JobOperations Klasa
Inicjuje wystąpienie funkcji JobOperations
Nie należy bezpośrednio utworzyć wystąpienia tej klasy. Zamiast tego należy użyć atrybutu jobs obiektu MLClient.
- Dziedziczenie
-
azure.ai.ml._scope_dependent_operations._ScopeDependentOperationsJobOperations
Konstruktor
JobOperations(operation_scope: OperationScope, operation_config: OperationConfig, service_client_02_2023_preview: AzureMachineLearningWorkspaces, all_operations: OperationsContainer, credential: TokenCredential, **kwargs: Any)
Parametry
- operation_scope
- <xref:azure.ai.ml._scope_dependent_operations.OperationScope>
Zmienne zakresu dla klas operacji obiektu MLClient.
- operation_config
- <xref:azure.ai.ml._scope_dependent_operations.OperationConfig>
Typowa konfiguracja dla klas operacji obiektu MLClient.
- service_client_02_2023_preview
- <xref:azure.ai.ml._restclient.v2023_02_01_preview.AzureMachineLearningWorkspaces>
Klient usługi umożliwia użytkownikom końcowym korzystanie z zasobów obszaru roboczego usługi Azure Machine Learning.
- all_operations
- <xref:azure.ai.ml._scope_dependent_operations.OperationsContainer>
Wszystkie klasy operacji obiektu MLClient.
Metody
archive |
Archiwizuje zadanie. |
begin_cancel |
Anuluje zadanie. |
create_or_update |
Tworzy lub aktualizuje zadanie. Jeśli jednostki, takie jak Środowisko lub Kod, są zdefiniowane w tekście, zostaną utworzone razem z zadaniem. |
download |
Pobiera dzienniki i dane wyjściowe zadania. |
get |
Pobiera zasób zadania. |
list |
Wyświetla listę zadań w obszarze roboczym. |
restore |
Przywraca zarchiwizowane zadanie. |
show_services |
Pobiera usługi skojarzone z węzłem zadania. |
stream |
Przesyła strumieniowo dzienniki uruchomionego zadania. |
validate |
Uwaga Jest to metoda eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental. Sprawdza poprawność obiektu zadania przed przesłaniem do usługi. Zasoby anonimowe mogą być tworzone, jeśli istnieją wbudowane zdefiniowane jednostki, takie jak Składnik, Środowisko i Kod. Obecnie tylko zadania potoku są obsługiwane na potrzeby walidacji. |
archive
Archiwizuje zadanie.
archive(name: str) -> None
Parametry
Wyjątki
Podniesione, jeśli nie można odnaleźć zadania o podanej nazwie.
Przykłady
Archiwizowanie zadania.
ml_client.jobs.archive(name=job_name)
begin_cancel
Anuluje zadanie.
begin_cancel(name: str, **kwargs) -> LROPoller[None]
Parametry
Zwraca
Poller do śledzenia stanu operacji.
Typ zwracany
Wyjątki
Podniesione, jeśli nie można odnaleźć zadania o podanej nazwie.
create_or_update
Tworzy lub aktualizuje zadanie. Jeśli jednostki, takie jak Środowisko lub Kod, są zdefiniowane w tekście, zostaną utworzone razem z zadaniem.
create_or_update(job: Job, *, description: str | None = None, compute: str | None = None, tags: dict | None = None, experiment_name: str | None = None, skip_validation: bool = False, **kwargs) -> Job
Parametry
Nazwa eksperymentu, w ramach których zostanie utworzone zadanie. Jeśli parametr Brak zostanie podany, zadanie zostanie utworzone w ramach eksperymentu "Default".
- skip_validation
- bool
Określa, czy należy pominąć walidację przed utworzeniem lub zaktualizowaniem zadania. Należy pamiętać, że weryfikacja zasobów zależnych, takich jak składnik anonimowy, nie zostanie pominięta. Wartość domyślna to False.
Zwraca
Utworzono lub zaktualizowano zadanie.
Typ zwracany
Wyjątki
Podniesione, jeśli nie można pomyślnie zweryfikować zadania. Szczegóły zostaną podane w komunikacie o błędzie.
Podniesione, jeśli nie można pomyślnie zweryfikować zasobów zadania (np. danych, kodu, modelu, środowiska). Szczegóły zostaną podane w komunikacie o błędzie.
Zgłoszone, jeśli nie można pomyślnie zweryfikować modelu zadań. Szczegóły zostaną podane w komunikacie o błędzie.
Zgłaszane, jeśli obiekt zadania lub atrybuty są poprawnie sformatowane. Szczegóły zostaną podane w komunikacie o błędzie.
Podniesiono, jeśli ścieżka lokalna wskazuje pusty katalog.
Zgłaszane, jeśli aparat platformy Docker nie jest dostępny dla zadania lokalnego.
Przykłady
Utworzenie nowego zadania, a następnie zaktualizowanie jego zasobów obliczeniowych.
from azure.ai.ml import load_job
created_job = ml_client.jobs.create_or_update(
name=job_name,
job=load_job(
"./sdk/ml/azure-ai-ml/tests/test_configs/command_job/command_job_test_local_env.yml",
params_override=[{"name": job_name}, {"compute": "cpucluster"}],
),
)
download
Pobiera dzienniki i dane wyjściowe zadania.
download(name: str, *, download_path: PathLike | str = '.', output_name: str | None = None, all: bool = False) -> None
Parametry
Ścieżka lokalna, która ma być używana jako miejsce docelowe pobierania. Wartość domyślna to ".".
- all
- bool
Określa, czy należy pobrać wszystkie dzienniki i nazwane dane wyjściowe. Wartość domyślna to False.
Wyjątki
Podniesione, jeśli zadanie nie jest jeszcze w stanie terminalu. Szczegóły zostaną podane w komunikacie o błędzie.
Zgłaszane, jeśli nie można pomyślnie pobrać dzienników i danych wyjściowych. Szczegóły zostaną podane w komunikacie o błędzie.
Przykłady
Pobranie wszystkich dzienników i nazwanych danych wyjściowych zadania "job-1" do katalogu lokalnego "job-1-logs".
ml_client.jobs.download(name=job_name, download_path="./job-1-logs", all=True)
get
Pobiera zasób zadania.
get(name: str) -> Job
Parametry
Zwraca
Obiekt zadania pobrany z usługi.
Typ zwracany
Wyjątki
Podniesione, jeśli nie można odnaleźć zadania o podanej nazwie.
Zgłaszane, jeśli parametr name nie jest ciągiem.
Przykłady
Pobieranie zadania o nazwie "iris-dataset-job-1".
retrieved_job = ml_client.jobs.get(job_name)
list
Wyświetla listę zadań w obszarze roboczym.
list(*, parent_job_name: str | None = None, list_view_type: ListViewType = ListViewType.ACTIVE_ONLY, **kwargs) -> Iterable[Job]
Parametry
Po podaniu funkcja zwraca tylko zadania podrzędne nazwanego zadania. Domyślnie ma wartość Brak, wyświetlając listę wszystkich zadań w obszarze roboczym.
- list_view_type
- ListViewType
Typ widoku dla dołączania/wykluczania zarchiwizowanych zadań. Wartość domyślna to ~azure.mgt.machinelearningservices.models.ListViewType.ACTIVE_ONLY z wyłączeniem zarchiwizowanych zadań.
Zwraca
Wystąpienie podobne do iteratora obiektów zadania.
Typ zwracany
Wyjątki
Podniesione, jeśli nie można odnaleźć zadania o podanej nazwie.
Przykłady
Pobieranie listy zarchiwizowanych zadań w obszarze roboczym z zadaniem nadrzędnym o nazwie "iris-dataset-jobs".
from azure.ai.ml._restclient.v2023_04_01_preview.models import ListViewType
list_of_jobs = ml_client.jobs.list(parent_job_name=job_name, list_view_type=ListViewType.ARCHIVED_ONLY)
restore
Przywraca zarchiwizowane zadanie.
restore(name: str) -> None
Parametry
Wyjątki
Podniesione, jeśli nie można odnaleźć zadania o podanej nazwie.
Przykłady
Przywracanie zarchiwizowanego zadania.
ml_client.jobs.restore(name=job_name)
show_services
Pobiera usługi skojarzone z węzłem zadania.
show_services(name: str, node_index: int = 0) -> Dict[str, ServiceInstance]
Parametry
Zwraca
Usługi skojarzone z zadaniem dla danego węzła.
Typ zwracany
Wyjątki
Podniesione, jeśli nie można odnaleźć zadania o podanej nazwie.
Przykłady
Pobieranie usług skojarzonych z węzłem 1 zadania.
job_services = ml_client.jobs.show_services(job_name)
stream
Przesyła strumieniowo dzienniki uruchomionego zadania.
stream(name: str) -> None
Parametry
Wyjątki
Podniesione, jeśli nie można odnaleźć zadania o podanej nazwie.
Przykłady
Przesyłanie strumieniowe uruchomionego zadania.
running_job = ml_client.jobs.create_or_update(
load_job(
"./sdk/ml/azure-ai-ml/tests/test_configs/command_job/command_job_test_local_env.yml",
params_override=[{"name": job_name}, {"compute": "cpucluster"}],
)
)
ml_client.jobs.stream(running_job.name)
validate
Uwaga
Jest to metoda eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental.
Sprawdza poprawność obiektu zadania przed przesłaniem do usługi. Zasoby anonimowe mogą być tworzone, jeśli istnieją wbudowane zdefiniowane jednostki, takie jak Składnik, Środowisko i Kod. Obecnie tylko zadania potoku są obsługiwane na potrzeby walidacji.
validate(job: Job, *, raise_on_failure: bool = False, **kwargs) -> ValidationResult
Parametry
- raise_on_failure
- bool
Określa, czy w przypadku niepowodzenia walidacji powinien zostać zgłoszony błąd. Wartość domyślna to False.
Zwraca
Obiekt ValidationResult zawierający wszystkie znalezione błędy.
Typ zwracany
Wyjątki
Podniesione, jeśli nie można odnaleźć zadania o podanej nazwie.
Przykłady
Sprawdzanie poprawności obiektu PipelineJob i drukowanie znalezionych błędów.
from azure.ai.ml import load_job
from azure.ai.ml.entities import PipelineJob
pipeline_job: PipelineJob = load_job(
"./sdk/ml/azure-ai-ml/tests/test_configs/pipeline_jobs/invalid/combo.yml",
params_override=[{"name": job_name}, {"compute": "cpucluster"}],
)
print(ml_client.jobs.validate(pipeline_job).error_messages)
Azure SDK for Python
Opinia
https://aka.ms/ContentUserFeedback.
Dostępne już wkrótce: W 2024 r. będziemy stopniowo wycofywać zgłoszenia z serwisu GitHub jako mechanizm przesyłania opinii na temat zawartości i zastępować go nowym systemem opinii. Aby uzyskać więcej informacji, sprawdź:Prześlij i wyświetl opinię dla