JobOperations 클래스
JobOperations의 instance 시작합니다.
이 클래스는 직접 인스턴스화해서는 안 됩니다. 대신 MLClient 개체의 작업 특성을 사용합니다.
- 상속
-
azure.ai.ml._scope_dependent_operations._ScopeDependentOperationsJobOperations
생성자
JobOperations(operation_scope: OperationScope, operation_config: OperationConfig, service_client_02_2023_preview: AzureMachineLearningWorkspaces, all_operations: OperationsContainer, credential: TokenCredential, **kwargs: Any)
매개 변수
- operation_scope
- <xref:azure.ai.ml._scope_dependent_operations.OperationScope>
MLClient 개체의 작업 클래스에 대한 범위 변수입니다.
- operation_config
- <xref:azure.ai.ml._scope_dependent_operations.OperationConfig>
MLClient 개체의 작업 클래스에 대한 일반적인 구성입니다.
- service_client_02_2023_preview
- <xref:azure.ai.ml._restclient.v2023_02_01_preview.AzureMachineLearningWorkspaces>
최종 사용자가 Azure Machine Learning 작업 영역 리소스에서 작동할 수 있도록 하는 서비스 클라이언트입니다.
- all_operations
- <xref:azure.ai.ml._scope_dependent_operations.OperationsContainer>
MLClient 개체의 모든 작업 클래스입니다.
메서드
archive |
작업을 보관합니다. |
begin_cancel |
작업을 취소합니다. |
create_or_update |
작업을 만들거나 업데이트합니다. 환경 또는 코드와 같은 엔터티가 인라인으로 정의되면 작업과 함께 만들어집니다. |
download |
작업의 로그 및 출력을 다운로드합니다. |
get |
작업 리소스를 가져옵니다. |
list |
작업 영역의 작업을 나열합니다. |
restore |
보관된 작업을 복원합니다. |
show_services |
작업의 노드와 연결된 서비스를 가져옵니다. |
stream |
실행 중인 작업의 로그를 스트리밍합니다. |
validate |
참고 이는 실험적인 메서드이며 언제든지 변경될 수도 있습니다. 자세한 내용은 https://aka.ms/azuremlexperimental을 참조하세요. 서비스에 제출하기 전에 Job 개체의 유효성을 검사합니다. 구성 요소, 환경 및 코드와 같은 인라인 정의 엔터티가 있는 경우 익명 자산을 만들 수 있습니다. 현재 유효성 검사에는 파이프라인 작업만 지원됩니다. |
archive
작업을 보관합니다.
archive(name: str) -> None
매개 변수
예외
지정된 이름의 작업을 찾을 수 없는 경우 발생합니다.
예제
작업 보관.
ml_client.jobs.archive(name=job_name)
begin_cancel
작업을 취소합니다.
begin_cancel(name: str, **kwargs) -> LROPoller[None]
매개 변수
반환
작업 상태 추적하는 폴러입니다.
반환 형식
예외
지정된 이름의 작업을 찾을 수 없는 경우 발생합니다.
create_or_update
작업을 만들거나 업데이트합니다. 환경 또는 코드와 같은 엔터티가 인라인으로 정의되면 작업과 함께 만들어집니다.
create_or_update(job: Job, *, description: str | None = None, compute: str | None = None, tags: dict | None = None, experiment_name: str | None = None, skip_validation: bool = False, **kwargs) -> Job
매개 변수
- skip_validation
- bool
작업을 만들거나 업데이트하기 전에 유효성 검사를 건너뛸지 여부를 지정합니다. 익명 구성 요소와 같은 종속 리소스에 대한 유효성 검사는 건너뛰지 않습니다. 기본값은 False입니다.
반환
작업을 만들거나 업데이트했습니다.
반환 형식
예외
작업의 유효성을 성공적으로 검사할 수 없는 경우 발생합니다. 자세한 내용은 오류 메시지에 제공됩니다.
작업 자산(예: 데이터, 코드, 모델, 환경)의 유효성을 성공적으로 검사할 수 없는 경우 발생합니다. 자세한 내용은 오류 메시지에 제공됩니다.
작업 모델의 유효성을 성공적으로 검사할 수 없는 경우 발생합니다. 자세한 내용은 오류 메시지에 제공됩니다.
Job 개체 또는 특성의 형식이 올바르게 지정되면 발생합니다. 자세한 내용은 오류 메시지에 제공됩니다.
로컬 경로 제공이 빈 디렉터리를 가리키는 경우 발생합니다.
로컬 작업에 Docker 엔진을 사용할 수 없는 경우 발생합니다.
예제
새 작업을 만든 다음 컴퓨팅을 업데이트합니다.
from azure.ai.ml import load_job
created_job = ml_client.jobs.create_or_update(
name=job_name,
job=load_job(
"./sdk/ml/azure-ai-ml/tests/test_configs/command_job/command_job_test_local_env.yml",
params_override=[{"name": job_name}, {"compute": "cpucluster"}],
),
)
download
작업의 로그 및 출력을 다운로드합니다.
download(name: str, *, download_path: PathLike | str = '.', output_name: str | None = None, all: bool = False) -> None
매개 변수
- all
- bool
모든 로그 및 명명된 출력을 다운로드해야 하는지를 지정합니다. 기본값은 False입니다.
예외
작업이 아직 터미널 상태가 아닌 경우 발생합니다. 자세한 내용은 오류 메시지에 제공됩니다.
로그 및 출력을 성공적으로 다운로드할 수 없는 경우 발생합니다. 자세한 내용은 오류 메시지에 제공됩니다.
예제
작업 "job-1"의 모든 로그 및 명명된 출력을 로컬 디렉터리 "job-1-logs"로 다운로드합니다.
ml_client.jobs.download(name=job_name, download_path="./job-1-logs", all=True)
get
작업 리소스를 가져옵니다.
get(name: str) -> Job
매개 변수
반환
서비스에서 검색된 작업 개체입니다.
반환 형식
예외
지정된 이름의 작업을 찾을 수 없는 경우 발생합니다.
name 매개 변수가 문자열이 아닌 경우 발생합니다.
예제
"iris-dataset-job-1"이라는 작업을 검색합니다.
retrieved_job = ml_client.jobs.get(job_name)
list
작업 영역의 작업을 나열합니다.
list(*, parent_job_name: str | None = None, list_view_type: ListViewType = ListViewType.ACTIVE_ONLY, **kwargs) -> Iterable[Job]
매개 변수
- list_view_type
- ListViewType
보관된 작업을 포함/제외하기 위한 보기 형식입니다. 보관된 작업을 제외한 기본값은 ~azure.mgt.machinelearningservices.models.ListViewType.ACTIVE_ONLY.
반환
Job 개체의 반복기와 유사한 instance.
반환 형식
예외
지정된 이름의 작업을 찾을 수 없는 경우 발생합니다.
예제
"iris-dataset-jobs"라는 부모 작업이 있는 작업 영역에서 보관된 작업 목록을 검색합니다.
from azure.ai.ml._restclient.v2023_04_01_preview.models import ListViewType
list_of_jobs = ml_client.jobs.list(parent_job_name=job_name, list_view_type=ListViewType.ARCHIVED_ONLY)
restore
보관된 작업을 복원합니다.
restore(name: str) -> None
매개 변수
예외
지정된 이름의 작업을 찾을 수 없는 경우 발생합니다.
예제
보관된 작업 복원
ml_client.jobs.restore(name=job_name)
show_services
작업의 노드와 연결된 서비스를 가져옵니다.
show_services(name: str, node_index: int = 0) -> Dict[str, ServiceInstance]
매개 변수
반환
지정된 노드의 작업과 연결된 서비스입니다.
반환 형식
예외
지정된 이름의 작업을 찾을 수 없는 경우 발생합니다.
예제
작업의 첫 번째 노드와 연결된 서비스를 검색합니다.
job_services = ml_client.jobs.show_services(job_name)
stream
실행 중인 작업의 로그를 스트리밍합니다.
stream(name: str) -> None
매개 변수
예외
지정된 이름의 작업을 찾을 수 없는 경우 발생합니다.
예제
실행 중인 작업 스트리밍.
running_job = ml_client.jobs.create_or_update(
load_job(
"./sdk/ml/azure-ai-ml/tests/test_configs/command_job/command_job_test_local_env.yml",
params_override=[{"name": job_name}, {"compute": "cpucluster"}],
)
)
ml_client.jobs.stream(running_job.name)
validate
참고
이는 실험적인 메서드이며 언제든지 변경될 수도 있습니다. 자세한 내용은 https://aka.ms/azuremlexperimental을 참조하세요.
서비스에 제출하기 전에 Job 개체의 유효성을 검사합니다. 구성 요소, 환경 및 코드와 같은 인라인 정의 엔터티가 있는 경우 익명 자산을 만들 수 있습니다. 현재 유효성 검사에는 파이프라인 작업만 지원됩니다.
validate(job: Job, *, raise_on_failure: bool = False, **kwargs) -> ValidationResult
매개 변수
- raise_on_failure
- bool
유효성 검사에 실패할 경우 오류를 발생시켜야 하는지를 지정합니다. 기본값은 False입니다.
반환
찾은 모든 오류를 포함하는 ValidationResult 개체입니다.
반환 형식
예외
지정된 이름의 작업을 찾을 수 없는 경우 발생합니다.
예제
PipelineJob 개체의 유효성을 검사하고 찾은 오류를 인쇄합니다.
from azure.ai.ml import load_job
from azure.ai.ml.entities import PipelineJob
pipeline_job: PipelineJob = load_job(
"./sdk/ml/azure-ai-ml/tests/test_configs/pipeline_jobs/invalid/combo.yml",
params_override=[{"name": job_name}, {"compute": "cpucluster"}],
)
print(ml_client.jobs.validate(pipeline_job).error_messages)
Azure SDK for Python
피드백
https://aka.ms/ContentUserFeedback
출시 예정: 2024년 내내 콘텐츠에 대한 피드백 메커니즘으로 GitHub 문제를 단계적으로 폐지하고 이를 새로운 피드백 시스템으로 바꿀 예정입니다. 자세한 내용은 다음을 참조하세요.다음에 대한 사용자 의견 제출 및 보기