OutputPortDef Classe
Definizione di una porta di output.
Creare una porta di output.
- Ereditarietà
-
builtins.objectOutputPortDef
Costruttore
OutputPortDef(name, default_datastore_name=None, default_datastore_mode=None, default_path_on_compute=None, is_directory=False, data_type=None, default_overwrite=None, training_output=None, label=None)
Parametri
- default_datastore_name
- str
Archivio dati predefinito in cui scrivere l'output.
- default_datastore_mode
- str
Modalità predefinita per la produzione dell'output, ovvero "mount" o "upload".
- default_path_on_compute
- str
Per la modalità di caricamento, il percorso in cui il modulo scrive durante l'esecuzione.
- is_directory
- bool
True se l'output è una directory di file, False per un singolo file (impostazione predefinita: False).
- data_type
- str
Tipo di dati da applicare a questo output. Se non specificato, usare un valore predefinito basato su is_directory
.
- default_overwrite
- bool
Per la modalità di caricamento, indicare se sovrascrivere i dati esistenti.
- training_output
- TrainingOutput
Definisce l'output per il risultato del training. Questa operazione è necessaria solo per training specifici che generano diversi tipi di output, ad esempio metriche e modello. Ad esempio, AutoMLStep restituisce metriche e modelli. È anche possibile definire specifiche iterazioni di training o metriche usate per ottenere un modello ottimale. Per HyperDriveStep, è anche possibile definire i file di modello specifici da includere nell'output.
- label
- str
Etichetta facoltativa della porta di output, che funge da breve descrizione per la porta.
- default_datastore_mode
- str
Modalità predefinita per la produzione dell'output, ovvero "mount" o "upload".
- default_path_on_compute
- str
Per la modalità di caricamento, il percorso in cui il modulo scrive durante l'esecuzione.
- is_directory
- bool
True se l'output è una directory di file, False per un singolo file (impostazione predefinita: False).
- data_type
- str
Tipo di dati da applicare a questo output.
Se non specificato, usare un valore predefinito basato su is_directory
.
- default_overwrite
- bool
Per la modalità di caricamento, indicare se sovrascrivere i dati esistenti.
- training_output
- TrainingOutput
Definisce l'output per il risultato del training. Questa operazione è necessaria solo per training specifici che generano diversi tipi di output, ad esempio metriche e modello. Ad esempio, AutoMLStep restituisce metriche e modelli. È anche possibile definire specifiche iterazioni di training o metriche usate per ottenere un modello ottimale. Per HyperDriveStep, è anche possibile definire i file di modello specifici da includere nell'output.
- label
Etichetta facoltativa della porta di output, che funge da breve descrizione per la porta.
Attributi
data_type
Tipo di dati da applicare a questo output. Se non specificato, usare un valore predefinito basato su is_directory.
Restituisce
Tipo di dati.
Tipo restituito
default_datastore_mode
Ottenere la modalità predefinita per la produzione dell'output, ovvero "mount" o "upload" (file locale caricato).
Restituisce
Modalità dell'archivio dati predefinita.
Tipo restituito
default_datastore_name
Ottenere l'archivio dati predefinito in cui scrivere l'output.
Restituisce
Nome dell'archivio dati predefinito.
Tipo restituito
default_overwrite
Per la modalità di caricamento, indicare se sovrascrivere i dati esistenti.
Restituisce
Proprietà default_overwrite di OutputPortDef.
Tipo restituito
default_path_on_compute
Per la modalità di caricamento, il percorso in cui il modulo scrive l'output durante l'esecuzione.
Restituisce
Percorso predefinito nel calcolo.
Tipo restituito
is_directory
Restituisce un valore booleano che indica se l'output è una directory di file.
Restituisce
Proprietà is_directory
di OutputPortDef.
True se l'output è una directory di file; in caso contrario, False per un singolo file.
Tipo restituito
label
name
training_output
Commenti e suggerimenti
https://aka.ms/ContentUserFeedback.
Presto disponibile: Nel corso del 2024 verranno gradualmente disattivati i problemi di GitHub come meccanismo di feedback per il contenuto e ciò verrà sostituito con un nuovo sistema di feedback. Per altre informazioni, vedereInvia e visualizza il feedback per