azureml-pipeline-steps パッケージ
パッケージ
steps |
Azure Machine Learning のパイプラインで実行できる構築済みのステップが含まれています。 Azure ML のパイプラインの複数のステップを組み合わせて構成して、共有可能で再利用可能な Azure Machine Learning ワークフローであるパイプラインを構築できます。 パイプラインの各ステップは、ステップの内容 (スクリプトと依存関係) に加えて入力とパラメーターが変更されていない場合に、以前の実行結果を再利用できるように構成することができます。 このパッケージ内のクラスは、通常、core パッケージ内のクラスと共に使用されます。 コア パッケージには、データの構成 (PipelineData)、スケジュール (Schedule)、およびステップの出力の管理 (StepRun) を行うためのクラスが含まれています。 このパッケージ内の事前構成済みのステップは、機械学習ワークフローで発生する多くの一般的なシナリオに対応しています。 事前構築済みのパイプラインのステップを開始するには、以下を参照してください。 |
モジュール
adla_step |
Azure Data Lake Analytics で U-SQL スクリプトを実行するための Azure ML パイプライン ステップを作成する機能が含まれています。 |
automl_step |
Azure Machine Learning 内で自動 ML パイプライン ステップを追加および管理するための機能が含まれています。 |
azurebatch_step |
Azure Batch で Windows 実行可能ファイルを実行する Azure ML パイプライン ステップを作成する機能が含まれています。 |
command_step |
コマンドを実行する Azure ML パイプライン ステップを作成する機能が含まれています。 |
data_transfer_step |
ストレージ オプション間でデータを転送する Azure ML パイプライン ステップを作成する機能が含まれています。 |
databricks_step |
DBFS で Databricks ノートブックまたは Python スクリプトを実行するための Azure ML パイプライン ステップを作成する機能が含まれています。 |
estimator_step |
機械学習モデル トレーニングの推定器を実行するパイプライン ステップを作成する機能が含まれます。 |
hyper_drive_step |
ハイパーパラメーターのチューニングを実行する Azure ML パイプライン ステップを作成および管理するための機能が含まれています。 |
kusto_step |
Kusto ノートブックを実行する Azure ML パイプラインのステップを作成する機能が含まれています。 |
module_step |
既存のバージョンのモジュールを使用して Azure Machine Learning パイプライン ステップを追加する機能が含まれています。 |
mpi_step |
Machine Learning モデル トレーニング用の MPI ジョブを実行するための Azure ML パイプライン ステップを追加する機能が含まれています。 |
parallel_run_config |
ParallelRunStep を構成するための機能が含まれています。 |
parallel_run_step |
複数の AmlCompute ターゲットに対してユーザー スクリプトを並列モードで実行するためのステップを追加する機能が含まれています。 |
python_script_step |
Python スクリプトを実行する Azure ML パイプライン ステップを作成する機能が含まれています。 |
r_script_step |
R スクリプトを実行する Azure ML パイプライン ステップを作成する機能が含まれています。 |
synapse_spark_step |
Python スクリプトを実行する Azure ML Synapse ステップを作成する機能が含まれています。 |
フィードバック
https://aka.ms/ContentUserFeedback」を参照してください。
以下は間もなく提供いたします。2024 年を通じて、コンテンツのフィードバック メカニズムとして GitHub の issue を段階的に廃止し、新しいフィードバック システムに置き換えます。 詳細については、「フィードバックの送信と表示