graph 模块

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。

类

DataSource	可在图形中使用的数据源。
DataSourceDef	数据源的定义。
DataSourceNode	表示图形中的数据源。
DataType	数据段的数据类型（输入或输出）。
Edge	图形中两个节点端口之间的边缘的实例。
Graph	用于定义管道运行图的类。
InputPort	节点上输入端口的实例，可以连接到输出端口。
InputPortBinding	定义从源到管道步骤输入的绑定。 InputPortBinding 可用作步骤的输入。 源可以是 PipelineData、PortDataReference、DataReference、PipelineDataset 或 OutputPortBinding。 如果步骤输入的名称应不同于绑定对象的名称（即避免输入/输出名称重复，或者步骤脚本需要输入具有特定名称），则 InputPortBinding 可用于指定步骤输入的名称。 它还可用于指定 PythonScriptStep 输入的 bind_mode。
InputPortDef	输入端口的定义。
Module	可在图形中使用的可运行模块。 不应直接使用此类。 请改用 Module 类。
ModuleDef	模块的定义，包括执行和端口定义。
ModuleNode	表示图中的模块。
Node	表示图中的基本单位，例如，它可以是任何数据源或步骤。
OutputPort	节点上输出端口的实例，可以连接到输入端口。
OutputPortBinding	定义管道步骤的命名输出。 OutputPortBinding 可用于指定将由某个步骤生成的数据类型以及数据的生成方式。 它可以与 InputPortBinding 一起使用，指定步骤输出是另一个步骤的必需输入。
OutputPortDef	输出端口的定义。
Param	节点上的参数的实例。
ParamDef	执行参数的定义。
PipelineDataset	充当数据集和管道的适配器。 注意 此类已弃用。 若要了解如何在管道中使用数据集，请参阅 https://aka.ms/pipeline-with-dataset 。 这是内部类。 不应直接创建此类，而应在 Dataset 或 OutputDatasetConfig 类上调用 as_* 实例方法。
PipelineParameter	定义管道执行中的参数。 使用管道参数构造可在以后使用不同参数值重新提交的通用管道。
PortDataReference	为与已完成的 StepRun 的输出关联的数据进行建模。 PortDataReference 对象可用于下载由 StepRun 生成的输出数据。 它还可以用作未来管道中的步骤输入。
PublishedPipeline	表示在没有构造管道的 Python 代码的情况下提交的管道。 此外，PublishedPipeline 可用于重新提交具有不同的 PipelineParameter 值和输入的 Pipeline。
StoredProcedureParameter	表示用于 SQL 数据库引用的 SQL 存储过程参数。
TrainingOutput	定义某些 PipelineSteps 的专用输出，以在管道中使用。 TrainingOutput 使自动化机器学习指标或模型作为步骤输出可用，供 Azure 机器学习管道中的另一个步骤使用。 可与 AutoMLStep 或 HyperDriveStep 一起使用。

枚举

StoredProcedureParameterType

定义用于 SQL 数据库引用的 SQL 存储过程参数的类型。