ParallelRunStep 클래스
Azure Machine Learning 파이프라인 단계를 만들어 대량의 데이터를 비동기적으로, 그리고 병렬로 처리합니다.
참고
azureml-contrib-pipeline-steps 패키지는 더 이상 사용되지 않으며 azureml-pipeline-steps로 이동되었습니다.
새 패키지의 ParallelRunStep 클래스를 사용하세요.
ParallelRunStep을 사용하는 예제는 Notebook https://aka.ms/batch-inference-notebooks을 참조하세요.
문제 해결 가이드는 https://aka.ms/prstsg를 참조하세요. 이 문서에서 더 많은 참고 자료를 찾을 수 있습니다.
대량의 데이터를 비동기적으로 병렬로 처리하는 Azure ML 파이프라인 단계를 만듭니다.
ParallelRunStep을 사용하는 예제는 Notebook 링크를 https://aka.ms/batch-inference-notebooks참조하세요.
- 상속
-
azureml.pipeline.core._python_script_step_base._PythonScriptStepBaseParallelRunStep
생성자
ParallelRunStep(name, parallel_run_config, inputs, output=None, side_inputs=None, models=None, arguments=None, allow_reuse=True, tags=None, properties=None, add_parallel_run_step_dependencies=True)
매개 변수
모델 개체 0개 이상으로 구성된 목록입니다. 이 목록은 파이프라인을 추적하여 버전 매핑만 모델링하는 데 사용됩니다. 모델은 컨테이너에 복사되지 않습니다. Model 클래스의 get_model_path 메서드를 사용하여 entry_script의 init 함수에서 모델을 검색합니다.
- allow_reuse
- bool
동일한 설정/입력으로 실행할 때 이전 결과를 단계에 다시 사용할 것인지 여부를 지정합니다. false인 경우 파이프라인 실행 중에 이 단계에 대해 항상 새로운 실행이 생성됩니다.
- add_parallel_run_step_dependencies
[사용되지 않음] ParallelRunStep에 대한 런타임 종속성을 추가할지 여부입니다. 여기에는 다음이 해당합니다.
azure-storage-queue~=2.1
azure-storage-common~=2.1
azureml-core~=1.0
azureml-telemetry~=1.0
filelock~=3.0
azureml-dataset-runtime[fuse,pandas]~=1.1
psutil
[사용되지 않음] 0개 이상의 모델 개체 목록입니다. 이 목록은 파이프라인을 추적하여 버전 매핑만 모델링하는 데 사용됩니다. 모델은 컨테이너에 복사되지 않습니다. Model 클래스의 get_model_path 메서드를 사용하여 entry_script의 init 함수에서 모델을 검색합니다.
- allow_reuse
- bool
동일한 설정/입력으로 실행할 때 이전 결과를 단계에 다시 사용할 것인지 여부를 지정합니다. false인 경우 파이프라인 실행 중에 이 단계에 대해 항상 새로운 실행이 생성됩니다.
- add_parallel_run_step_dependencies
[사용되지 않음] ParallelRunStep에 대한 런타임 종속성을 추가할지 여부입니다. 여기에는 다음이 해당합니다.
azure-storage-queue~=2.1
azure-storage-common~=2.1
azureml-core~=1.0
azureml-telemetry~=1.0
filelock~=3.0
azureml-dataset-runtime[fuse,pandas]~=1.1
psutil
설명
ParallelRunStep 클래스는 대량의 데이터를 포함하고 일괄 처리 학습 또는 일괄 처리 채점 등 시간에 민감하지 않은 모든 종류의 처리 작업에 사용할 수 있습니다. ParallelRunStep은 대규모 작업을 병렬로 처리되는 일괄 처리로 분할하여 작동합니다. 일괄 처리 크기 및 병렬 처리 정도는 ParallelRunConfig 클래스로 제어할 수 있습니다. ParallelRunStep은 TabularDataset 또는 FileDataset를 입력으로 사용할 수 있습니다.
ParallelRunStep 클래스로 작업하려면 다음 패턴이 일반적입니다.
ParallelRunConfig 개체를 만들어 일괄 처리 크기, 컴퓨팅 대상당 노드 수 및 사용자 지정 Python 스크립트에 대한 참조를 제어하는 매개 변수와 함께 일괄 처리 처리가 수행되는 방식을 지정합니다.
ParallelRunConfig 개체를 사용하고 단계에 대한 입력 및 출력과, 사용할 모델 목록을 정의하는 ParallelRunStep 개체를 만듭니다.
steps 패키지에 정의된 파이프라인 단계 유형과 마찬가지로 Pipeline에서 구성된 ParallelRunStep 개체를 사용합니다.
일괄 처리 유추를 위해 ParallelRunStep 및 ParallelRunConfig 클래스를 사용하는 예제는 다음 문서에 설명되어 있습니다.
자습서: 일괄 채점을 위한 Azure Machine Learning 파이프라인 구축. 이 문서에서는 파이프라인에서 비동기 일괄 점수 매기기에 이 두 클래스를 사용하고 REST 엔드포인트가 파이프라인을 실행하도록 설정하는 방법을 보여 줍니다.
Azure Machine Learning을 사용하여 대량의 데이터에 대한 일괄 처리 유추 실행. 이 문서에서는 MNIST 데이터 세트를 기반으로 하는 사전 학습된 이미지 분류 모델 및 사용자 지정 추론 스크립트를 사용하여 대량의 데이터를 비동기식으로 병렬로 처리하는 방법을 보여 줍니다.
from azureml.contrib.pipeline.steps import ParallelRunStep, ParallelRunConfig
parallel_run_config = ParallelRunConfig(
source_directory=scripts_folder,
entry_script=script_file,
mini_batch_size="5",
error_threshold=10,
output_action="append_row",
environment=batch_env,
compute_target=compute_target,
node_count=2)
parallelrun_step = ParallelRunStep(
name="predict-digits-mnist",
parallel_run_config=parallel_run_config,
inputs=[ named_mnist_ds ],
output=output_dir,
models=[ model ],
arguments=[ ],
allow_reuse=True
)
이 예제에 대한 자세한 내용은 Notebook https://aka.ms/batch-inference-notebooks를 참조하세요.
메서드
create_module_def |
단계를 설명하는 모듈 정의 개체를 만듭니다. 이 메서드는 직접 사용할 수 없습니다. |
create_node |
PythonScriptStep에 대한 노드를 만들어 지정된 그래프에 추가합니다. 이 메서드는 직접 사용할 수 없습니다. ParallelRunStep을 사용하여 파이프라인을 인스턴스화하면 Azure Machine Learning은 이 메서드를 통해 필요한 매개 변수를 자동으로 전달하므로 워크플로를 나타내는 파이프라인 그래프에 단계를 추가할 수 있습니다. |
create_module_def
단계를 설명하는 모듈 정의 개체를 만듭니다.
이 메서드는 직접 사용할 수 없습니다.
create_module_def(execution_type, input_bindings, output_bindings, param_defs=None, create_sequencing_ports=True, allow_reuse=True, version=None, arguments=None)
매개 변수
반환
Module def 개체입니다.
반환 형식
create_node
PythonScriptStep에 대한 노드를 만들어 지정된 그래프에 추가합니다.
이 메서드는 직접 사용할 수 없습니다. ParallelRunStep을 사용하여 파이프라인을 인스턴스화하면 Azure Machine Learning은 이 메서드를 통해 필요한 매개 변수를 자동으로 전달하므로 워크플로를 나타내는 파이프라인 그래프에 단계를 추가할 수 있습니다.
create_node(graph, default_datastore, context)
매개 변수
- context
- <xref:azureml.pipeline.core._GraphContext>
컨텍스트입니다.
반환
생성된 노드입니다.
반환 형식
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