PipelineJob Klasse
Pipelineauftrag.
Sie sollten diese Klasse nicht direkt instanziieren. Stattdessen sollten Sie den @pipeline Decorator verwenden, um einen Pipelineauftrag zu erstellen.
] :p aram Compute: Computezielname der erstellten Pipeline. Standardmäßig ist None :type compute: str :p aram tags: Tagwörterbuch. Tags können hinzugefügt, entfernt und aktualisiert werden. Standardmäßig keine :type tags: dict[str, str] :p aram kwargs: Ein Wörterbuch mit zusätzlichen Konfigurationsparametern. Standardwert: None :type kwargs: dict
- Vererbung
-
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)Parameter
- component
- Union[str, PipelineComponent]
Pipelinekomponentenversion. Das Feld schließt sich gegenseitig mit "Aufträgen" aus.
Eingaben für den Pipelineauftrag.
- experiment_name
- str
Name des Experiments, unter dem der Auftrag erstellt wird. Wenn Keine angegeben ist, wird das Experiment auf das aktuelle Verzeichnis festgelegt. Standardwert auf "Keine"
Name des Pipelinekomponentenknotens zum Komponentenobjekt. Standardwert auf "Keine"
- settings
- PipelineJobSettings
Einstellung des Pipelineauftrags. Standardwert auf "Keine"
Identität, die der Trainingsauftrag während der Ausführung auf compute verwendet. Standardwert auf "Keine"
Beispiele
Zeigt, wie eine Pipeline mit dieser Klasse erstellt wird.
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)
Methoden
| dump |
Gibt den Auftragsinhalt in eine Datei im YAML-Format ab. |
dump
Gibt den Auftragsinhalt in eine Datei im YAML-Format ab.
dump(dest: str | PathLike | IO, **kwargs) -> NoneParameter
Der lokale Pfad oder Dateistream, in den der YAML-Inhalt geschrieben werden soll. Wenn dest ein Dateipfad ist, wird eine neue Datei erstellt. Wenn dest eine geöffnete Datei ist, wird die Datei direkt in geschrieben.
- kwargs
- dict
Zusätzliche Argumente, die an den YAML-Serialisierer übergeben werden sollen.
Ausnahmen
Wird ausgelöst, wenn dest ein Dateipfad ist und die Datei bereits vorhanden ist.
Wird ausgelöst, wenn dest eine geöffnete Datei ist und die Datei nicht beschreibbar ist.
Attribute
base_path
creation_context
Der Erstellungskontext der Ressource.
Gibt zurück
Die Erstellungsmetadaten für die Ressource.
Rückgabetyp
id
Die Ressourcen-ID.
Gibt zurück
Die globale ID der Ressource, eine Arm-ID (Azure Resource Manager).
Rückgabetyp
inputs
Eingaben des Pipelineauftrags.
Gibt zurück
Eingaben des Pipelineauftrags.
Rückgabetyp
jobs
Gibt Aufträge des Pipelineauftrags zurück.
Gibt zurück
Aufträge des Pipelineauftrags.
Rückgabetyp
log_files
Auftragsausgabedateien.
Gibt zurück
Das Wörterbuch der Protokollnamen und URLs.
Rückgabetyp
outputs
Ausgaben des Pipelineauftrags.
Gibt zurück
Ausgaben des Pipelineauftrags.
Rückgabetyp
settings
Einstellungen des Pipelineauftrags.
Gibt zurück
Einstellungen des Pipelineauftrags.
Rückgabetyp
status
Der Status des Auftrags.
Zu den häufig zurückgegebenen Werten zählen „Running“ (Wird ausgeführt), „Completed“ (Abgeschlossen) und „Failed“ (Fehlgeschlagen). Alle möglichen Werte sind:
NotStarted: Dies ist ein temporärer Zustand, in dem sich clientseitige Run-Objekte vor der Cloudübermittlung befinden.
Starting: Die Verarbeitung der Ausführung in der Cloud hat begonnen. Die aufrufende Funktion besitzt zu diesem Zeitpunkt eine Ausführungs-ID.
Bereitstellung: Bedarfsgesteuerte Computeerstellung wird für eine bestimmte Auftragsübermittlung erstellt.
Vorbereitung: Die Ausführungsumgebung wird vorbereitet und befindet sich in einer von zwei Phasen:
Docker-Imagebuild
Einrichten der Conda-Umgebung
Warteschlangen: Der Auftrag wird auf dem Computeziel in die Warteschlange gestellt. In BatchAI befindet sich der Auftrag beispielsweise in einer Warteschlange.
während darauf gewartet wird, dass alle angeforderten Knoten bereit sind.
Ausführen: Der Auftrag wurde auf dem Computeziel ausgeführt.
Abschluss: Die Ausführung des Benutzercodes wurde abgeschlossen, und die Ausführung befindet sich in Nachverarbeitungsphasen.
CancelRequested: Für den Auftrag wurde ein Abbruch angefordert.
Abgeschlossen: Die Ausführung wurde erfolgreich abgeschlossen. Dies umfasst sowohl die Ausführung von Benutzercode als auch die Ausführung.
Nachbearbeitungsphasen der Ausführung ein.
Failed: Die Ausführung ist fehlgeschlagen. In der Regel liefert die Eigenschaft „Error“ einer Ausführung Details zur Ursache.
Canceled: Folgt einer Abbruchanforderung und gibt an, dass die Ausführung jetzt erfolgreich abgebrochen wurde.
„NotResponding“ (Reagiert nicht): Für eine Ausführung, für die Heartbeats aktiviert ist, wurde vor Kurzem kein Heartbeat gesendet.
Gibt zurück
Status des Auftrags.
Rückgabetyp
studio_url
type
Azure SDK for Python
Feedback
Bald verfügbar: Im Laufe des Jahres 2024 werden wir GitHub-Issues stufenweise als Feedbackmechanismus für Inhalte abbauen und durch ein neues Feedbacksystem ersetzen. Weitere Informationen finden Sie unter https://aka.ms/ContentUserFeedback.
Feedback senden und anzeigen für