Input Klasa

Inicjowanie obiektu wejściowego.

Dziedziczenie

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

Input

Konstruktor

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

Parametry Tylko słowo kluczowe

Nazwa	Opis
type	str Typ danych wejściowych. Akceptowane wartości to "uri_folder", "uri_file", "mltable", "mlflow_model", "custom_model", "liczba całkowita", "liczba", "ciąg" i "wartość logiczna". Wartość domyślna to "uri_folder". wartość domyślna: uri_folder
path	Optional[str] Ścieżka do danych wejściowych. Ścieżki mogą być ścieżkami lokalnymi, zdalnymi zestawami danych lub zarejestrowanym identyfikatorem zasobu usługi AzureML.
mode	Optional[str] Tryb dostępu danych wejściowych. Akceptowane wartości to: "ro_mount": Zainstaluj dane w docelowym obiekcie obliczeniowym jako tylko do odczytu, "download": pobierz dane do docelowego obiektu obliczeniowego, "direct": przekaż identyfikator URI jako ciąg, który ma być dostępny w czasie wykonywania
default	Union[str, int, float, bool] Wartość domyślna danych wejściowych. Jeśli zostanie ustawiona wartość domyślna, dane wejściowe będą opcjonalne.
min	Union[int, float] Minimalna wartość danych wejściowych. Jeśli do zadania zostanie przekazana wartość mniejsza niż minimalna, wykonanie zadania zakończy się niepowodzeniem.
max	Union[int, float] Maksymalna wartość danych wejściowych. Jeśli wartość większa niż maksymalna zostanie przekazana do zadania, wykonanie zadania zakończy się niepowodzeniem.
optional	Optional[bool] Określa, czy dane wejściowe są opcjonalne.
description	Optional[str] Opis danych wejściowych
datastore	str Magazyn danych do przekazywania plików lokalnych.
intellectual_property	IntellectualProperty Własność intelektualna danych wejściowych.
enum Wymagane

Przykłady

Tworzenie zadania CommandJob z dwoma danymi wejściowymi.

   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),
   )

Metody

get
has_key
items
keys
update
values

get

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

Parametry

Nazwa	Opis
key Wymagane
default	wartość domyślna: None

has_key

has_key(k: Any) -> bool

Parametry

Nazwa	Opis
k Wymagane

items

items() -> list

keys

keys() -> list

update

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

values

values() -> list