Input Klas

Initialiseer een invoerobject.

Overname

azure.ai.ml.entities._inputs_outputs.base._InputOutputBase

Input

Constructor

Input(*, type: str, path: str | None = None, mode: str | None = None, optional: bool | None = None, description: str | None = None, **kwargs: Any)

Keyword-Only Parameters

Name	Description
type	str Het type gegevensinvoer. Geaccepteerde waarden zijn 'uri_folder', 'uri_file', 'mltable', 'mlflow_model', 'custom_model', 'integer', 'number', 'string' en 'boolean'. Standaard ingesteld op 'uri_folder'. standaardwaarde: uri_folder
path	Optional[str] Het pad naar de invoergegevens. Paden kunnen lokale paden, externe gegevens-uris of een geregistreerde AzureML-asset-id zijn.
mode	Optional[str] De toegangsmodus van de gegevensinvoer. Geaccepteerde waarden zijn: 'ro_mount': koppel de gegevens als alleen-lezen aan het rekendoel, 'downloaden': download de gegevens naar het rekendoel, 'direct': geef in de URI door als een tekenreeks die tijdens runtime moet worden geopend
default	Union[str, int, float, bool] De standaardwaarde van de invoer. Als er een standaardinstelling is ingesteld, zijn de invoergegevens optioneel.
min	Union[int, float] De minimumwaarde voor de invoer. Als een waarde die kleiner is dan het minimum wordt doorgegeven aan de taak, mislukt de taakuitvoering.
max	Union[int, float] De maximumwaarde voor de invoer. Als een waarde die groter is dan het maximum, wordt doorgegeven aan een taak, mislukt de taakuitvoering.
optional	Optional[bool] Hiermee geeft u op of de invoer optioneel is.
description	Optional[str] Beschrijving van de invoer
datastore	str Het gegevensarchief waar u lokale bestanden naar wilt uploaden.
intellectual_property	IntellectualProperty Intellectueel eigendom voor de invoer.
enum Vereist

Voorbeelden

Een opdrachttaak maken met twee invoerwaarden.

   from azure.ai.ml import Input, Output
   from azure.ai.ml.entities import CommandJob, CommandJobLimits

   command_job = CommandJob(
       code="./src",
       command="python train.py --ss {search_space.ss}",
       inputs={
           "input1": Input(path="trial.csv", mode="ro_mount", description="trial input data"),
           "input_2": Input(
               path="azureml:list_data_v2_test:2", type="uri_folder", description="registered data asset"
           ),
       },
       outputs={"default": Output(path="./foo")},
       compute="trial",
       environment="AzureML-sklearn-1.0-ubuntu20.04-py38-cpu:33",
       limits=CommandJobLimits(timeout=120),
   )

Methoden

get
has_key
items
keys
update
values

get

get(key: Any, default: Any | None = None) -> Any

Parameters

Name	Description
key Vereist
default	standaardwaarde: None

has_key

has_key(k: Any) -> bool

Parameters

Name	Description
k Vereist

items

items() -> list

keys

keys() -> list

update

update(*args: Any, **kwargs: Any) -> None

values

values() -> list