ModuleStep Třída

  • Reference

Vytvoří krok kanálu Azure Machine Learning pro spuštění konkrétní verze modulu.

Module Objekty definují opakovaně použitelné výpočty, jako jsou skripty nebo spustitelné soubory, které mohou být použity v různých scénářích strojového učení a různými uživateli. Pokud chcete v kanálu použít konkrétní verzi modulu, vytvořte ModuleStep. ModuleStep je krok v kanálu, který používá existující ModuleVersion.

Příklad použití ModuluStep najdete v poznámkovém bloku https://aka.ms/pl-modulestep.

Vytvořte krok kanálu Azure ML pro spuštění konkrétní verze modulu.

Dědičnost
ModuleStepBase
ModuleStep

Konstruktor

ModuleStep(module=None, version=None, module_version=None, inputs_map=None, outputs_map=None, compute_target=None, runconfig=None, runconfig_pipeline_params=None, arguments=None, params=None, name=None, _workflow_provider=None)

Parametry

Name Description
module
Module

Modul použitý v kroku Zadejte buď module parametr , nebo parametr , module_version ale ne oba.

výchozí hodnota: None
version
str

Verze modulu použitá v kroku

výchozí hodnota: None
module_version
ModuleVersion

A ModuleVersion modulu použitého v kroku. Zadejte buď module parametr , nebo parametr , module_version ale ne oba.

výchozí hodnota: None
inputs_map
dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset, DatasetConsumptionConfig]]

Slovník, který mapuje názvy definic portů ModuleVersion na vstupy kroku.

výchozí hodnota: None
outputs_map
dict[str, Union[OutputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset]]

Slovník, který mapuje názvy definic portů ModuleVersion na výstupy kroku.

výchozí hodnota: None
compute_target
Union[DsvmCompute, AmlCompute, RemoteCompute, HDInsightCompute, str, tuple]

Cílový výpočetní objekt, který se má použít. Pokud není zadaný, použije se cíl z runconfig. Může to být cílový objekt výpočetního objektu nebo název řetězce cílového výpočetního objektu v pracovním prostoru. Pokud cílový výpočetní objekt není při vytváření kanálu dostupný, můžete zadat řazenou kolekci členů ("cílový název výpočetního objektu", "cílový typ výpočetního objektu"), abyste se vyhnuli načtení cílového objektu výpočetního objektu (typ AmlCompute je AmlCompute a typ RemoteCompute je VirtualMachine).

výchozí hodnota: None
runconfig
RunConfiguration

Volitelná konfigurace RunConfiguration, která se má použít. RunConfiguration se dá použít k určení dalších požadavků pro spuštění, jako jsou závislosti Conda a image Dockeru.

výchozí hodnota: None
runconfig_pipeline_params
dict[str, PipelineParameter]

Přepsání vlastností runconfig za běhu pomocí párů klíč-hodnota s názvem vlastnosti runconfig a PipelineParameter pro danou vlastnost.

Podporované hodnoty: NodeCount, MpiProcessCountPerNode, TensorflowWorkerCount, TensorflowParameterServerCount

výchozí hodnota: None
arguments
list[str]

Seznam argumentů příkazového řádku pro soubor skriptu Jazyka Python. Argumenty se doručí do cílového výpočetního objektu prostřednictvím argumentů v RunConfiguration. Další podrobnosti o zpracování argumentů, jako jsou speciální symboly, najdete v tématu RunConfiguration

výchozí hodnota: None
params
dict[str, str]

Slovník dvojic název-hodnota.

výchozí hodnota: None
name
str

Název kroku.

výchozí hodnota: None
_workflow_provider
<xref:azureml.pipeline.core._aeva_provider._AevaWorkflowProvider>

(Pouze pro interní použití.) Zprostředkovatel pracovního postupu.

výchozí hodnota: None
module
Vyžadováno
Module

Modul použitý v kroku Zadejte buď module parametr , nebo parametr , module_version ale ne oba.
version
Vyžadováno
str

Verze modulu použitá v kroku
module_version
Vyžadováno
ModuleVersion

ModuleVersion modulu použitého v kroku Zadejte buď module parametr , nebo parametr , module_version ale ne oba.
inputs_map
Vyžadováno
dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, <xref:azureml.pipeline.core.pipeline_output_dataset.PipelineOutputDataset>, DatasetConsumptionConfig]]

Slovník, který mapuje názvy definic portů ModuleVersion na vstupy kroku.
outputs_map
Vyžadováno
dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, <xref:azureml.pipeline.core.pipeline_output_dataset.PipelineOutputDataset>]]

Slovník, který mapuje názvy definic portů ModuleVersion na výstupy kroku.
compute_target
Vyžadováno
Union[DsvmCompute, AmlCompute, RemoteCompute, HDInsightCompute, str, tuple]

Cílový výpočetní objekt, který se má použít. Pokud není zadaný, použije se cíl z runconfig. Může to být cílový objekt výpočetního objektu nebo název řetězce cílového výpočetního objektu v pracovním prostoru. Pokud cílový výpočetní objekt není při vytváření kanálu dostupný, můžete zadat řazenou kolekci členů ("cílový název výpočetního objektu", "cílový typ výpočetního objektu"), abyste se vyhnuli načtení cílového objektu výpočetního objektu (typ AmlCompute je AmlCompute a typ RemoteCompute je VirtualMachine).
runconfig
Vyžadováno
RunConfiguration

Volitelná konfigurace RunConfiguration, která se má použít. RunConfiguration se dá použít k určení dalších požadavků pro spuštění, jako jsou závislosti Conda a image Dockeru.
runconfig_pipeline_params
Vyžadováno
dict[str, PipelineParameter]

Přepsání vlastností runconfig za běhu pomocí párů klíč-hodnota s názvem vlastnosti runconfig a PipelineParameter pro danou vlastnost.

Podporované hodnoty: NodeCount, MpiProcessCountPerNode, TensorflowWorkerCount, TensorflowParameterServerCount
arguments
Vyžadováno
list[str]

Seznam argumentů příkazového řádku pro soubor skriptu Jazyka Python. Argumenty se doručí do cílového výpočetního objektu prostřednictvím argumentů v RunConfiguration. Další podrobnosti o zpracování argumentů, jako jsou speciální symboly, najdete v tématu RunConfiguration
params
Vyžadováno
dict[str, str]

Slovník dvojic název-hodnota.
name
Vyžadováno
str

Název kroku.
_wokflow_provider
Vyžadováno

(Pouze pro interní použití.) Zprostředkovatel pracovního postupu.

Poznámky

Slouží Module k vytvoření a správě obnovitelné výpočetní jednotky kanálu služby Azure Machine Learning. ModuleStep je integrovaný krok ve službě Azure Machine Learning, který se používá k využití modulu. Můžete buď definovat konkrétní moduleVersion, která se má použít, nebo nechat Službu Azure Machine Learning vyřešit, která moduleVersion se má použít, a to podle procesu řešení definovaného Module v části poznámky třídy. Pokud chcete definovat, která verze ModuluVersion se použije v odeslaném kanálu, definujte jednu z následujících možností při vytváření moduluStep:

  • Objekt ModuleVersion .

  • Objekt Module a hodnota verze.

  • Objekt Module bez hodnoty verze. V tomto případě se rozlišení verze může u jednotlivých odesílaných verzí lišit.

Musíte definovat mapování mezi vstupy a výstupy ModuleStep na vstupy a výstupy ModuleVersion.

Následující příklad ukazuje, jak vytvořit ModuleStep jako součást kanálu s několika objekty ModuleStep:


   middle_step = ModuleStep(module=module,
                            inputs_map= middle_step_input_wiring,
                            outputs_map= middle_step_output_wiring,
                            runconfig=RunConfiguration(), compute_target=aml_compute,
                            arguments = ["--file_num1", first_sum, "--file_num2", first_prod,
                                         "--output_sum", middle_sum, "--output_product", middle_prod])

Úplná ukázka je k dispozici na webu https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-how-to-use-modulestep.ipynb

Metody

create_node

Vytvořte uzel z kroku ModuleStep a přidejte ho do zadaného grafu.

Tato metoda není určena k přímému použití. Když se v tomto kroku vytvoří instance kanálu, Azure ML automaticky předá požadované parametry prostřednictvím této metody, aby se tento krok mohl přidat do grafu kanálu, který představuje pracovní postup.

create_node

Vytvořte uzel z kroku ModuleStep a přidejte ho do zadaného grafu.

Tato metoda není určena k přímému použití. Když se v tomto kroku vytvoří instance kanálu, Azure ML automaticky předá 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

Name Description
graph
Vyžadováno
Graph

Objekt grafu, do který chcete přidat uzel.
default_datastore
Vyžadováno
Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]

Výchozí úložiště dat.
context
Vyžadováno
<xref:azureml.pipeline.core._GraphContext>

Kontext grafu.

Návraty

Typ Description
Node

Objekt uzlu.