OutputPortBinding Kelas

Mendefinisikan output bernama dari langkah alur.

OutputPortBinding dapat digunakan untuk menentukan jenis data yang akan dibuat oleh langkah dan bagaimana data akan dibuat. Ini dapat digunakan dengan InputPortBinding untuk menentukan bahwa output langkah adalah input yang diperlukan dari langkah lain.

Menginisialisasi OutputPortBinding.

Warisan

builtins.object

OutputPortBinding

Konstruktor

OutputPortBinding(name, datastore=None, output_name=None, bind_mode='mount', path_on_compute=None, is_directory=None, overwrite=None, data_type=None, pipeline_output_name=None, training_output=None, dataset_registration=None, dataset_output=None)

Parameter

Nama	Deskripsi
name Diperlukan	str Nama objek OutputPortBinding, yang hanya dapat berisi huruf, digit, dan garis bawah.
datastore	Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore] Datastore tempat PipelineData akan berada. nilai default: None
output_name	str Nama output, jika nama None digunakan. Hanya dapat berisi huruf, angka, dan garis bawah. nilai default: None
bind_mode	str Menentukan apakah langkah yang terproduksi akan menggunakan metode "unggah" atau "mount" atau “hdfs”untuk mengakses data. nilai default: mount
path_on_compute	str Untuk mode "unggah", jalur ke mana output yang modul tulis. nilai default: None
is_directory	bool Apakah output adalah direktori atau file tunggal. nilai default: None
overwrite	bool Untuk mode "unduh", apakah akan menimpa data yang ada. nilai default: None
data_type	str Opsional. Jenis data dapat digunakan untuk menentukan jenis output yang diharapkan dan untuk merinci bagaimana langkah-langkah penyerapan harus menggunakan data. Bisa jadi untai (karakter) apa pun yang ditentukan pengguna. nilai default: None
pipeline_output_name	str Jika disediakan output ini akan tersedia dengan menggunakan PipelineRun.get_pipeline_output(). Nama output alur harus unik dalam alur. nilai default: None
training_output	TrainingOutput Mendefinisikan output untuk hasil pelatihan. Ini hanya diperlukan untuk pelatihan tertentu yang menghasilkan jenis output yang berbeda seperti Metrik dan Model. Misalnya, AutoMLStep menghasilkan metrik dan model. Anda juga dapat menentukan perulangan atau metrik pelatihan tertentu yang digunakan untuk mendapatkan model terbaik. Untuk HyperDriveStep, Anda juga dapat menentukan file model tertentu yang akan disertakan dalam output. nilai default: None
dataset_registration	DatasetRegistration Opsional. Ini adalah parameter internal. Anda harus menggunakan PipelineData.as_dataset sebagai gantinya. nilai default: None
dataset_output	OutputDatasetConfig Opsional. Ini adalah parameter internal. Anda harus menggunakan OutputFileDatasetConfig sebagai gantinya. nilai default: None
name Diperlukan	str Nama objek OutputPortBinding, yang hanya dapat berisi huruf, digit, dan garis bawah.
datastore Diperlukan	Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore] Datastore tempat PipelineData akan berada.
output_name Diperlukan	str Nama output, jika nama None digunakan. Hanya dapat berisi huruf, digit, dan garis bawah.
bind_mode Diperlukan	str Menentukan apakah langkah yang terproduksi akan menggunakan metode "unggah" atau "mount" atau “hdfs”untuk mengakses data.
path_on_compute Diperlukan	str Untuk mode "unggah", jalur ke mana output yang modul tulis.
is_directory Diperlukan	bool jika output adalah direktori
overwrite Diperlukan	bool Untuk mode "unduh", apakah akan menimpa data yang ada.
data_type Diperlukan	str Opsional. Jenis data dapat digunakan untuk menentukan jenis output yang diharapkan dan untuk merinci bagaimana langkah-langkah penyerapan harus menggunakan data. Bisa jadi untai (karakter) apa pun yang ditentukan pengguna.
pipeline_output_name Diperlukan	str Jika disediakan output ini akan tersedia dengan menggunakan PipelineRun.get_pipeline_output(). Nama output alur harus unik dalam alur.
training_output Diperlukan	TrainingOutput Mendefinisikan output untuk hasil pelatihan. Ini hanya diperlukan untuk pelatihan tertentu yang menghasilkan jenis output yang berbeda seperti Metrik dan Model. Misalnya, AutoMLStep menghasilkan metrik dan model. Anda juga dapat menentukan perulangan atau metrik pelatihan tertentu yang digunakan untuk mendapatkan model terbaik. Untuk HyperDriveStep, Anda juga dapat menentukan file model tertentu yang akan disertakan dalam output.
dataset_registration Diperlukan	DatasetRegistration Opsional. Ini adalah parameter internal. Anda harus menggunakan PipelineData.as_dataset sebagai gantinya.
dataset_output Diperlukan	OutputDatasetConfig Opsional. Ini adalah parameter internal. Anda harus menggunakan OutputFileDatasetConfig sebagai gantinya.

Keterangan

OutputPortBinding dapat digunakan dengan cara yang sama dengan PipelineData saat membangun Alur untuk menentukan input dan output langkah. Perbedaannya adalah OutputPortBinding perlu digunakan dengan InputPortBinding untuk dikonsumsi sebagai input ke langkah lain.

Contoh untuk membangun Alur dengan OutputPortBinding adalah sebagai berikut:

   from azureml.pipeline.core import OutputPortBinding, InputPortBinding, Pipeline
   from azureml.pipeline.steps import PythonScriptStep

   step_1_output = OutputPortBinding("output", datastore=datastore)

   step_1 = PythonScriptStep(
       name='process data',
       script_name="process_data.py",
       compute_target=compute,
       arguments=["--output", step_1_output],
       outputs=[step_1_output]
   )

   step_2_input = InputPortBinding("input", bind_object=step_1_output)

   step_2 = PythonScriptStep(
       name='train',
       script_name="train.py",
       compute_target=compute,
       arguments=["--input", step_2_input],
       inputs=[step_2_input]
   )

   pipeline = Pipeline(workspace=workspace, steps=[step_1, step_2])

Ini akan membuat Alur dengan dua langkah. Langkah proses akan dijalankan terlebih dahulu, kemudian setelah selesai, langkah melatih akan dijalankan. AML akan menyediakan output yang dihasilkan oleh langkah proses, seperti yang dijelaskan oleh objek OutputPortBinding, ke langkah kereta.

Atribut

bind_mode

Dapatkan mode ("unggah" atau "mount" atau "hdfs") yang akan digunakan langkah produksi untuk membuat data.

Mengembalikan

Jenis	Deskripsi
str	Mode pengikatan.

data_type

Dapatkan jenis data yang akan diproduksi.

Mengembalikan

Jenis	Deskripsi
str	Nama jenis data.

dataset_registration

Dapatkan informasi pendaftaran himpunan data.

Mengembalikan

Jenis	Deskripsi
DatasetRegistration	Informasi pendaftaran himpunan data.

datastore

Datastore tempat PipelineData akan berada.

Mengembalikan

Jenis	Deskripsi
Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]	Objek Datastore.

is_directory

Apakah output adalah direktori.

Mengembalikan

Jenis	Deskripsi
bool	is_directory

name

Nama objek OutputPortBinding.

Mengembalikan

Jenis	Deskripsi
str	Nama.

overwrite

Untuk mode "unggah", tunjukkan apakah akan menimpa data yang ada.

Mengembalikan

Jenis	Deskripsi
bool	_overwrite

path_on_compute

Untuk mode "unggah", jalur ke mana output yang modul tulis.

Mengembalikan

Jenis	Deskripsi
str	path_on_compute

pipeline_output_name

Dapatkan nama output alur yang sesuai dengan OutputPortBinding ini.

Mengembalikan

Jenis	Deskripsi
str	Nama output alur.

training_output

Dapatkan output pelatihan.

Mengembalikan

Jenis	Deskripsi
TrainingOutput	Output pelatihan