azureml-pipeline-core Paquete

Paquetes

core

Contiene la funcionalidad básica para las canalizaciones de Azure Machine Learning, que son flujos de trabajo de aprendizaje automático configurables. Las canalizaciones de Azure Machine Learning permiten crear flujos de trabajo de aprendizaje automático reutilizables que se pueden usar como plantilla para los escenarios de aprendizaje automático. Este paquete contiene la funcionalidad básica para trabajar con canalizaciones de Azure ML y normalmente se usa junto con las clases del paquete steps. Una canalización de aprendizaje automático se representa mediante una colección de objetos PipelineStep que se pueden secuenciar y paralelizar, o crear con dependencias explícitas entre pasos. Los pasos de canalización se usan para definir un objeto Pipeline que representa el flujo de trabajo que se va a ejecutar. Puede crear y trabajar con canalizaciones en una instancia de Jupyter Notebook o cualquier otro IDE con el SDK de Azure ML instalado. Las canalizaciones de Azure ML le permiten centrarse en el aprendizaje automático en lugar de en la infraestructura. Para empezar a crear una canalización, consulte https://aka.ms/pl-first-pipeline. Para obtener más información sobre las ventajas de la canalización de Machine Learning y cómo está relacionada con otras canalizaciones que ofrece Azure, consulte ¿Qué son las canalizaciones de ML en Azure Machine Learning Service?

Módulos

builder	Define clases para crear una canalización de Azure Machine Learning. Un grafo de canalización se compone de pasos de canalización (PipelineStep), datos de canalización opcionales (PipelineData) que se generan o se consumen en cada paso y una secuencia de ejecución de pasos opcional (StepSequence).
graph	Define clases para crear grafos de canalización de Azure Machine Learning. Los grafos de canalización de Azure ML se crean para objetos Pipeline, cuando usa los objetos PipelineStep (y clases derivadas), PipelineData y PipelineData. En los casos de uso típicos, no tendrá que usar directamente las clases de este módulo. Un grafo de ejecución de canalización consta de nodos de módulo que representan unidades básicas, como un origen de datos o un paso. Los nodos pueden tener puertos de entrada y puertos de salida, así como parámetros asociados. Los bordes definen relaciones entre dos puertos de nodo de un grafo.
module	Contiene clases para crear y administrar unidades de cálculo reutilizables de una canalización de Azure Machine Learning. Los módulos permiten crear unidades de cálculo en Pipeline, que pueden tener entradas, salidas y depender de parámetros y una configuración de entorno para funcionar. Un módulo puede tener versiones y usarse en diferentes canalizaciones de Azure Machine Learning, a diferencia de PipelineStep (y las clases derivadas), que se usan en una canalización. Los módulos están diseñados para reutilizarse en varias canalizaciones y pueden evolucionar para adaptar una lógica de cálculo específica para diferentes casos de uso. Un paso de una canalización se puede usar en iteraciones rápidas para mejorar un algoritmo y, una vez que se logra el objetivo, el algoritmo normalmente se publica como un módulo para habilitar la reutilización.
module_step_base	Contiene funcionalidad para agregar un paso a una canalización mediante una versión de Module.
pipeline	Define la clase para crear flujos de trabajo de Azure Machine Learning reutilizables.
pipeline_draft	Define clases para administrar canalizaciones mutables.
pipeline_endpoint	Define clases para administrar canalizaciones, incluido el control de versiones y los puntos de conexión.
pipeline_output_dataset	Contiene funcionalidad para promover una salida intermedia a un conjunto de datos de Azure Machine Learning. Los datos intermedios (salida) de una canalización de forma predeterminada no se convertirán en un conjunto de datos de Azure Machine Learning. Para promover datos intermedios a un conjunto de datos de Azure Machine Learning, llame al método as_dataset en la clase PipelineData para que devuelva un objeto PipelineOutputFileDataset. A partir de un objeto PipelineOutputFileDataset, puede crear un objeto PipelineOutputTabularDataset.
run	Define clases para las canalizaciones enviadas, incluidas las clases para comprobar el estado y recuperar los detalles de ejecución.
schedule	Define clases para programar envíos de canalizaciones de Azure Machine Learning.