PipelineJob Třída
Úloha kanálu.
Neměli byste vytvořit instanci této třídy přímo. Místo toho byste měli k vytvoření úlohy PipelineJob použít dekorátor @pipeline.
] :p aram compute: Název cílového výpočetního objektu vytvořeného kanálu. Výchozí hodnota je None :type compute: str :p aram tags: Tag dictionary. Značky je možné přidávat, odebírat a aktualizovat. Defaults to None :type tags: dict[str, str] :p aram kwargs: Slovník dalších parametrů konfigurace. Výchozí hodnota : type kwargs: dict
- Dědičnost
-
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
Konstruktor
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)
Parametry
- component
- Union[str, PipelineComponent]
Verze součásti kanálu. Pole se vzájemně vylučuje s "úlohami".
Vstupy do úlohy kanálu.
- experiment_name
- str
Název experimentu, ve které bude úloha vytvořena. Pokud je zadaný žádný, experiment se nastaví na aktuální adresář. Výchozí hodnota není žádná.
Název uzlu komponenty kanálu do objektu komponenty. Výchozí hodnota není žádná.
Identita, kterou bude trénovací úloha používat při běhu na výpočetních prostředcích Výchozí hodnota není žádná.
Příklady
Ukazuje, jak vytvořit kanál pomocí této třídy.
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)
Metody
dump |
Vytvoří výpis obsahu úlohy do souboru ve formátu YAML. |
dump
Vytvoří výpis obsahu úlohy do souboru ve formátu YAML.
dump(dest: str | PathLike | IO, **kwargs) -> None
Parametry
Místní cesta nebo datový proud souboru, do které chcete zapsat obsah YAML. Pokud je dest cesta k souboru, vytvoří se nový soubor. Pokud je soubor dest otevřený, zapíše se přímo do souboru.
- kwargs
- dict
Další argumenty, které se mají předat serializátoru YAML.
Výjimky
Vyvolána, pokud je dest cesta k souboru a soubor již existuje.
Vyvolána, pokud je soubor dest otevřený a soubor není zapisovatelný.
Atributy
base_path
creation_context
Kontext vytvoření prostředku.
Návraty
Metadata vytvoření prostředku.
Návratový typ
id
ID prostředku.
Návraty
Globální ID prostředku, ID Azure Resource Manager (ARM).
Návratový typ
inputs
Vstupy úlohy kanálu.
Návraty
Vstupy úlohy kanálu.
Návratový typ
jobs
log_files
Výstupní soubory úlohy.
Návraty
Slovník názvů protokolů a adres URL.
Návratový typ
outputs
settings
status
Stav úlohy.
Mezi běžné vrácené hodnoty patří "Spuštěno", "Dokončeno" a "Selhání". Všechny možné hodnoty jsou:
NotStarted – jedná se o dočasný stav, ve který jsou objekty Spuštění na straně klienta před odesláním do cloudu.
Spuštění – Spuštění se začalo zpracovávat v cloudu. Volající má v tuto chvíli ID spuštění.
Zřizování – pro odeslání dané úlohy se vytváří výpočetní prostředky na vyžádání.
Příprava – Prostředí spuštění se připravuje a je v jedné ze dvou fází:
Sestavení image Dockeru
Nastavení prostředí conda
Ve frontě – úloha je zařazená do fronty v cílovém výpočetním objektu. Například ve službě BatchAI je úloha ve stavu zařazená do fronty.
při čekání na připravenost všech požadovaných uzlů.
Spuštěno – Úloha se začala spouštět na cílovém výpočetním objektu.
Finalizace – Spuštění uživatelského kódu bylo dokončeno a spuštění je ve fázích následného zpracování.
CancelRequested – pro úlohu bylo požadováno zrušení.
Dokončeno – spuštění bylo úspěšně dokončeno. To zahrnuje jak spuštění uživatelského kódu, tak spuštění.
fáze následného zpracování.
Selhání – Spuštění se nezdařilo. Vlastnost Error při spuštění obvykle obsahuje podrobnosti o důvodech.
Zrušeno – následuje žádost o zrušení a označuje, že spuštění se teď úspěšně zrušilo.
Nereaguje – u spuštění, která mají povolené prezenční signály, se v nedávné době neodeslal žádný prezenční signál.
Návraty
Stav úlohy.
Návratový typ
studio_url
Koncový bod studia Azure ML.
Návraty
Adresa URL stránky s podrobnostmi o úloze
Návratový typ
type
Azure SDK for Python