PipelineParameter Kelas
Menentukan parameter dalam eksekusi alur.
Gunakan PipelineParameters untuk membangun Alur serbaguna yang dapat dikirim ulang nanti dengan nilai parameter yang bervariasi.
Menginisialisasi parameter alur.
- Warisan
-
builtins.objectPipelineParameter
Konstruktor
PipelineParameter(name, default_value)
Parameter
Nama | Deskripsi |
---|---|
name
Diperlukan
|
Nama parameter alur. |
default_value
Diperlukan
|
Nilai default dari parameter alur. |
name
Diperlukan
|
Nama parameter alur. |
default_value
Diperlukan
|
Nilai default dari parameter alur. |
Keterangan
PipelineParameters dapat ditambahkan ke langkah apa pun saat membuat Alur. Saat 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. Saat skrip Python dijalankan, nilai PipelineParameter akan diberikan melalui argumen baris perintah. PipelineParameter ini juga dapat ditambahkan ke langkah lain di Alur untuk memberikan nilai umum ke beberapa langkah di Alur. Alur dapat memiliki beberapa PipelineParameters yang ditentukan.
Untuk mengirimkan Alur ini dan menentukan nilai untuk PipelineParameter "pipeline_arg", gunakan:
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 diberikan saat Alur dibangun akan digunakan (dalam kasus ini nilai default yang diberikan adalah "default_val").
Parameter multi-baris tidak dapat digunakan sebagai PipelineParameters.
PipelineParameters juga dapat digunakan dengan DataPath dan DataPathComputeBinding untuk menentukan input langkah. Hal ini memungkinkan Alur dijalankan dengan data input yang bervariasi.
Contoh dalam menggunakan 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 kasus ini, nilai default parameter "input_data" merujuk ke file di "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 PipelineParameter "input_data", gunakan:
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})
Saran dan Komentar
https://aka.ms/ContentUserFeedback.
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat:Kirim dan lihat umpan balik untuk