PipelineParameter Kelas

Menentukan parameter dalam eksekusi alur.

Gunakan PipelineParameters untuk membuat Alur serbaguna yang dapat dikirim ulang nanti dengan berbagai nilai parameter.

Menginisialisasi parameter alur.

Konstruktor

PipelineParameter(name, default_value)

Parameter

Nama	Deskripsi
name Diperlukan	str Nama parameter alur.
default_value Diperlukan	Union[int, str, bool, float, DataPath, PipelineDataset, FileDataset, TabularDataset] Nilai default parameter alur.
name Diperlukan	str Nama parameter alur.
default_value Diperlukan	Union[int, str, bool, float, DataPath, PipelineDataset, FileDataset, TabularDataset] Nilai default parameter alur.

Keterangan

PipelineParameters dapat ditambahkan ke langkah apa pun saat membuat Alur. Ketika Alur dikirimkan, nilai parameter ini dapat ditentukan.

Contoh menambahkan PipelineParameter ke langkah adalah sebagai berikut:

   from azureml.pipeline.steps import PythonScriptStep
   from azureml.pipeline.core import PipelineParameter

   pipeline_param = PipelineParameter(name="pipeline_arg", default_value="default_val")
   train_step = PythonScriptStep(script_name="train.py",
                                 arguments=["--param1", pipeline_param],
                                 target=compute_target,
                                 source_directory=project_folder)

Dalam contoh ini, PipelineParameter dengan nama "pipeline_arg" ditambahkan ke argumen PythonScriptStep. Ketika skrip Python dijalankan, nilai PipelineParameter akan disediakan melalui argumen baris perintah. PipelineParameter ini juga dapat ditambahkan ke langkah lain dalam Alur untuk memberikan nilai umum ke beberapa langkah dalam Alur. Alur dapat memiliki beberapa PipelineParameters yang ditentukan.

Untuk mengirimkan Alur ini dan menentukan nilai untuk penggunaan PipelineParameter "pipeline_arg":

   pipeline = Pipeline(workspace=ws, steps=[train_step])
   pipeline_run = Experiment(ws, 'train').submit(pipeline, pipeline_parameters={"pipeline_arg": "test_value"})

Catatan: jika "pipeline_arg" tidak ditentukan dalam kamus pipeline_parameters, nilai default PipelineParameter yang disediakan ketika Alur dibangun akan digunakan (dalam hal ini nilai default yang disediakan adalah "default_val").

Parameter multibaris tidak dapat digunakan sebagai PipelineParameters.

PipelineParameters juga dapat digunakan dengan DataPath dan DataPathComputeBinding untuk menentukan input langkah. Ini memungkinkan Alur dijalankan dengan berbagai data input.

Contoh penggunaan DataPath dengan PipelineParameters adalah sebagai berikut:

   from azureml.core.datastore import Datastore
   from azureml.data.datapath import DataPath, DataPathComputeBinding
   from azureml.pipeline.steps import PythonScriptStep
   from azureml.pipeline.core import PipelineParameter

   datastore = Datastore(workspace=workspace, name="workspaceblobstore")
   datapath = DataPath(datastore=datastore, path_on_datastore='input_data')
   data_path_pipeline_param = (PipelineParameter(name="input_data", default_value=datapath),
                               DataPathComputeBinding(mode='mount'))

   train_step = PythonScriptStep(script_name="train.py",
                                 arguments=["--input", data_path_pipeline_param],
                                 inputs=[data_path_pipeline_param],
                                 compute_target=compute_target,
                                 source_directory=project_folder)

Dalam hal ini nilai default parameter "input_data" mereferensikan file pada "workspaceblobstore" bernama "input_data". Jika Alur dikirimkan tanpa menentukan nilai untuk PipelineParameter ini, nilai default akan digunakan. Untuk mengirimkan Alur ini dan menentukan nilai untuk penggunaan PipelineParameter "input_data":

   from azureml.pipeline.core import Pipeline
   from azureml.data.datapath import DataPath

   pipeline = Pipeline(workspace=ws, steps=[train_step])
   new_data_path = DataPath(datastore=datastore, path_on_datastore='new_input_data')
   pipeline_run = experiment.submit(pipeline,
                                    pipeline_parameters={"input_data": new_data_path})