Schema YAML del componente della pipeline dell'interfaccia della riga di comando (v2)
SI APPLICA A:
Estensione ML dell'interfaccia della riga di comando di Azure v2 (corrente)
Lo schema JSON di origine è disponibile in https://azuremlschemas.azureedge.net/latest/pipelineComponent.schema.json.
Nota
La sintassi YAML descritta in dettaglio in questo documento si basa sullo schema JSON per la versione più recente dell'estensione dell'interfaccia della riga di comando di Machine Learning v2. Il funzionamento di questa sintassi è garantito solo con la versione più recente dell'estensione dell'interfaccia della riga di comando di Machine Learning v2. È possibile trovare gli schemi per le versioni di estensione precedenti in https://azuremlschemasprod.azureedge.net/.
Sintassi YAML
| Chiave | Type | Descrizione | Valori consentiti | Valore predefinito |
|---|---|---|---|---|
$schema |
string | Schema YAML. Se si usa l'estensione Azure Machine Learning per Visual Studio Code per creare il file YAML, l'inclusione di $schema nella parte superiore del file consente di richiamare i completamenti dello schema e delle risorse. |
||
type |
const | Tipo di componente. | pipeline |
pipeline |
name |
string | Obbligatorio. Nome del componente. Deve iniziare con una lettera minuscola. I caratteri consentiti sono lettere minuscole, numeri e caratteri di sottolineatura(_). La lunghezza massima consentita è di 255 caratteri. | ||
version |
string | Versione del componente. Se omesso, Azure Machine Learning genera automaticamente una versione. | ||
display_name |
string | Nome visualizzato del componente nell'interfaccia utente di Studio. Può essere non univoco all'interno dell'area di lavoro. | ||
description |
string | Descrizione del componente. | ||
tags |
oggetto | Dizionario dei tag per il componente. | ||
jobs |
oggetto | Obbligatorio. Dizionario del set di singoli processi da eseguire come passaggi all'interno della pipeline. Questi processi sono considerati processi figlio del processo padre della pipeline. La chiave è il nome del passaggio all'interno del contesto del processo della pipeline. Questo nome è diverso dal nome univoco del processo figlio. Il valore è la specifica del processo, che può seguire lo schema del processo di comando o lo schema del processo sweep. Attualmente solo i processi di comando e i processi sweep possono essere eseguiti in una pipeline. |
||
inputs |
oggetto | Dizionario di input per il processo della pipeline. La chiave è un nome per l'input nel contesto del processo e il valore è il valore di input. Questi input della pipeline possono essere a cui fanno riferimento gli input di un singolo processo di passaggio nella pipeline usando l'espressione ${{ parent.inputs.<input_name> }} . Per altre informazioni su come associare gli input di un passaggio della pipeline agli input del processo della pipeline di primo livello, vedere la sintassi dell'espressione per l'associazione di input e output tra i passaggi di un processo della pipeline. |
||
inputs.<input_name> |
number, integer, boolean, string or object | Uno di un valore letterale (di tipo number, integer, boolean o string) o di un oggetto contenente una specifica dei dati di input del componente. | ||
outputs |
oggetto | Dizionario delle configurazioni di output del processo della pipeline. La chiave è un nome per l'output nel contesto del processo e il valore è la configurazione di output. Questi output della pipeline possono essere a cui fanno riferimento gli output di un singolo processo di passaggio nella pipeline usando l'espressione ${{ parents.outputs.<output_name> }} . Per altre informazioni su come associare gli input di un passaggio della pipeline agli input del processo della pipeline di primo livello, vedere la sintassi dell'espressione per l'associazione di input e output tra i passaggi di un processo della pipeline. |
||
outputs.<output_name> |
oggetto | È possibile lasciare vuoto l'oggetto, nel qual caso per impostazione predefinita l'output sarà di tipo uri_folder e Azure Machine Learning genererà un percorso di output per l'output in base al percorso del modello seguente: {settings.datastore}/azureml/{job-name}/{output-name}/. I file nella directory di output verranno scritti tramite montaggio in lettura/scrittura. Se si desidera specificare una modalità diversa per l'output, specificare un oggetto contenente la specifica di output del componente. |
Input del componente
| Chiave | Type | Descrizione | Valori consentiti | Valore predefinito |
|---|---|---|---|---|
type |
string | Obbligatorio. Tipo di input del componente. Altre informazioni sull'accesso ai dati | number, integer, boolean, string, uri_fileuri_folder, mltable, , mlflow_modelcustom_model |
|
description |
string | Descrizione dell'input. | ||
default |
number, integer, boolean o string | Valore predefinito per l'input. | ||
optional |
boolean | Indica se l'input è obbligatorio. Se è impostato su true, è necessario usare il comando include input facoltativi con $[[]] |
false |
|
min |
integer o numero | Valore minimo accettato per l'input. Questo campo può essere specificato solo se type il campo è number o integer. |
||
max |
integer o numero | Valore massimo accettato per l'input. Questo campo può essere specificato solo se type il campo è number o integer. |
||
enum |
array | Elenco di valori consentiti per l'input. Applicabile solo se type il campo è string. |
Output del componente
| Chiave | Type | Descrizione | Valori consentiti | Valore predefinito |
|---|---|---|---|---|
type |
string | Obbligatorio. Tipo di output del componente. | uri_file, uri_folder, mltable, mlflow_modelcustom_model |
|
description |
string | Descrizione dell'output. |
Osservazioni:
I az ml component comandi possono essere usati per la gestione dei componenti di Azure Machine Learning.
Esempi
Gli esempi sono disponibili nel repository GitHub di esempi.