RScriptStep Osztály
Megjegyzés
Ez egy kísérleti osztály, és bármikor változhat. További információ: https://aka.ms/azuremlexperimental.
Létrehoz egy R-szkriptet futtató Azure ML-folyamatlépést.
Hozzon létre egy R-szkriptet futtató Azure ML-folyamatlépést.
ELAVULT. Használja helyette az parancsot CommandStep . Példa: R-szkriptek futtatása folyamatokban a CommandStep használatával.
- Öröklődés
-
azureml.pipeline.core._python_script_step_base._PythonScriptStepBaseRScriptStep
Konstruktor
RScriptStep(script_name, name=None, arguments=None, compute_target=None, runconfig=None, runconfig_pipeline_params=None, inputs=None, outputs=None, params=None, source_directory=None, use_gpu=False, custom_docker_image=None, cran_packages=None, github_packages=None, custom_url_packages=None, allow_reuse=True, version=None)
Paraméterek
Name | Description |
---|---|
script_name
Kötelező
|
[Kötelező] Az R-szkript neve a következőhöz |
name
Kötelező
|
A lépés neve. Ha nincs meghatározva, |
arguments
Kötelező
|
Az R-szkriptfájl parancssori argumentumai. Az argumentumok a RunConfiguration paraméteren keresztül lesznek átadva a |
compute_target
Kötelező
|
[Kötelező] A használni kívánt számítási cél. Ha nincs meghatározva, a rendszer az elemből származó |
runconfig
Kötelező
|
[Kötelező] Futtassa a konfigurációt, amely tartalmazza a kísérlet betanítási futtatásának elküldéséhez szükséges információkat. Ez az R-futtatási konfigurációk definiálásához szükséges, amelyek a következőben definiálhatók: RSection. Ehhez a lépéshez az RSection szükséges. |
runconfig_pipeline_params
Kötelező
|
A futtatókörnyezeti runconfig tulajdonságok felülbírálása kulcs-érték párok használatával, amelyek mindegyike a runconfig tulajdonság nevével és a PipelineParameter tulajdonsággal rendelkezik. Támogatott értékek: "NodeCount", "MpiProcessCountPerNode", "TensorflowWorkerCount", "TensorflowParameterServerCount" |
inputs
Kötelező
|
list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputFileDataset, PipelineOutputTabularDataset, DatasetConsumptionConfig]]
A bemenetiport-kötések listája. |
outputs
Kötelező
|
A kimeneti portkötések listája. |
params
Kötelező
|
A "AML_PARAMETER_" környezeti változóként regisztrált név-érték párok szótára. |
source_directory
Kötelező
|
A lépésben használt R-szkriptet, conda env-t és egyéb erőforrásokat tartalmazó mappa. |
use_gpu
Kötelező
|
Azt jelzi, hogy a kísérlet futtatásához használandó környezet támogatja-e a GPU-kat.
Ha igaz, a rendszer GPU-alapú alapértelmezett Docker-rendszerképet használ a környezetben. Ha Hamis, a rendszer processzoralapú rendszerképet használ. Az alapértelmezett Docker-rendszerképek (CPU vagy GPU) csak akkor lesznek használatban, ha a felhasználó nem állítja be mindkettőt |
custom_docker_image
Kötelező
|
Annak a Docker-rendszerképnek a neve, amelyből a betanításhoz használni kívánt rendszerkép létrejön. Ha nincs beállítva, a rendszer egy alapértelmezett cpu-alapú rendszerképet használ alaprendszerképként. Ez elavult, és egy későbbi kiadásban el lesz távolítva. Használja inkább a base_image a DockerSectionben. |
cran_packages
Kötelező
|
A telepíteni kívánt CRAN-csomagok. Ez elavult, és egy későbbi kiadásban el lesz távolítva. Használja inkább a RSection.cran_packages. |
github_packages
Kötelező
|
Telepíteni kívánt GitHub-csomagok. Ez elavult, és egy későbbi kiadásban el lesz távolítva. Használja inkább a RSection.github_packages. |
custom_url_packages
Kötelező
|
A helyi, címtárból vagy egyéni URL-címről telepíteni kívánt csomagok. Ez elavult, és egy későbbi kiadásban el lesz távolítva. Használja inkább a RSection.custom_url_packages. |
allow_reuse
Kötelező
|
Azt jelzi, hogy a lépés újra felhasználja-e a korábbi eredményeket, amikor ugyanazokat a beállításokat használja újra. Az újrafelhasználás alapértelmezés szerint engedélyezve van. Ha a lépés tartalma (szkriptek/függőségek), valamint a bemenetek és paraméterek változatlanok maradnak, a lépés előző futtatásából származó kimenet újra felhasználva lesz. A lépés újbóli használata esetén a feladat számítási feladatként való elküldése helyett az előző futtatás eredményei azonnal elérhetővé válnak a további lépésekhez. Ha az Azure Machine Learning-adathalmazokat használja bemenetként, az újrafelhasználást az határozza meg, hogy az adathalmaz definíciója megváltozott-e, nem pedig az, hogy a mögöttes adatok megváltoztak-e. |
version
Kötelező
|
Választható verziócímke, amely a lépés funkcióváltozását jelzi. |
script_name
Kötelező
|
[Kötelező] Az R-szkript neve a következőhöz |
name
Kötelező
|
A lépés neve. Ha nincs meghatározva, |
arguments
Kötelező
|
Az R-szkriptfájl parancssori argumentumai. Az argumentumok a RunConfiguration paraméteren keresztül lesznek átadva a |
compute_target
Kötelező
|
[Kötelező] A használni kívánt számítási cél. Ha nincs meghatározva, a rendszer a célértéket |
runconfig
Kötelező
|
[Kötelező] Futtassa a konfigurációt, amely tartalmazza a kísérlet betanítási futtatásának elküldéséhez szükséges információkat. Ez az R-futtatási konfigurációk definiálásához szükséges, amelyek a következőben definiálhatók: RSection. Ehhez a lépéshez az RSection szükséges. |
runconfig_pipeline_params
Kötelező
|
A futtatókörnyezeti runconfig tulajdonságok felülbírálása kulcs-érték párok használatával, amelyek mindegyike a runconfig tulajdonság nevével és a PipelineParameter tulajdonsággal rendelkezik. Támogatott értékek: "NodeCount", "MpiProcessCountPerNode", "TensorflowWorkerCount", "TensorflowParameterServerCount" |
inputs
Kötelező
|
list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputFileDataset, PipelineOutputTabularDataset, DatasetConsumptionConfig]]
A bemenetiport-kötések listája. |
outputs
Kötelező
|
A kimeneti portkötések listája. |
params
Kötelező
|
A "AML_PARAMETER_" környezeti változóként regisztrált név-érték párok szótára. |
source_directory
Kötelező
|
A lépésben használt R-szkriptet, conda env-t és egyéb erőforrásokat tartalmazó mappa. |
use_gpu
Kötelező
|
Azt jelzi, hogy a kísérlet futtatásához használandó környezet támogatja-e a GPU-kat.
Ha igaz, a rendszer GPU-alapú alapértelmezett Docker-rendszerképet használ a környezetben. Ha Hamis, a rendszer processzoralapú rendszerképet használ. Az alapértelmezett Docker-rendszerképek (CPU vagy GPU) csak akkor lesznek használatban, ha a felhasználó nem állítja be mindkettőt |
custom_docker_image
Kötelező
|
Annak a Docker-rendszerképnek a neve, amelyből a betanításhoz használni kívánt rendszerkép létrejön. Ha nincs beállítva, a rendszer egy alapértelmezett cpu-alapú rendszerképet használ alaprendszerképként. Ez elavult, és egy későbbi kiadásban el lesz távolítva. Használja inkább a base_image a DockerSectionben. |
cran_packages
Kötelező
|
A telepíteni kívánt CRAN-csomagok. Ez elavult, és egy későbbi kiadásban el lesz távolítva. Használja inkább a RSection.cran_packages. |
github_packages
Kötelező
|
Telepíteni kívánt GitHub-csomagok. Ez elavult, és egy későbbi kiadásban el lesz távolítva. Használja inkább a RSection.github_packages. |
custom_url_packages
Kötelező
|
A helyi, címtárból vagy egyéni URL-címről telepíteni kívánt csomagok. Ez elavult, és egy későbbi kiadásban el lesz távolítva. Használja inkább a RSection.custom_url_packages. |
allow_reuse
Kötelező
|
Azt jelzi, hogy a lépés újra felhasználja-e a korábbi eredményeket, amikor ugyanazokkal a beállításokkal fut újra. Az újrafelhasználás alapértelmezés szerint engedélyezve van. Ha a lépés tartalma (szkriptek/függőségek), valamint a bemenetek és paraméterek változatlanok maradnak, a rendszer újra felhasználja a lépés előző futtatásának kimenetét. A lépés újrahasználásakor a feladat számítási feladatként való elküldése helyett az előző futtatás eredményei azonnal elérhetővé válnak a további lépésekhez. Ha az Azure Machine Learning-adatkészleteket használja bemenetként, az újrafelhasználást az határozza meg, hogy az adathalmaz definíciója megváltozott-e, nem pedig az, hogy az alapul szolgáló adatok megváltoztak-e. |
version
Kötelező
|
Nem kötelező verziócímke, amely a lépés funkcióváltozását jelzi. |
Megjegyzések
Az RScriptStep egy alapszintű, beépített lépés az R-szkript számítási célon való futtatásához. A szkript nevét és egyéb opcionális paramétereket (például a szkript, a számítási cél, a bemenetek és kimenetek argumentumait) használja. A használatával RunConfiguration megadhatja az RScriptStep követelményeit, például az egyéni Docker-rendszerképet, a szükséges cran/github-csomagokat.
Az RScriptStep használatához ajánlott egy külön mappát használni a szkriptekhez és a lépéshez társított függő fájlokhoz, és meg kell adni a mappát a source_directory
paraméterrel.
Ennek az ajánlott eljárásnak a követése két előnnyel jár. Először is segít csökkenteni a lépéshez létrehozott pillanatkép méretét, mert csak a lépéshez szükséges pillanatkép készül. Másodszor, a lépés előző futtatásból származó kimenete újra felhasználható, ha nincsenek olyan módosítások, source_directory
amelyek elindítanák a pillanatkép újrafeltöltését.
Az alábbi példakód bemutatja, hogyan használhat RScriptStepet gépi tanulási betanítási forgatókönyvben.
from azureml.core.runconfig import RunConfiguration
from azureml.core.environment import Environment, RSection, RCranPackage
from azureml.pipeline.steps import RScriptStep
rc = RunConfiguration()
rc.framework='R'
rc.environment.r = RSection() # R details with required packages
rc.environment.docker.enabled = True # to enable docker image
rc.environment.docker.base_image = '<custom user image>' # to use custom image
cran_package1 = RCranPackage()
cran_package1.name = "ggplot2"
cran_package1.repository = "www.customurl.com"
cran_package1.version = "2.1"
rc.environment.r.cran_packages = [cran_package1]
trainStep = RScriptStep(script_name="train.R",
arguments=["--input", blob_input_data, "--output", output_data1],
inputs=[blob_input_data],
outputs=[output_data1],
compute_target=compute_target,
use_gpu=False,
runconfig=rc,
source_directory=project_folder)
A folyamatok létrehozásával kapcsolatos további részletekért tekintse meg https://aka.ms/pl-first-pipeline az általános tudnivalókat. Az https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.environment.rsection RSectionről további információt az RSection című témakörben talál.
Metódusok
create_node |
Hozzon létre egy csomópontot az RScriptStep számára, és adja hozzá a megadott gráfhoz. ELAVULT. Használja helyette az parancsot CommandStep . Példa: R-szkriptek futtatása folyamatokban a CommandStep használatával. Ezt a módszert nem közvetlenül kell használni. Ha ezzel a lépéssel példányosít egy folyamatot, az Azure ML automatikusan átadja a szükséges paramétereket ezen a módszeren keresztül, hogy a lépés hozzáadható legyen a munkafolyamatot képviselő folyamatgráfhoz. |
create_node
Hozzon létre egy csomópontot az RScriptStep számára, és adja hozzá a megadott gráfhoz.
ELAVULT. Használja helyette az parancsot CommandStep . Példa: R-szkriptek futtatása folyamatokban a CommandStep használatával.
Ezt a módszert nem közvetlenül kell használni. Ha ezzel a lépéssel példányosít egy folyamatot, az Azure ML automatikusan átadja a szükséges paramétereket ezen a módszeren keresztül, hogy a lépés hozzáadható legyen a munkafolyamatot képviselő folyamatgráfhoz.
create_node(graph, default_datastore, context)
Paraméterek
Name | Description |
---|---|
graph
Kötelező
|
A csomópontot hozzáadni kívánt gráfobjektum. |
default_datastore
Kötelező
|
Az alapértelmezett adattár. |
context
Kötelező
|
<xref:azureml.pipeline.core._GraphContext>
A gráfkörnyezet. |
Válaszok
Típus | Description |
---|---|
A létrehozott csomópont. |
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: