PipelineJob 類別
管線作業。
您不應該直接具現化此類別。 相反地,您應該使用 @pipeline 裝飾專案來建立 PipelineJob。
] :p aram 計算:所建置管線的計算目標名稱。 預設為 None :type compute: str :p aram 標籤:標記字典。 標記可以新增、移除和更新。 預設為 None :type tags: dict[str, str] :p aram kwargs:其他組態參數的字典。 預設值為 None :type kwargs: dict
- 繼承
-
azure.ai.ml.entities._job.job.JobPipelineJobazure.ai.ml.entities._mixins.YamlTranslatableMixinPipelineJobazure.ai.ml.entities._job.pipeline._io.mixin.PipelineJobIOMixinPipelineJobazure.ai.ml.entities._validation.path_aware_schema.PathAwareSchemaValidatableMixinPipelineJob
建構函式
PipelineJob(*, component: str | PipelineComponent | None = None, inputs: Dict[str, int | str | float | bool | Input] | None = None, outputs: Dict[str, Output] | None = None, name: str | None = None, description: str | None = None, display_name: str | None = None, experiment_name: str | None = None, jobs: Dict[str, BaseNode] | None = None, settings: PipelineJobSettings | None = None, identity: ManagedIdentityConfiguration | AmlTokenConfiguration | UserIdentityConfiguration | None = None, compute: str | None = None, tags: Dict[str, str] | None = None, **kwargs)
參數
在計算上執行時,定型作業將使用的身分識別。 預設值為 None
範例
示範如何使用這個類別建立管線。
from azure.ai.ml.entities import PipelineJob, PipelineJobSettings
pipeline_job = PipelineJob(
description="test pipeline job",
tags={},
display_name="test display name",
experiment_name="pipeline_job_samples",
properties={},
settings=PipelineJobSettings(force_rerun=True, default_compute="cpu-cluster"),
jobs={"component1": component_func(component_in_number=1.0, component_in_path=uri_file_input)},
)
ml_client.jobs.create_or_update(pipeline_job)
方法
dump |
以 YAML 格式將作業內容傾印到檔案中。 |
dump
以 YAML 格式將作業內容傾印到檔案中。
dump(dest: str | PathLike | IO, **kwargs) -> None
參數
要寫入 YAML 內容的本機路徑或檔案資料流程。 如果 dest 是檔案路徑,將會建立新的檔案。 如果 dest 是開啟的檔案,則會直接將檔案寫入。
- kwargs
- dict
要傳遞至 YAML 序列化程式的其他引數。
例外狀況
如果 dest 是檔案路徑且檔案已經存在,則會引發 。
如果 dest 是開啟的檔案,而且檔案無法寫入,則引發。
屬性
base_path
creation_context
id
inputs
jobs
log_files
outputs
settings
status
工作的狀態。
傳回的常見值包括「執行中」、「已完成」和「失敗」。 所有可能的值為:
NotStarted - 這是用戶端 Run 物件在雲端提交之前所在的暫時狀態。
啟動 - 執行已在雲端中開始處理。 呼叫端此時具有執行識別碼。
布建 - 正在針對指定的作業提交建立隨選計算。
準備 - 正在準備執行環境,且處於兩個階段之一:
Docker 映射組建
conda 環境設定
已排入佇列 - 作業已排入計算目標上的佇列。 例如,在 BatchAI 中,作業處於佇列狀態
等候所有要求的節點準備就緒時。
執行 - 作業已開始在計算目標上執行。
完成 - 使用者程式碼執行已完成,且執行處於後續處理階段。
CancelRequested - 作業已要求取消。
已完成 - 執行已順利完成。 這包括使用者程式碼執行和執行
後續處理階段。
失敗 - 執行失敗。 執行上的 Error 屬性通常會提供原因的詳細資料。
已取消 - 遵循取消要求,並指出現在已成功取消執行。
NotResponding - 針對已啟用活動訊號的執行,最近不會傳送活動訊號。
傳回
作業的狀態。
傳回類型
studio_url
type
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應