graph 모듈
Azure Machine Learning 파이프라인 그래프를 작성하기 위한 클래스를 정의합니다.
Azure ML 파이프라인 그래프는 PipelineStep(및 파생 클래스), PipelineData 및 PipelineData 개체를 사용할 때 Pipeline 개체에 대해 만들어집니다. 일반적인 사용 사례에서는 이 모듈의 클래스를 직접 사용할 필요가 없습니다.
파이프라인 실행 그래프는 데이터 원본 또는 단계와 같은 기본 단위를 나타내는 모듈 노드로 구성됩니다. 노드에는 입력 포트와 출력 포트, 관련 매개 변수가 있을 수 있습니다. 에지는 그래프에서 두 노드 포트 간의 관계를 정의합니다.
클래스
DataSource |
그래프에서 사용할 수 있는 데이터 원본입니다. DataSource를 초기화합니다. |
DataSourceDef |
데이터 원본의 정의입니다. DataSourceDef를 초기화합니다. |
DataSourceNode |
그래프의 데이터 원본을 나타냅니다. 데이터 원본 노드를 초기화합니다. |
DataType |
데이터 조각(입력 또는 출력)의 데이터 형식입니다. DataType을 초기화합니다. |
Edge |
그래프에서 두 노드 포트 사이의 간선 인스턴스입니다. Edge를 초기화합니다. |
Graph |
파이프라인 실행 그래프를 정의하는 클래스입니다. 그래프를 초기화합니다. |
InputPort |
출력 포트에 연결할 수 있는 노드의 입력 포트 인스턴스입니다. InputPort를 초기화합니다. |
InputPortBinding |
원본에서 파이프라인 단계의 입력으로의 바인딩을 정의합니다. InputPortBinding은 단계에 대한 입력으로 사용할 수 있습니다. 원본은 PipelineData, PortDataReference, DataReference, PipelineDataset 또는 OutputPortBinding일 수 있습니다. InputPortBinding은 바인드 개체의 이름과 달라야 하는 경우 중복 입력/출력 이름을 피하기 위해 또는 단계 스크립트가 특정 이름을 갖기 위해 입력이 필요하기 때문에 단계 입력의 이름을 지정하는 데 유용합니다. 또한 PythonScriptStep 입력에 대해 bind_mode를 지정하는 데 사용할 수도 있습니다. InputPortBinding을 초기화합니다. |
InputPortDef |
입력 포트의 정의입니다. 입력 포트를 만듭니다. |
Module |
그래프에서 사용할 수 있는 실행 가능한 모듈입니다. 이 클래스는 직접 사용할 수 없으며, 대신 이 Module 클래스를 사용합니다. 모듈을 초기화합니다. |
ModuleDef |
실행 및 포트 정의를 포함하는 모듈의 정의입니다. ModuleDef를 초기화합니다. |
ModuleNode |
그래프의 모듈을 나타냅니다. 모듈 노드를 초기화합니다. |
Node |
그래프의 기본 단위를 나타냅니다. 예를 들어, 데이터 원본 또는 단계일 수 있습니다. 노드를 초기화합니다. |
OutputPort |
입력 포트에 연결할 수 있는 노드의 출력 포트 인스턴스입니다. OutputPort를 초기화합니다. |
OutputPortBinding |
파이프라인 단계의 명명된 출력을 정의합니다. OutputPortBinding을 사용하여 한 단계에서 생성할 데이터의 형식과 데이터를 생성하는 방법을 지정할 수 있습니다. InputPortBinding과 함께 사용하여 단계 출력이 다른 단계의 필수 입력임을 지정할 수 있습니다. OutputPortBinding을 초기화합니다. |
OutputPortDef |
출력 포트의 정의입니다. 출력 포트를 만듭니다. |
Param |
노드의 매개 변수 인스턴스입니다. Param을 초기화합니다. |
ParamDef |
실행 매개 변수의 정의입니다. ParamDef를 초기화합니다. |
PipelineDataset |
데이터 집합 및 파이프라인의 어댑터 역할을 합니다. 참고 이 클래스는 사용되지 않습니다. 파이프라인에서 데이터 세트를 사용하는 방법을 알아보려면 https://aka.ms/pipeline-with-dataset 를 참조하세요. 내부 클래스입니다. 이 클래스를 직접 생성하지 말고 Dataset 또는 OutputDatasetConfig 클래스에서 as_* 인스턴스 메서드를 호출해야 합니다. 데이터 세트 및 파이프라인의 어댑터 역할을 합니다. 내부 클래스입니다. 이 클래스를 직접 만들지 않고 Dataset 또는 OutputDatasetConfig 클래스에서 as_* 인스턴스 메서드를 호출해야 합니다. |
PipelineParameter |
파이프라인 실행에서 매개 변수를 정의합니다. PipelineParameters를 사용하여 다양한 매개 변수 값으로 나중에 다시 제출할 수 있는 다용도 파이프라인을 구성합니다. 파이프라인 매개 변수를 초기화합니다. |
PortDataReference |
완료된 StepRun의 출력과 연결된 데이터를 모델링합니다. PortDataReference 개체를 사용하여 StepRun에서 생성된 출력 데이터를 다운로드할 수 있습니다. 이후 파이프라인에서 단계 입력으로 사용할 수도 있습니다. PortDataReference를 초기화합니다. |
PublishedPipeline |
파이프라인을 구성한 Python 코드 없이 제출할 파이프라인을 나타냅니다. 또한 PublishedPipeline을 사용하여 다른 PipelineParameter 값과 입력으로 Pipeline을 다시 제출할 수 있습니다. PublishedPipeline을 초기화합니다. :p aram 엔드포인트 이 파이프라인에 대한 파이프라인 실행을 제출할 REST 엔드포인트 URL입니다. :type 엔드포인트: str :p aram total_run_steps: 이 파이프라인의 단계 수 :type total_run_steps: int :p aram 작업 영역: 게시된 파이프라인의 작업 영역입니다. :type workspace: azureml.core.Workspace :p aram continue_on_step_failure: PipelineRun에서 다른 단계를 계속 실행할지 여부 단계가 실패하면 기본값은 false입니다. |
StoredProcedureParameter |
SQL 데이터베이스 참조와 함께 사용할 SQL 저장 프로시저 매개 변수를 나타냅니다. StoredProcedureParameter를 초기화합니다. 기본값: azureml.pipeline.core.graph.StoredProcedureParameterType.String :type type: azureml.pipeline.core.graph.StoredProcedureParameterType |
TrainingOutput |
파이프라인에서 사용할 특정 PipelineSteps의 특수 출력을 정의합니다. TrainingOutput을 사용하면 자동화된 Machine Learning 메트릭 또는 모델을 Azure Machine Learning 파이프라인의 다른 단계에서 사용할 단계 출력으로 사용할 수 있게 됩니다. AutoMLStep 또는 HyperDriveStep와 함께 사용할 수 있습니다. TrainingOutput을 초기화합니다. param model_file: 출력에 포함할 특정 모델 파일입니다. HyperDriveStep에만 해당합니다. |
열거형
StoredProcedureParameterType |
SQL 데이터베이스 참조와 함께 사용할 SQL 저장 프로시저 매개 변수의 형식을 정의합니다. |
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