AzureBatchStep Classe
Crea un passaggio della pipeline di Azure ML per l'invio di processi a Azure Batch.
Nota: questo passaggio non supporta il caricamento/download delle directory e il relativo contenuto.
Per un esempio di uso di AzureBatchStep, vedere il notebook https://aka.ms/pl-azbatch.
Creare un passaggio della pipeline di Azure ML per l'invio di processi a Azure Batch.
- Ereditarietà
-
azureml.pipeline.core._azurebatch_step_base._AzureBatchStepBaseAzureBatchStep
Costruttore
AzureBatchStep(name, create_pool=False, pool_id=None, delete_batch_job_after_finish=True, delete_batch_pool_after_finish=False, is_positive_exit_code_failure=True, vm_image_urn='urn:MicrosoftWindowsServer:WindowsServer:2012-R2-Datacenter', run_task_as_admin=False, target_compute_nodes=1, vm_size='standard_d1_v2', source_directory=None, executable=None, arguments=None, inputs=None, outputs=None, allow_reuse=True, compute_target=None, version=None)Parametri
- pool_id
- str
[Obbligatorio] ID del pool in cui viene eseguito il processo. L'ID può essere un pool esistente o uno che verrà creato quando il processo viene inviato.
- delete_batch_job_after_finish
- bool
Indica se eliminare il processo dall'account Batch al termine dell'operazione.
- delete_batch_pool_after_finish
- bool
Indica se eliminare il pool al termine del processo.
- is_positive_exit_code_failure
- bool
Indica se il processo ha esito negativo se l'attività esiste con un codice positivo.
- vm_image_urn
- str
Se create_pool è True e la macchina virtuale usa VirtualMachineConfiguration.
Formato valore: urn:publisher:offer:sku.
Esempio: urn:MicrosoftWindowsServer:WindowsServer:2012-R2-Datacenter.
- run_task_as_admin
- bool
Indica se l'attività deve essere eseguita con privilegi di amministratore.
- target_compute_nodes
- int
Se create_pool è True, indica il numero di nodi di calcolo che verranno aggiunti al pool.
- vm_size
- str
Se create_pool è True, indica le dimensioni della macchina virtuale dei nodi di calcolo.
- source_directory
- str
Cartella locale che contiene i file binari del modulo, eseguibili, assembly e così via.
- executable
- str
[Obbligatorio] Nome del comando/eseguibile che verrà eseguito come parte del processo.
- inputs
- list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]]
Elenco di associazioni di porte di input. Prima dell'esecuzione del processo, viene creata una cartella per ogni input. I file per ogni input verranno copiati dalla risorsa di archiviazione alla rispettiva cartella nel nodo di calcolo. Ad esempio, se il nome di input è input1 e il percorso relativo nella risorsa di archiviazione è some/relative/path/that/can/really/long/inputfile.txt, il percorso del file nel calcolo sarà: ./input1/inputfile.txt. Quando il nome di input è più lungo di 32 caratteri, verrà troncato e aggiunto con un suffisso univoco in modo che il nome della cartella possa essere creato correttamente nella destinazione di calcolo.
Elenco di associazioni di porte di output. Analogamente agli input, prima dell'esecuzione del processo, viene creata una cartella per ogni output. Il nome della cartella corrisponderà al nome dell'output. Si presuppone che il processo inserisca l'output in tale cartella.
- allow_reuse
- bool
Indica se il passaggio deve riutilizzare i risultati precedenti quando viene eseguito di nuovo con le stesse impostazioni. Il riutilizzo è abilitato per impostazione predefinita. Se il contenuto del passaggio (script/dipendenze) e gli input e i parametri rimangono invariati, l'output dell'esecuzione precedente di questo passaggio viene riutilizzato. Quando si riutilizza il passaggio, anziché inviare il processo al calcolo, i risultati dell'esecuzione precedente vengono immediatamente resi disponibili per tutti i passaggi successivi. Se si usano set di dati di Azure Machine Learning come input, il riutilizzo viene determinato dal fatto che la definizione del set di dati sia stata modificata, non dal fatto che i dati sottostanti siano stati modificati.
- compute_target
- BatchCompute, str
[Obbligatorio] Calcolo BatchCompute in cui viene eseguito il processo.
- version
- str
Tag di versione facoltativo per indicare una modifica delle funzionalità per il modulo.
- pool_id
- str
[Obbligatorio] ID del pool in cui viene eseguito il processo. L'ID può essere un pool esistente o uno che verrà creato quando il processo viene inviato.
- delete_batch_job_after_finish
- bool
Indica se eliminare il processo dall'account Batch al termine dell'operazione.
- is_positive_exit_code_failure
- bool
Indica se il processo ha esito negativo se l'attività esiste con un codice positivo.
- vm_image_urn
- str
Se create_pool è True e la macchina virtuale usa VirtualMachineConfiguration.
Formato valore: urn:publisher:offer:sku.
Esempio: urn:MicrosoftWindowsServer:WindowsServer:2012-R2-Datacenter.
- run_task_as_admin
- bool
Indica se l'attività deve essere eseguita con privilegi di amministratore.
- target_compute_nodes
- int
Se create_pool è True, indica il numero di nodi di calcolo che verranno aggiunti al pool.
- vm_size
- str
Se create_pool è True, indica le dimensioni della macchina virtuale dei nodi di calcolo.
- source_directory
- str
Cartella locale che contiene i file binari del modulo, eseguibili, assembly e così via.
- executable
- str
[Obbligatorio] Nome del comando/eseguibile che verrà eseguito come parte del processo.
- inputs
- list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]]
Elenco di associazioni di porte di input. Prima dell'esecuzione del processo, viene creata una cartella per ogni input. I file per ogni input verranno copiati dalla risorsa di archiviazione alla rispettiva cartella nel nodo di calcolo. Ad esempio, se il nome di input è input1 e il percorso relativo nella risorsa di archiviazione è some/relative/path/that/can/really/long/inputfile.txt, il percorso del file nel calcolo sarà: ./input1/inputfile.txt. Nel caso in cui il nome di input sia composto da più di 32 caratteri, verrà troncato e aggiunto con un suffisso univoco, quindi il nome della cartella potrebbe essere creato correttamente nel calcolo.
Elenco di associazioni di porte di output. Analogamente agli input, prima dell'esecuzione del processo, viene creata una cartella per ogni output. Il nome della cartella corrisponderà al nome dell'output. Il presupposto è che il processo avrà l'output in tale cartella.
- allow_reuse
- bool
Indica se il passaggio deve riutilizzare i risultati precedenti quando viene eseguito di nuovo con le stesse impostazioni. Il riutilizzo è abilitato per impostazione predefinita. Se il contenuto del passaggio (script/dipendenze) e gli input e i parametri rimangono invariati, l'output dell'esecuzione precedente di questo passaggio viene riutilizzato. Quando si riutilizza il passaggio, anziché inviare il processo al calcolo, i risultati dell'esecuzione precedente vengono immediatamente resi disponibili per tutti i passaggi successivi. Se si usano set di dati di Azure Machine Learning come input, il riutilizzo viene determinato dal fatto che la definizione del set di dati sia stata modificata, non dal fatto che i dati sottostanti siano stati modificati.
- compute_target
- BatchCompute, str
[Obbligatorio] Calcolo BatchCompute in cui viene eseguito il processo.
- version
- str
Tag di versione facoltativo per indicare una modifica delle funzionalità per il modulo.
Commenti
L'esempio seguente illustra come usare AzureBatchStep in una pipeline di Azure Machine Learning.
step = AzureBatchStep(
name="Azure Batch Job",
pool_id="MyPoolName", # Replace this with the pool name of your choice
inputs=[testdata],
outputs=[outputdata],
executable="azurebatch.cmd",
arguments=[testdata, outputdata],
compute_target=batch_compute,
source_directory=binaries_folder,
)
L'esempio completo è disponibile da https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-how-to-use-azurebatch-to-run-a-windows-executable.ipynb
Metodi
| create_node |
Creare un nodo dal passaggio AzureBatch e aggiungerlo al grafico specificato. Questo metodo non deve essere usato direttamente. Quando viene creata un'istanza di una pipeline con questo passaggio, Azure ML passa automaticamente i parametri necessari tramite questo metodo in modo che tale passaggio possa essere aggiunto a un grafo della pipeline che rappresenta il flusso di lavoro. |
create_node
Creare un nodo dal passaggio AzureBatch e aggiungerlo al grafico specificato.
Questo metodo non deve essere usato direttamente. Quando viene creata un'istanza di una pipeline con questo passaggio, Azure ML passa automaticamente i parametri necessari tramite questo metodo in modo che tale passaggio possa essere aggiunto a un grafo della pipeline che rappresenta il flusso di lavoro.
create_node(graph, default_datastore, context)Parametri
- default_datastore
- Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]
Archivio dati predefinito.
- context
- <xref:azureml.pipeline.core._GraphContext>
Contesto del grafo.
Restituisce
Nodo creato.
Tipo restituito
Commenti e suggerimenti
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, vedere https://aka.ms/ContentUserFeedback.
Invia e visualizza il feedback per