CommandJob Osztály

Parancsfeladat.

Öröklődés

azure.ai.ml.entities._job.job.Job

CommandJob

azure.ai.ml.entities._job.parameterized_command.ParameterizedCommand

CommandJob

azure.ai.ml.entities._job.job_io_mixin.JobIOMixin

CommandJob

Konstruktor

CommandJob(*, inputs: Dict[str, int | str | float | bool | Input] | None = None, outputs: Dict[str, Output] | None = None, limits: CommandJobLimits | None = None, identity: ManagedIdentityConfiguration | AmlTokenConfiguration | UserIdentityConfiguration | None = None, services: Dict[str, JobService | JupyterLabJobService | SshJobService | TensorBoardJobService | VsCodeJobService] | None = None, **kwargs)

Paraméterek

services

Optional[dict[str, JobService]]

Csak olvasható információk a feladathoz társított szolgáltatásokról.

inputs

Optional[dict[str, Union[Input, str, bool, int, float]]]

A parancsban használt kimeneti adatkötések leképezése.

outputs

Optional[dict[str, Output]]

A feladatban használt kimeneti adatkötések leképezése.

identity

Optional[Union[ManagedIdentityConfiguration, AmlTokenConfiguration, UserIdentityConfiguration]]

Az identitás, amelyet a feladat a számítási feladatok futtatásakor használni fog.

limits

Optional[CommandJobLimits]

A feladat korlátai.

kwargs

dict

További konfigurációs paraméterek szótára.

Példák

CommandJob konfigurálása.

   command_job = CommandJob(
       code="./src",
       command="python train.py --ss {search_space.ss}",
       inputs={"input1": Input(path="trial.csv")},
       outputs={"default": Output(path="./foo")},
       compute="trial",
       environment="AzureML-sklearn-1.0-ubuntu20.04-py38-cpu:33",
       limits=CommandJobLimits(timeout=120),
   )

Metódusok

dump	A feladat tartalmát YAML formátumú fájlba menti.

dump

A feladat tartalmát YAML formátumú fájlba menti.

dump(dest: str | PathLike | IO, **kwargs) -> None

Paraméterek

dest

Union[<xref:PathLike>, str, IO[AnyStr]]

Kötelező

A YAML-tartalom írásához használt helyi elérési út vagy fájlstream. Ha a dest fájlelérési út, a rendszer új fájlt hoz létre. Ha a dest egy megnyitott fájl, a fájl közvetlenül a fájlba lesz megírva.

kwargs

dict

A YAML szerializálónak átadandó további argumentumok.

Kivételek

FileExistsError

Akkor jön létre, ha a dest fájlelérési út, és a fájl már létezik.

IOError

Akkor jön létre, ha a dest egy megnyitott fájl, és a fájl nem írható.

Attribútumok

base_path

Az erőforrás alapútvonala.

Válaszok

Az erőforrás alapútvonala.

Visszatérési típus

str

creation_context

Az erőforrás létrehozási környezete.

Válaszok

Az erőforrás létrehozási metaadatai.

Visszatérési típus

Optional[SystemData]

distribution

Az elosztott parancsösszetevő vagy -feladat konfigurációja.

Válaszok

A terjesztési konfiguráció.

Visszatérési típus

Union[PyTorchDistribution, MpiDistribution, TensorFlowDistribution, RayDistribution]

id

Az erőforrás-azonosító.

Válaszok

Az erőforrás globális azonosítója, egy Azure Resource Manager (ARM) azonosító.

Visszatérési típus

Optional[str]

inputs

log_files

Feladat kimeneti fájljai.

Válaszok

A naplónevek és URL-címek szótára.

Visszatérési típus

Optional[Dict[str, str]]

outputs

parameters

MLFlow-paraméterek.

Válaszok

A bejelentkezett MLFlow-paraméterek.

Visszatérési típus

dict[str, str]

resources

A parancsösszetevő vagy -feladat számítási erőforrás-konfigurációja.

Válaszok

A parancsösszetevő vagy -feladat számítási erőforrás-konfigurációja.

Visszatérési típus

JobResourceConfiguration

status

A feladat állapota.

A visszaadott értékek közé tartozik a "Running", a "Completed" és a "Failed" (Sikertelen). Minden lehetséges érték a következő:

• NotStarted – Ez egy ideiglenes állapot, amelyben az ügyféloldali Run objektumok a felhőbeküldés előtt találhatók.

• Indítás – A futtatás megkezdődött a felhőben való feldolgozásban. A hívó ezen a ponton futtatási azonosítóval rendelkezik.

• Kiépítés – Egy adott feladatbeküldéshez igény szerinti számítás jön létre.

• Előkészítés – A futtatási környezet előkészítése folyamatban van, és a következő két szakasz egyikében van:

  • Docker-rendszerkép összeállítása

  • conda-környezet beállítása

• Queued – A feladat várólistára van helyezve a számítási célon. A BatchAI-ban például a feladat várólistás állapotban van

  amíg az összes kért csomópont készen áll.

• Futtatás – A feladat elkezdett futni a számítási célon.

• Véglegesítés – A felhasználói kód végrehajtása befejeződött, a futtatás pedig a feldolgozás utáni fázisokban van.

• CancelRequested – A feladat lemondását kérték.

• Befejeződött – A futtatás sikeresen befejeződött. Ez magában foglalja a felhasználói kód végrehajtását és a futtatást is

  utófeldolgozási fázisok.

• Sikertelen – A futtatás sikertelen volt. A futtatáskor általában az Error tulajdonság adja meg a hiba okát.

• Megszakítva – Egy lemondási kérést követ, és azt jelzi, hogy a futtatás sikeresen megszakadt.

• NotKiszolgáló – Azon futtatások esetében, amelyeken engedélyezve van a szívverés, a rendszer nem küldött szívverést a közelmúltban.

Válaszok

A feladat állapota.

Visszatérési típus

Optional[str]

studio_url

Azure ML Studio-végpont.

Válaszok

A feladat részleteit tartalmazó lap URL-címe.

Visszatérési típus

Optional[str]

type

A feladat típusa.

Válaszok

A feladat típusa.

Visszatérési típus

Optional[str]