graph Módulo
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.
Clases
DataSource |
Origen de datos que se puede usar en un grafo. Inicialice DataSource. |
DataSourceDef |
Definición de un origen de datos. Inicialice DataSourceDef. |
DataSourceNode |
Representa un origen de datos de un grafo. Inicialice el nodo de origen de datos. |
DataType |
Tipo de datos para un fragmento de datos (entrada o salida). Inicialice DataType. |
Edge |
Instancia de un borde entre dos puertos de nodo del grafo. Inicializar Edge. |
Graph |
Clase para definir un grafo de ejecución de canalización. Inicializar grafo. |
InputPort |
Instancia de un puerto de entrada en un nodo, que se puede conectar a un puerto de salida. Inicialice InputPort. |
InputPortBinding |
Define un enlace desde un origen a una entrada de un paso de la canalización. InputPortBinding se puede usar como entrada para un paso. El origen puede ser PipelineData, PortDataReference, DataReference, PipelineDataset o OutputPortBinding. InputPortBinding es útil para especificar el nombre de la entrada del paso, si debe ser diferente del nombre del objeto de enlace (es decir, para evitar nombres de entrada y salida duplicados o porque el script del paso necesita una entrada para tener un nombre determinado). También se puede usar para especificar el valor de bind_mode para las entradas PythonScriptStep. Inicialice InputPortBinding. |
InputPortDef |
Definición de un puerto de entrada. Cree un puerto de entrada. |
Module |
Módulo que se puede ejecutar y que se puede usar en un grafo. Esta clase no está diseñada para usarse directamente. Utilice esta clase Module en su lugar. Inicializar módulo. |
ModuleDef |
Definición de un módulo que incluye definiciones de ejecución y puerto. Inicializar ModuleDef. |
ModuleNode |
Representa un módulo en un grafo. Inicialice el nodo del módulo. |
Node |
Representa una unidad básica de un grafo, por ejemplo, podría ser cualquier origen de datos o paso. Inicializar nodo. |
OutputPort |
Instancia de un puerto de salida en un nodo, que se puede conectar a un puerto de entrada. Inicializar OutputPort. |
OutputPortBinding |
Define una salida con nombre de un paso de canalización. OutputPortBinding se puede usar para especificar el tipo de datos que se producirá mediante un paso y cómo se producirán los datos. Se puede usar con InputPortBinding para especificar que la salida del paso sea una entrada necesaria de otro paso. Inicialice OutputPortBinding. |
OutputPortDef |
Definición de un puerto de salida. Cree un puerto de salida. |
Param |
Instancia de un parámetro en un nodo. Inicializar parámetro. |
ParamDef |
Definición de un parámetro de ejecución. Inicialice ParamDef. |
PipelineDataset |
Actúa como adaptador para el conjunto de datos y la canalización. Nota Esta clase está en desuso. Para aprender a usar el conjunto de datos con la canalización, consulte https://aka.ms/pipeline-with-dataset. Es una clase interna. No debe crear esta clase directamente, sino llamar a los métodos de instancia as_* en las clases Dataset o OutputDatasetConfig. Actúe como adaptador para el conjunto de datos y la canalización. Es una clase interna. No debe crear esta clase directamente, sino llamar a los métodos de instancia as_* en las clases Dataset o OutputDatasetConfig. |
PipelineParameter |
Define un parámetro de una ejecución de canalización. Use PipelineParameters para construir canalizaciones versátiles que se pueden volver a enviar posteriormente con distintos valores de parámetros. Inicializar parámetros de canalización. |
PortDataReference |
Modela los datos asociados a una salida de un elemento StepRun completado. Se puede usar un objeto PortDataReference para descargar los datos de salida que StepRun generó. También se puede usar como entrada de un paso en una futura canalización. Inicializar PortDataReference. |
PublishedPipeline |
Representa una canalización que se va a enviar sin el código Python que la construyó. Además, se puede usar PublishedPipeline para volver a enviar una Pipeline con valores PipelineParameter y entradas diferentes. Inicializar PublishedPipeline. :p aram punto de conexión La dirección URL del punto de conexión REST para enviar ejecuciones de canalización para esta canalización. :type endpoint: str :p aram total_run_steps: el número de pasos de esta canalización :type total_run_steps: int :p aram workspace: el área de trabajo de la canalización publicada. :type workspace: azureml.core.Workspace :p aram continue_on_step_failure: Si desea continuar la ejecución de otros pasos en PipelineRun si se produce un error en un paso, el valor predeterminado es false. |
StoredProcedureParameter |
Representa un parámetro de procedimiento almacenado de SQL para su uso con referencias a una base de datos SQL. Inicializar StoredProcedureParameter. el valor predeterminado es azureml.pipeline.core.graph.StoredProcedureParameterType.String :type type: azureml.pipeline.core.graph.StoredProcedureParameterType |
TrainingOutput |
Define una salida especializada de determinados PipelineSteps para su uso en una canalización. TrainingOutput permite que un modelo o métrica de aprendizaje automático automatizado esté disponible como salida paso a paso para que lo consuma otro paso de una canalización de Azure Machine Learning. Se puede usar con las propiedades AutoMLStep o HyperDriveStep. Inicializar TrainingOutput. param model_file: el archivo de modelo específico que se va a incluir en la salida. Solo para HyperDriveStep. |
Enumeraciones
StoredProcedureParameterType |
Define tipos de parámetros de procedimientos almacenados de SQL para su uso con referencias a una base de datos SQL. |
Comentarios
https://aka.ms/ContentUserFeedback.
Próximamente: A lo largo de 2024 iremos eliminando gradualmente GitHub Issues como mecanismo de comentarios sobre el contenido y lo sustituiremos por un nuevo sistema de comentarios. Para más información, vea:Enviar y ver comentarios de