CLI (v2) 功能集 YAML 架構
適用於：
Azure CLI ML 延伸模組第 2 版 (目前)
注意
此文件中詳述的 YAML 語法是以最新版 ML CLI v2 延伸模組的 JSON 結構描述為基礎。 此語法只保證能與最新版的 ML CLI v2 延伸模組搭配使用。 您可以在 https://azuremlschemasprod.azureedge.net/ 找到舊版延伸模組的結構描述。
YAML 語法
| 索引鍵 | 類型 | 描述 | 允許的值 | 預設值 |
|---|---|---|---|---|
| $schema | 字串 | YAML 結構描述。 如果您使用 Azure Machine Learning VS Code 擴充功能來撰寫 YAML 檔案，包括檔案頂端的$schema可讓您叫用架構和資源完成。 | ||
| NAME | 字串 | 必要。 功能集名稱。 | ||
| version | 字串 | 必要。 功能集版本。 | ||
| description | 字串 | 功能集描述。 | ||
| 規格 | object | 必要。 功能集規格。 | ||
| specification.path | string | 必填 本機功能集規格資料夾的路徑。 | ||
| 實體 | 物件 (字串清單) | 必要。 此功能集相關聯的實體。 | ||
| stage (階段) | string | 功能集階段。 | 開發、生產、封存 | 部署 |
| tags | object | 功能集標籤的字典。 | ||
| materialization_settings | object | 功能集具體化設定。 | ||
| materialization_settings.offline_enabled | boolean | 是否啟用將特徵值具體化為離線儲存體。 | True、False | |
| materialization_settings.schedule | object | 具體化排程。 請參閱 CLI (v2) 排程 YAML 架構 | ||
| materialization_settings.schedule.frequency | string | 如果已設定排程，則為必要專案。 列舉來描述週期排程的頻率。 | Day、Hour、Minute、Week、Month | 天 |
| materialization_settings.schedule.interval | 整數 | 如果已設定排程，則為必要專案。 迴圈作業之間的間隔。 | ||
| materialization_settings.schedule.time_zone | string | 排程觸發時區。 | UTC | |
| materialization_settings.schedule.start_time | string | 排程觸發程式時間。 | ||
| materialization_settings.notification | object | 具體化通知設定。 | ||
| materialization_settings.notification.email_on | 物件 (字串清單) | 如果已設定通知，則為必要專案。 當作業狀態符合此設定時，就會傳送電子郵件通知。 | JobFailed、JobCompleted、JobCancelled。 | |
| materialization_settings.notification.emails | 物件 (字串清單) | 如果已設定通知，則為必要專案。 傳送通知的電子郵件地址。 | ||
| materialization_settings.resource | object | 用於具體化作業的 Azure Machine Learning Spark 計算資源。 | ||
| materialization_settings.resource.instance_type | string | Azure Machine Learning Spark 計算實例類型。 | Standard_E4s_v3、Standard_E8s_v3、Standard_E16s_v3、Standard_E32s_v3、Standard_E64s_v3。 請參閱 Azure Machine Learning (preview) 中的 Apache Spark 互動資料整頓 ，以取得支援類型的更新清單。 | |
| materialization_settings.spark_configuration | 字典 | Spark 組態的字典 |
備註
az ml feature-set命令可用來管理功能集。
範例
範例 GitHub 存放庫中有範例可用。 以下顯示其中幾個。
YAML：基本
$schema: http://azureml/sdk-2-0/Featureset.json
name: transactions
version: "1"
description: 7-day and 3-day rolling aggregation of transactions featureset
specification:
path: ./spec # path to feature set specification folder. Can be local (absolute path or relative path to current location) or cloud uri. Contains FeatureSetSpec.yaml + transformation code
entities: # entities associated with this feature-set
- azureml:account:1
stage: Development
YAML：使用具體化設定
name: transactions
version: "1"
description: 7-day and 3-day rolling aggregation of transactions featureset
specification:
path: ./spec # path to feature set specification folder. Can be local (absolute path or relative path to current location) or cloud uri. Contains FeatureSetSpec.yaml + transformation code
entities: # entities associated with this feature-set
- azureml:account:1
stage: Development
materialization_settings:
offline_enabled: True
schedule: # we use existing definition of schedule under job with some constraints. Recurrence pattern will not be supported.
type: recurrence # Only recurrence type would be supported
frequency: Day # Only support Day and Hour
interval: 1 #every day
time_zone: "Pacific Standard Time"
notification:
email_on:
- JobFailed
emails:
- alice@microsoft.com
resource:
instance_type: Standard_E8S_V3
spark_configuration:
spark.driver.cores: 4
spark.driver.memory: 36g
spark.executor.cores: 4
spark.executor.memory: 36g
spark.executor.instances: 2