oluşturuldu veya güncelleştirildi.
Dönüş türü
Özel durumlar
İş başarıyla doğrulanamazsa oluşturulur. Ayrıntılar hata iletisinde sağlanacaktır.
İş varlıkları (ör. Veri, Kod, Model, Ortam) başarıyla doğrulanamazsa oluşturulur. Ayrıntılar hata iletisinde sağlanacaktır.
İş modeli başarıyla doğrulanamazsa oluşturulur. Ayrıntılar hata iletisinde sağlanacaktır.
İş nesnesi veya öznitelikleri doğru biçimlendirilmişse oluşturulur. Ayrıntılar hata iletisinde sağlanacaktır.
Sağlanan yerel yol boş bir dizine işaret ederse oluşturulur.
Docker Altyapısı yerel iş için kullanılamıyorsa oluşturulur.
Örnekler
Yeni bir iş oluşturma ve ardından işlem güncelleştirme.
from azure.ai.ml import load_job
created_job = ml_client.jobs.create_or_update(
name=job_name,
job=load_job(
"./sdk/ml/azure-ai-ml/tests/test_configs/command_job/command_job_test_local_env.yml",
params_override=[{"name": job_name}, {"compute": "cpucluster"}],
),
)
download
Bir işin günlüklerini ve çıkışını indirir.
download(name: str, *, download_path: PathLike | str = '.', output_name: str | None = None, all: bool = False) -> None
Parametreler
İndirme hedefi olarak kullanılacak yerel yol. Varsayılan değer "." olur.
- all
- bool
Tüm günlüklerin ve adlandırılmış çıkışların indirilip indirilmemesi gerektiğini belirtir. Varsayılan değer False'tur.
Özel durumlar
İş henüz terminal durumunda değilse oluşturulur. Ayrıntılar hata iletisinde sağlanacaktır.
Günlükler ve çıkışlar başarıyla indirilemiyorsa oluşturulur. Ayrıntılar hata iletisinde sağlanacaktır.
Örnekler
"job-1" işinin tüm günlüklerini ve adlandırılmış çıkışlarını "job-1-logs" yerel dizinine indirme.
ml_client.jobs.download(name=job_name, download_path="./job-1-logs", all=True)
get
bir iş kaynağı alır.
get(name: str) -> Job
Parametreler
Döndürülenler
Hizmetten alınan iş nesnesi.
Dönüş türü
Özel durumlar
Verilen ada sahip bir iş bulunamazsa oluşturulur.
Ad parametresi bir dize değilse oluşturulur.
Örnekler
"iris-dataset-job-1" adlı bir iş alınıyor.
retrieved_job = ml_client.jobs.get(job_name)
list
Çalışma alanında işleri listeler.
list(*, parent_job_name: str | None = None, list_view_type: ListViewType = ListViewType.ACTIVE_ONLY, **kwargs) -> Iterable[Job]
Parametreler
Sağlandığında, yalnızca adlandırılmış işin alt öğeleri olan işleri döndürür. Varsayılan olarak Yok olur ve çalışma alanında tüm işler listelenir.
- list_view_type
- ListViewType
Arşivlenmiş işleri dahil etme/dışlama için görünüm türü. Arşivlenmiş işler hariç~ azure.mgt.machinelearningservices.models.ListViewType.ACTIVE_ONLY varsayılan olarak ayarlanır.
Döndürülenler
İş nesnelerinin yineleyici benzeri bir örneği.
Dönüş türü
Özel durumlar
Verilen ada sahip bir iş bulunamazsa oluşturulur.
Örnekler
"iris-dataset-jobs" adlı üst işe sahip bir çalışma alanında arşivlenen işlerin listesini alma.
from azure.ai.ml._restclient.v2023_04_01_preview.models import ListViewType
list_of_jobs = ml_client.jobs.list(parent_job_name=job_name, list_view_type=ListViewType.ARCHIVED_ONLY)
restore
Arşivlenmiş işi geri yükler.
restore(name: str) -> None
Parametreler
Özel durumlar
Verilen ada sahip bir iş bulunamazsa oluşturulur.
Örnekler
Arşivlenmiş işi geri yükleme.
ml_client.jobs.restore(name=job_name)
show_services
bir işin düğümüyle ilişkili hizmetleri alır.
show_services(name: str, node_index: int = 0) -> Dict[str, ServiceInstance]
Parametreler
Döndürülenler
Verilen düğüm için işle ilişkili hizmetler.
Dönüş türü
Özel durumlar
Verilen ada sahip bir iş bulunamazsa oluşturulur.
Örnekler
bir işin 1. düğümüyle ilişkili hizmetleri alma.
job_services = ml_client.jobs.show_services(job_name)
stream
Çalışan bir işin günlüklerini akışla aktarır.
stream(name: str) -> None
Parametreler
Özel durumlar
Verilen ada sahip bir iş bulunamazsa oluşturulur.
Örnekler
Çalışan bir işin akışını sağlama.
running_job = ml_client.jobs.create_or_update(
load_job(
"./sdk/ml/azure-ai-ml/tests/test_configs/command_job/command_job_test_local_env.yml",
params_override=[{"name": job_name}, {"compute": "cpucluster"}],
)
)
ml_client.jobs.stream(running_job.name)
validate
Not
Bu deneysel bir yöntemdir ve herhangi bir zamanda değişebilir. Daha fazla bilgi için lütfen bkz. https://aka.ms/azuremlexperimental.
Hizmete göndermeden önce bir İş nesnesini doğrular. Bileşen, Ortam ve Kod gibi satır içi tanımlı varlıklar varsa anonim varlıklar oluşturulabilir. Şu anda doğrulama için yalnızca işlem hattı işleri desteklenmektedir.
validate(job: Job, *, raise_on_failure: bool = False, **kwargs) -> ValidationResult
Parametreler
- raise_on_failure
- bool
Doğrulama başarısız olursa hatanın tetiklenip tetiklenmemesi gerektiğini belirtir. Varsayılan değer False'tur.
Döndürülenler
Bulunan tüm hataları içeren bir ValidationResult nesnesi.
Dönüş türü
Özel durumlar
Verilen ada sahip bir iş bulunamazsa oluşturulur.
Örnekler
PipelineJob nesnesini doğrulama ve bulunan hataları yazdırma.
from azure.ai.ml import load_job
from azure.ai.ml.entities import PipelineJob
pipeline_job: PipelineJob = load_job(
"./sdk/ml/azure-ai-ml/tests/test_configs/pipeline_jobs/invalid/combo.yml",
params_override=[{"name": job_name}, {"compute": "cpucluster"}],
)
print(ml_client.jobs.validate(pipeline_job).error_messages)
Azure SDK for Python
Geri Bildirim
https://aka.ms/ContentUserFeedback.
Çok yakında: 2024 boyunca, içerik için geri bildirim mekanizması olarak GitHub Sorunları’nı kullanımdan kaldıracak ve yeni bir geri bildirim sistemiyle değiştireceğiz. Daha fazla bilgi için bkz.Gönderin ve geri bildirimi görüntüleyin