CommandStep Klas
Maak een Azure ML-pijplijnstap waarmee een opdracht wordt uitgevoerd.
Maak een Azure ML-pijplijnstap waarmee een opdracht wordt uitgevoerd.
- Overname
-
azureml.pipeline.core._python_script_step_base._PythonScriptStepBaseCommandStep
Constructor
CommandStep(command=None, name=None, compute_target=None, runconfig=None, runconfig_pipeline_params=None, inputs=None, outputs=None, params=None, source_directory=None, allow_reuse=True, version=None)
Parameters
Name | Description |
---|---|
command
|
De opdracht die moet worden uitgevoerd of het pad van het uitvoerbare bestand/script ten opzichte Default value: None
|
name
|
De naam van de stap. Als u dit niet opgeeft, wordt het eerste woord in de Default value: None
|
compute_target
|
Het te gebruiken rekendoel. Als dit niet wordt opgegeven, wordt het doel van de Default value: None
|
runconfig
|
Het optionele configuratieobject dat de informatie bevat die nodig is om een trainingsuitvoering in een experiment in te dienen. Default value: None
|
runconfig_pipeline_params
|
<xref:<xref:{str: PipelineParameter}>>
Onderdrukkingen van runconfig-eigenschappen tijdens runtime met behulp van sleutel-waardeparen elk met de naam van de eigenschap runconfig en PipelineParameter voor die eigenschap. Ondersteunde waarden: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount' Default value: None
|
inputs
|
list[InputPortBinding of
DataReference of
PortDataReference of
PipelineData of
<xref:azureml.pipeline.core.pipeline_output_dataset.PipelineOutputDataset> of
DatasetConsumptionConfig]
Een lijst met invoerpoortbindingen. Default value: None
|
outputs
|
Een lijst met uitvoerpoortbindingen. Default value: None
|
params
|
Een woordenlijst met naam-waardeparen die zijn geregistreerd als omgevingsvariabelen met 'AML_PARAMETER_'. Default value: None
|
source_directory
|
Een map met scripts, conda env en andere resources die in de stap worden gebruikt. Default value: None
|
allow_reuse
|
Hiermee wordt aangegeven of de vorige resultaten opnieuw moeten worden gebruikt wanneer de stap opnieuw wordt uitgevoerd met dezelfde instellingen. Hergebruik is standaard ingeschakeld. Als de inhoud van de stap (scripts/afhankelijkheden) en de invoer en parameters ongewijzigd blijven, wordt de uitvoer van de vorige uitvoering van deze stap opnieuw gebruikt. Wanneer u de stap opnieuw gebruikt, worden de resultaten van de vorige uitvoering onmiddellijk beschikbaar gesteld voor eventuele volgende stappen in plaats van de taak te verzenden om te berekenen. Als u Azure Machine Learning-gegevenssets als invoer gebruikt, wordt hergebruik bepaald door of de definitie van de gegevensset is gewijzigd, niet door of de onderliggende gegevens zijn gewijzigd. Default value: True
|
version
|
Een optionele versietag om een wijziging in de functionaliteit voor de stap aan te geven. Default value: None
|
command
Vereist
|
De opdracht die moet worden uitgevoerd of het pad van het uitvoerbare bestand/script ten opzichte |
name
Vereist
|
De naam van de stap. Als u dit niet opgeeft, wordt het eerste woord in de |
compute_target
Vereist
|
Het te gebruiken rekendoel. Als dit niet wordt opgegeven, wordt het doel van de |
runconfig
Vereist
|
Het optionele configuratieobject dat de informatie bevat die nodig is om een trainingsuitvoering in een experiment in te dienen. |
runconfig_pipeline_params
Vereist
|
<xref:<xref:{str: PipelineParameter}>>
Onderdrukkingen van runconfig-eigenschappen tijdens runtime met behulp van sleutel-waardeparen elk met de naam van de eigenschap runconfig en PipelineParameter voor die eigenschap. Ondersteunde waarden: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount' |
inputs
Vereist
|
list[InputPortBinding of
DataReference of
PortDataReference of
PipelineData of
<xref:azureml.pipeline.core.pipeline_output_dataset.PipelineOutputDataset> of
DatasetConsumptionConfig]
Een lijst met invoerpoortbindingen. |
outputs
Vereist
|
Een lijst met uitvoerpoortbindingen. |
params
Vereist
|
Een woordenlijst met naam-waardeparen die zijn geregistreerd als omgevingsvariabelen met 'AML_PARAMETER_'. |
source_directory
Vereist
|
Een map met scripts, conda env en andere resources die in de stap worden gebruikt. |
allow_reuse
Vereist
|
Hiermee wordt aangegeven of de vorige resultaten opnieuw moeten worden gebruikt wanneer de stap opnieuw wordt uitgevoerd met dezelfde instellingen. Hergebruik is standaard ingeschakeld. Als de inhoud van de stap (scripts/afhankelijkheden) en de invoer en parameters ongewijzigd blijven, wordt de uitvoer van de vorige uitvoering van deze stap opnieuw gebruikt. Wanneer u de stap opnieuw gebruikt, worden de resultaten van de vorige uitvoering onmiddellijk beschikbaar gesteld voor eventuele volgende stappen in plaats van de taak te verzenden om te berekenen. Als u Azure Machine Learning-gegevenssets als invoer gebruikt, wordt hergebruik bepaald door of de definitie van de gegevensset is gewijzigd, niet door of de onderliggende gegevens zijn gewijzigd. |
version
Vereist
|
Een optionele versietag om een wijziging in de functionaliteit voor de stap aan te geven. |
Opmerkingen
Een CommandStep is een eenvoudige, ingebouwde stap voor het uitvoeren van een opdracht op het opgegeven rekendoel. Er wordt een opdracht gebruikt als parameter of van andere parameters, zoals runconfig. Er zijn ook andere optionele parameters nodig, zoals rekendoel, invoer en uitvoer. U moet een ScriptRunConfig of RunConfiguration gebruiken om vereisten voor de CommandStep op te geven, zoals aangepaste Docker-installatiekopieën.
De aanbevolen procedure voor het werken met CommandStep is om een afzonderlijke map voor het uitvoerbare bestand of script te gebruiken om afhankelijke bestanden uit te voeren die zijn gekoppeld aan de stap en die map op te geven met de source_directory
parameter . Het volgen van deze best practice heeft twee voordelen. Ten eerste helpt het de grootte van de momentopname te verkleinen die voor de stap is gemaakt, omdat alleen de momentopnamen worden gemaakt die nodig zijn voor de stap.
Ten tweede kan de uitvoer van de stap van een vorige uitvoering opnieuw worden gebruikt als er geen wijzigingen zijn in de source_directory
die een herupload van de momentopname activeren.
Voor de systeem bekende opdrachten source_directory
is niet vereist, maar u kunt deze nog steeds voorzien van afhankelijke bestanden die zijn gekoppeld aan de stap.
In het volgende codevoorbeeld ziet u hoe u een CommandStep gebruikt in een trainingsscenario voor machine learning. Bestanden weergeven in Linux:
from azureml.pipeline.steps import CommandStep
trainStep = CommandStep(name='list step',
command='ls -lrt',
compute_target=compute_target)
Een Python-script uitvoeren:
from azureml.pipeline.steps import CommandStep
trainStep = CommandStep(name='train step',
command='python train.py arg1 arg2',
source_directory=project_folder,
compute_target=compute_target)
Een Python-script uitvoeren via ScriptRunConfig:
from azureml.core import ScriptRunConfig
from azureml.pipeline.steps import CommandStep
train_src = ScriptRunConfig(source_directory=script_folder,
command='python train.py arg1 arg2',
environment=my_env)
trainStep = CommandStep(name='train step',
runconfig=train_src)
Zie https://aka.ms/pl-first-pipeline voor meer informatie over het maken van pijplijnen in het algemeen.
Methoden
create_node |
Maak een knooppunt voor CommandStep en voeg dit toe aan de opgegeven grafiek. Deze methode is niet bedoeld om rechtstreeks te worden gebruikt. Wanneer een pijplijn wordt geïnstantieerd met deze stap, geeft Azure ML automatisch de vereiste parameters door via deze methode, zodat deze stap kan worden toegevoegd aan een pijplijngrafiek die de werkstroom vertegenwoordigt. |
create_node
Maak een knooppunt voor CommandStep en voeg dit toe aan de opgegeven grafiek.
Deze methode is niet bedoeld om rechtstreeks te worden gebruikt. Wanneer een pijplijn wordt geïnstantieerd met deze stap, geeft Azure ML automatisch de vereiste parameters door via deze methode, zodat deze stap kan worden toegevoegd aan een pijplijngrafiek die de werkstroom vertegenwoordigt.
create_node(graph, default_datastore, context)
Parameters
Name | Description |
---|---|
graph
Vereist
|
Het grafiekobject waaraan u het knooppunt wilt toevoegen. |
default_datastore
Vereist
|
Het standaardgegevensarchief. |
context
Vereist
|
<xref:_GraphContext>
De grafiekcontext. |
Retouren
Type | Description |
---|---|
Het gemaakte knooppunt. |