azureml-pipeline-core 包
包
core |
包含 Azure 机器学习管道的核心功能,这些管道是可配置的机器学习工作流。 使用 Azure 机器学习管道,可以创建可重用的机器学习工作流,这些工作流可用作机器学习方案的模板。 此包包含用于 Azure 机器学习管道的核心功能,通常与 steps 包中的类一起使用。 机器学习管道由 PipelineStep 对象的集合表示,可以对这些对象进行排序和并行化,也可以通过步骤之间的显式依赖关系创建这些对象。 管道步骤用于定义 Pipeline 对象,该对象表示要执行的工作流。 可以在 Jupyter Notebook 或其他任何安装了 Azure ML SDK 的 IDE 中创建和使用管道。 Azure 机器学习管道使你能够将工作重心放在机器学习上,而不是基础结构。 若要开始生成管道,请参阅 https://aka.ms/pl-first-pipeline。 若要详细了解机器学习管道的优势,以及它与 Azure 提供的其他管道之间的关联,请参阅 Azure 机器学习服务中的机器学习管道是什么? |
模块
builder |
定义用于生成 Azure 机器学习管道的类。 管道图包含管道步骤 (PipelineStep),在每个步骤中生成或使用的可选管道数据 (PipelineData),以及可选的步骤执行序列 (StepSequence)。 |
graph |
定义用于构造 Azure 机器学习管道图形的类。 使用 PipelineStep(和派生类)、PipelineData 和 PipelineData 对象时,会为 Pipeline 对象创建 Azure ML 管道图。 在典型用例中,无需直接使用此模块中的类。 管道运行图由模块节点组成,这些节点表示基本单位,如数据源或步骤。 节点可以有输入端口和输出端口,以及关联的参数。 边缘定义图中两个节点端口之间的关系。 |
module |
包含用于创建和管理 Azure 机器学习管道的可重用计算单元的类。 模块允许在 Pipeline 中创建计算单元。计算单元可以有输入、输出,并依赖于参数和环境配置来运行。 可以对模块进行版本控制,并在不同的 Azure 机器学习管道中使用模块,而 PipelineStep(及其派生的类)则与此不同,它只能在一个管道中使用。 模块设计为在多个管道中重用,并且可以演进,使特定的计算逻辑适应不同的用例。 可以在快速迭代中使用管道中的某个步骤来改进算法,一旦实现目标,该算法通常会作为模块发布,以便可供重用。 |
module_step_base |
包含使用 Module 的版本向管道添加步骤的功能。 |
pipeline |
定义用于创建可重用 Azure 机器学习工作流的类。 |
pipeline_draft |
定义用于管理可变管道的类。 |
pipeline_endpoint |
定义用于管理管道的类,包括版本控制和终结点。 |
pipeline_output_dataset |
包含用于将中间输出提升为 Azure 机器学习数据集的功能。 默认情况下,管道中的中间数据(输出)不会成为 Azure 机器学习数据集。 若要将中间数据提升为 Azure 机器学习数据集,请调用 PipelineData 类的 as_dataset 方法以返回 PipelineOutputFileDataset 对象。 然后,可以从 PipelineOutputFileDataset 对象创建一个 PipelineOutputTabularDataset 对象。 |
run |
为提交的管道定义类,包括用于检查状态和检索运行详细信息的类。 |
schedule |
定义用于计划 Azure 机器学习管道提交的类。 |
反馈
https://aka.ms/ContentUserFeedback。
即将发布:在整个 2024 年,我们将逐步淘汰作为内容反馈机制的“GitHub 问题”,并将其取代为新的反馈系统。 有关详细信息,请参阅:提交和查看相关反馈