JobOperations Klasse
Initiiert eine instance von JobOperations
Diese Klasse sollte nicht direkt instanziiert werden. Verwenden Sie stattdessen das auftrags-Attribut eines MLClient-Objekts.
- Vererbung
-
azure.ai.ml._scope_dependent_operations._ScopeDependentOperationsJobOperations
Konstruktor
JobOperations(operation_scope: OperationScope, operation_config: OperationConfig, service_client_02_2023_preview: AzureMachineLearningWorkspaces, all_operations: OperationsContainer, credential: TokenCredential, **kwargs: Any)
Parameter
- operation_scope
- <xref:azure.ai.ml._scope_dependent_operations.OperationScope>
Bereichsvariablen für die Betriebsklassen eines MLClient-Objekts.
- operation_config
- <xref:azure.ai.ml._scope_dependent_operations.OperationConfig>
Allgemeine Konfiguration für Betriebsklassen eines MLClient-Objekts.
- service_client_02_2023_preview
- <xref:azure.ai.ml._restclient.v2023_02_01_preview.AzureMachineLearningWorkspaces>
Dienstclient, damit Endbenutzer mit Azure Machine Learning-Arbeitsbereichsressourcen arbeiten können.
- all_operations
- <xref:azure.ai.ml._scope_dependent_operations.OperationsContainer>
Alle Betriebsklassen eines MLClient-Objekts.
- credential
- TokenCredential
Anmeldeinformationen, die für die Authentifizierung verwendet werden sollen.
Methoden
archive |
Archiviert einen Auftrag. |
begin_cancel |
Bricht einen Auftrag ab. |
create_or_update |
Erstellt oder aktualisiert einen Auftrag. Wenn Entitäten wie Umgebung oder Code inline definiert sind, werden sie zusammen mit dem Auftrag erstellt. |
download |
Lädt die Protokolle und die Ausgabe eines Auftrags herunter. |
get |
Ruft eine Auftragsressource ab. |
list |
Listet Aufträge im Arbeitsbereich auf. |
restore |
Stellt einen archivierten Auftrag wieder her. |
show_services |
Ruft Dienste ab, die dem Knoten eines Auftrags zugeordnet sind. |
stream |
Streamt die Protokolle eines ausgeführten Auftrags. |
validate |
Hinweis Dies ist eine experimentelle Methode, die sich jederzeit ändern kann. Unter https://aka.ms/azuremlexperimental finden Sie weitere Informationen. Überprüft ein Job-Objekt vor der Übermittlung an den Dienst. Anonyme Ressourcen können erstellt werden, wenn inline definierte Entitäten wie Komponente, Umgebung und Code vorhanden sind. Derzeit werden nur Pipelineaufträge für die Validierung unterstützt. |
archive
Archiviert einen Auftrag.
archive(name: str) -> None
Parameter
Ausnahmen
Wird ausgelöst, wenn kein Auftrag mit dem angegebenen Namen gefunden werden kann.
Beispiele
Archivieren eines Auftrags.
ml_client.jobs.archive(name=job_name)
begin_cancel
Bricht einen Auftrag ab.
begin_cancel(name: str, **kwargs) -> LROPoller[None]
Parameter
Gibt zurück
Ein Poller zum Nachverfolgen des Vorgangs status.
Rückgabetyp
Ausnahmen
Wird ausgelöst, wenn kein Auftrag mit dem angegebenen Namen gefunden werden kann.
create_or_update
Erstellt oder aktualisiert einen Auftrag. Wenn Entitäten wie Umgebung oder Code inline definiert sind, werden sie zusammen mit dem Auftrag erstellt.
create_or_update(job: Job, *, description: str | None = None, compute: str | None = None, tags: dict | None = None, experiment_name: str | None = None, skip_validation: bool = False, **kwargs) -> Job
Parameter
Der Name des Experiments, unter dem der Auftrag erstellt wird. Wenn Keine angegeben ist, wird der Auftrag im Experiment "Standard" erstellt.
- skip_validation
- bool
Gibt an, ob die Überprüfung vor dem Erstellen oder Aktualisieren des Auftrags übersprungen werden soll. Beachten Sie, dass die Überprüfung für abhängige Ressourcen, z. B. eine anonyme Komponente, nicht übersprungen wird. Der Standardwert lautet „False“.
Gibt zurück
Erstellter oder aktualisierter Auftrag.
Rückgabetyp
Ausnahmen
Wird ausgelöst, wenn der Auftrag nicht erfolgreich überprüft werden kann. Details werden in der Fehlermeldung angegeben.
Wird ausgelöst, wenn Auftragsressourcen (z. B. Daten, Code, Modell, Umgebung) nicht erfolgreich überprüft werden können. Details werden in der Fehlermeldung angegeben.
Wird ausgelöst, wenn das Auftragsmodell nicht erfolgreich überprüft werden kann. Details werden in der Fehlermeldung angegeben.
Wird ausgelöst, wenn das Job-Objekt oder die Attribute ordnungsgemäß formatiert sind. Details werden in der Fehlermeldung angegeben.
Wird ausgelöst, wenn der lokale Pfad auf ein leeres Verzeichnis verweist.
Wird ausgelöst, wenn die Docker-Engine für den lokalen Auftrag nicht verfügbar ist.
Beispiele
Erstellen eines neuen Auftrags und anschließendes Aktualisieren des Computes.
from azure.ai.ml import load_job
created_job = ml_client.jobs.create_or_update(
name=job_name,
job=load_job(
"./sdk/ml/azure-ai-ml/tests/test_configs/command_job/command_job_test_local_env.yml",
params_override=[{"name": job_name}, {"compute": "cpucluster"}],
),
)
download
Lädt die Protokolle und die Ausgabe eines Auftrags herunter.
download(name: str, *, download_path: PathLike | str = '.', output_name: str | None = None, all: bool = False) -> None
Parameter
Der lokale Pfad, der als Downloadziel verwendet werden soll. Standardmäßig ist ".".
- all
- bool
Gibt an, ob alle Protokolle und benannten Ausgaben heruntergeladen werden sollen. Der Standardwert lautet „False“.
Ausnahmen
Wird ausgelöst, wenn sich Der Auftrag noch nicht im Terminalzustand befindet. Details werden in der Fehlermeldung angegeben.
Wird ausgelöst, wenn Protokolle und Ausgaben nicht erfolgreich heruntergeladen werden können. Details werden in der Fehlermeldung angegeben.
Beispiele
Herunterladen aller Protokolle und benannten Ausgaben des Auftrags "job-1" in das lokale Verzeichnis "job-1-logs".
ml_client.jobs.download(name=job_name, download_path="./job-1-logs", all=True)
get
Ruft eine Auftragsressource ab.
get(name: str) -> Job
Parameter
Gibt zurück
Auftragsobjekt, das aus dem Dienst abgerufen wird.
Rückgabetyp
Ausnahmen
Wird ausgelöst, wenn kein Auftrag mit dem angegebenen Namen gefunden werden kann.
Wird ausgelöst, wenn der name-Parameter keine Zeichenfolge ist.
Beispiele
Abrufen eines Auftrags mit dem Namen "iris-dataset-job-1".
retrieved_job = ml_client.jobs.get(job_name)
list
Listet Aufträge im Arbeitsbereich auf.
list(*, parent_job_name: str | None = None, list_view_type: ListViewType = ListViewType.ACTIVE_ONLY, **kwargs) -> Iterable[Job]
Parameter
Wenn angegeben, werden nur Aufträge zurückgegeben, die untergeordnete Elemente des benannten Auftrags sind. Standardmäßig wird Keine festgelegt, wobei alle Aufträge im Arbeitsbereich aufgelistet werden.
- list_view_type
- ListViewType
Der Ansichtstyp für das Einschließen/Ausschließen archivierter Aufträge. Standardmäßig wird ~azure.mgt.machinelearningservices.models.ListViewType.ACTIVE_ONLY festgelegt, wobei archivierte Aufträge ausgeschlossen sind.
Gibt zurück
Eine iteratorähnliche instance von Job-Objekten.
Rückgabetyp
Ausnahmen
Wird ausgelöst, wenn kein Auftrag mit dem angegebenen Namen gefunden werden kann.
Beispiele
Abrufen einer Liste der archivierten Aufträge in einem Arbeitsbereich mit dem übergeordneten Auftrag "iris-dataset-jobs".
from azure.ai.ml._restclient.v2023_04_01_preview.models import ListViewType
list_of_jobs = ml_client.jobs.list(parent_job_name=job_name, list_view_type=ListViewType.ARCHIVED_ONLY)
restore
Stellt einen archivierten Auftrag wieder her.
restore(name: str) -> None
Parameter
Ausnahmen
Wird ausgelöst, wenn kein Auftrag mit dem angegebenen Namen gefunden werden kann.
Beispiele
Wiederherstellen eines archivierten Auftrags.
ml_client.jobs.restore(name=job_name)
show_services
Ruft Dienste ab, die dem Knoten eines Auftrags zugeordnet sind.
show_services(name: str, node_index: int = 0) -> Dict[str, ServiceInstance]
Parameter
Gibt zurück
Die dem Auftrag für den angegebenen Knoten zugeordneten Dienste.
Rückgabetyp
Ausnahmen
Wird ausgelöst, wenn kein Auftrag mit dem angegebenen Namen gefunden werden kann.
Beispiele
Abrufen der Dienste, die dem 1. Knoten eines Auftrags zugeordnet sind.
job_services = ml_client.jobs.show_services(job_name)
stream
Streamt die Protokolle eines ausgeführten Auftrags.
stream(name: str) -> None
Parameter
Ausnahmen
Wird ausgelöst, wenn kein Auftrag mit dem angegebenen Namen gefunden werden kann.
Beispiele
Streaming eines ausgeführten Auftrags.
running_job = ml_client.jobs.create_or_update(
load_job(
"./sdk/ml/azure-ai-ml/tests/test_configs/command_job/command_job_test_local_env.yml",
params_override=[{"name": job_name}, {"compute": "cpucluster"}],
)
)
ml_client.jobs.stream(running_job.name)
validate
Hinweis
Dies ist eine experimentelle Methode, die sich jederzeit ändern kann. Unter https://aka.ms/azuremlexperimental finden Sie weitere Informationen.
Überprüft ein Job-Objekt vor der Übermittlung an den Dienst. Anonyme Ressourcen können erstellt werden, wenn inline definierte Entitäten wie Komponente, Umgebung und Code vorhanden sind. Derzeit werden nur Pipelineaufträge für die Validierung unterstützt.
validate(job: Job, *, raise_on_failure: bool = False, **kwargs) -> ValidationResult
Parameter
- raise_on_failure
- bool
Gibt an, ob ein Fehler ausgelöst werden soll, wenn die Überprüfung fehlschlägt. Der Standardwert lautet „False“.
Gibt zurück
Ein ValidationResult-Objekt, das alle gefundenen Fehler enthält.
Rückgabetyp
Ausnahmen
Wird ausgelöst, wenn kein Auftrag mit dem angegebenen Namen gefunden werden kann.
Beispiele
Überprüfen eines PipelineJob-Objekts und Drucken der gefundenen Fehler
from azure.ai.ml import load_job
from azure.ai.ml.entities import PipelineJob
pipeline_job: PipelineJob = load_job(
"./sdk/ml/azure-ai-ml/tests/test_configs/pipeline_jobs/invalid/combo.yml",
params_override=[{"name": job_name}, {"compute": "cpucluster"}],
)
print(ml_client.jobs.validate(pipeline_job).error_messages)
Azure SDK for Python
Feedback
https://aka.ms/ContentUserFeedback.
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 unterFeedback senden und anzeigen für