AdlaStep Třída
Vytvoří krok kanálu Azure ML pro spuštění skriptu U-SQL pomocí Azure Data Lake Analytics.
Příklad použití tohoto kroku AdlaStep najdete v poznámkovém bloku https://aka.ms/pl-adla.
Vytvořte krok kanálu Azure ML pro spuštění skriptu U-SQL pomocí Azure Data Lake Analytics.
- Dědičnost
-
azureml.pipeline.core._adla_step_base._AdlaStepBaseAdlaStep
Konstruktor
AdlaStep(script_name, name=None, inputs=None, outputs=None, params=None, degree_of_parallelism=None, priority=None, runtime_version=None, compute_target=None, source_directory=None, allow_reuse=True, version=None, hash_paths=None)
Parametry
- inputs
- list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]]
Seznam vazeb vstupních portů
Seznam výstupních vazeb portů.
- degree_of_parallelism
- int
Stupeň paralelismu, který se má použít pro tuto úlohu. Musí být větší než 0. Pokud je nastavená hodnota menší než 0, výchozí hodnota je 1.
- priority
- int
Hodnota priority, která se má použít pro aktuální úlohu. Nižší čísla mají vyšší prioritu. Ve výchozím nastavení má úloha prioritu 1000. Zadaná hodnota musí být větší než 0.
- compute_target
- AdlaCompute, str
[Povinné] Výpočetní prostředky ADLA, které se mají použít pro tuto úlohu.
- allow_reuse
- bool
Určuje, jestli má krok znovu použít předchozí výsledky při opětovném spuštění se stejným nastavením. Opakované použití je ve výchozím nastavení povolené. Pokud obsah kroku (skripty/závislosti) i vstupy a parametry zůstanou beze změny, výstup z předchozího spuštění tohoto kroku se znovu použije. Při opakovaném použití kroku se místo odeslání úlohy k výpočtu okamžitě zpřístupní výsledky z předchozího spuštění všem dalším krokům. Pokud jako vstupy použijete datové sady Azure Machine Learning, opakované použití závisí na tom, jestli se změnila definice datové sady, a ne na tom, jestli se změnila podkladová data.
- hash_paths
- list
ZASTARALÉ: už není potřeba.
Seznam cest k hodnotě hash při kontrole změn obsahu kroku Pokud se nezjistí žádné změny, kanál znovu použije obsah kroku z předchozího spuštění. Ve výchozím nastavení je obsah source_directory
souboru hashován s výjimkou souborů uvedených v .amlignore nebo .gitignore.
- inputs
- list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]]
Seznam vazeb vstupních portů
- outputs
- list[Union[PipelineData, <xref:azureml.pipeline.core.pipeline_output_dataset.PipelineAbstractOutputDataset>, OutputPortBinding]]
Seznam výstupních vazeb portů.
- degree_of_parallelism
- int
Stupeň paralelismu, který se má použít pro tuto úlohu. Musí být větší než 0. Pokud je nastavená hodnota menší než 0, výchozí hodnota je 1.
- priority
- int
Hodnota priority, která se má použít pro aktuální úlohu. Nižší čísla mají vyšší prioritu. Ve výchozím nastavení má úloha prioritu 1000. Zadaná hodnota musí být větší než 0.
- compute_target
- AdlaCompute, str
[Povinné] Výpočetní prostředky ADLA, které se mají použít pro tuto úlohu.
- allow_reuse
- bool
Určuje, jestli má krok znovu použít předchozí výsledky při opětovném spuštění se stejným nastavením. Opakované použití je ve výchozím nastavení povolené. Pokud obsah kroku (skripty/závislosti) i vstupy a parametry zůstanou beze změny, výstup z předchozího spuštění tohoto kroku se znovu použije. Při opakovaném použití kroku se místo odeslání úlohy k výpočtu okamžitě zpřístupní výsledky z předchozího spuštění všem dalším krokům. Pokud jako vstupy použijete datové sady Azure Machine Learning, opakované použití závisí na tom, jestli se změnila definice datové sady, a ne na tom, jestli se změnila podkladová data.
- hash_paths
- list
ZASTARALÉ: už není potřeba.
Seznam cest k hodnotě hash při kontrole změn obsahu kroku Pokud se nezjistí žádné změny, kanál znovu použije obsah kroku z předchozího spuštění. Ve výchozím nastavení je obsah source_directory
souboru hashován s výjimkou souborů uvedených v .amlignore nebo .gitignore.
Poznámky
Pomocí syntaxe @@name@@ ve skriptu můžete odkazovat na vstupy, výstupy a parametry.
Pokud je název název vstupní nebo výstupní vazby portu, nahradí se všechny výskyty @@name@@ ve skriptu skutečnou cestou k datům odpovídající vazby portu.
Pokud název odpovídá libovolnému klíči v params dict, všechny výskyty @@name@@ budou v dict nahrazeny odpovídající hodnotou.
AdlaStep funguje jenom s daty uloženými ve výchozím Data Lake Storage účtu Data Lake Analytics. Pokud jsou data v jiné než výchozí úložišti, zkopírujte je do výchozího úložiště pomocí DataTransferStep příkazu . Výchozí úložiště najdete tak, že otevřete účet Data Lake Analytics v Azure Portal a pak přejdete na položku Zdroje dat v části Nastavení v levém podokně.
Následující příklad ukazuje, jak používat AdlaStep v kanálu Azure Machine Learning.
adla_step = AdlaStep(
name='extract_employee_names',
script_name='sample_script.usql',
source_directory=sample_folder,
inputs=[sample_input],
outputs=[sample_output],
compute_target=adla_compute)
Úplná ukázka je k dispozici od https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-use-adla-as-compute-target.ipynb
Metody
create_node |
Vytvořte uzel z kroku AdlaStep a přidejte ho do zadaného grafu. Tato metoda není určena k přímému použití. Když se vytvoří instance kanálu pomocí tohoto kroku, Azure ML automaticky předává požadované parametry prostřednictvím této metody, aby se tento krok mohl přidat do grafu kanálu, který představuje pracovní postup. |
create_node
Vytvořte uzel z kroku AdlaStep a přidejte ho do zadaného grafu.
Tato metoda není určena k přímému použití. Když se vytvoří instance kanálu pomocí tohoto kroku, Azure ML automaticky předává požadované parametry prostřednictvím této metody, aby se tento krok mohl přidat do grafu kanálu, který představuje pracovní postup.
create_node(graph, default_datastore, context)
Parametry
- default_datastore
- Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]
Výchozí úložiště dat.
- context
- <xref:azureml.pipeline.core._GraphContext>
Kontext grafu.
Návraty
Objekt uzlu.
Návratový typ
Váš názor
https://aka.ms/ContentUserFeedback.
Připravujeme: V průběhu roku 2024 budeme postupně vyřazovat problémy z GitHub coby mechanismus zpětné vazby pro obsah a nahrazovat ho novým systémem zpětné vazby. Další informace naleznete v tématu:Odeslat a zobrazit názory pro