Udostępnij za pośrednictwem

ModuleStep Klasa

  • Odwołanie

Tworzy krok potoku usługi Azure Machine Learning, aby uruchomić określoną wersję modułu.

Module obiekty definiują obliczenia wielokrotnego użytku, takie jak skrypty lub pliki wykonywalne, które mogą być używane w różnych scenariuszach uczenia maszynowego i przez różnych użytkowników. Aby użyć określonej wersji modułu w potoku, utwórz modułKrok. ModułKrok to krok w potoku, który używa istniejącego ModuleVersionelementu .

Przykład użycia modułuKrok można znaleźć w notesie https://aka.ms/pl-modulestep.

Utwórz krok potoku usługi Azure ML, aby uruchomić określoną wersję modułu.

Dziedziczenie
ModuleStepBase
ModuleStep

Konstruktor

ModuleStep(module=None, version=None, module_version=None, inputs_map=None, outputs_map=None, compute_target=None, runconfig=None, runconfig_pipeline_params=None, arguments=None, params=None, name=None, _workflow_provider=None)

Parametry

Nazwa Opis
module
Module

Moduł używany w kroku. Podaj parametr module lub, module_version ale nie oba.

Domyślna wartość: None
version
str

Wersja modułu używana w kroku.

Domyślna wartość: None
module_version
ModuleVersion

ModułVersion modułu używanego w kroku. Podaj parametr module lub, module_version ale nie oba.

Domyślna wartość: None
inputs_map
dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset, DatasetConsumptionConfig]]

Słownik, który mapuje nazwy definicji portów modułuVersion na dane wejściowe kroku.

Domyślna wartość: None
outputs_map
dict[str, Union[OutputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset]]

Słownik, który mapuje nazwy definicji portów modułuVersion na dane wyjściowe kroku.

Domyślna wartość: None
compute_target
Union[DsvmCompute, AmlCompute, RemoteCompute, HDInsightCompute, str, tuple]

Docelowy obiekt obliczeniowy do użycia. Jeśli nie zostanie określona, zostanie użyty element docelowy z konfiguracji runconfig. Może to być obiekt docelowy obliczeniowy lub nazwa ciągu docelowego obiektu obliczeniowego w obszarze roboczym. Opcjonalnie, jeśli obiekt docelowy obliczeniowy nie jest dostępny w czasie tworzenia potoku, możesz określić krotkę (nazwa obiektu docelowego obliczeniowego, typ docelowy obliczeniowy), aby uniknąć pobierania obiektu docelowego obliczeniowego (typ AmlCompute to "AmlCompute", a typ RemoteCompute to "VirtualMachine").

Domyślna wartość: None
runconfig
RunConfiguration

Opcjonalna funkcja RunConfiguration do użycia. Za pomocą polecenia RunConfiguration można określić dodatkowe wymagania dotyczące przebiegu, takie jak zależności conda i obraz platformy Docker.

Domyślna wartość: None
runconfig_pipeline_params
dict[str, PipelineParameter]

Zastąpienie właściwości runconfig w czasie wykonywania przy użyciu par klucz-wartość każdy z nazwami właściwości runconfig i PipelineParameter dla tej właściwości.

Obsługiwane wartości: "NodeCount", "MpiProcessCountPerNode", "TensorflowWorkerCount", "TensorflowParameterServerCount"

Domyślna wartość: None
arguments
list[str]

Lista argumentów wiersza polecenia dla pliku skryptu języka Python. Argumenty zostaną dostarczone do docelowego obiektu obliczeniowego za pomocą argumentów w funkcji RunConfiguration. Aby uzyskać więcej informacji na temat obsługi argumentów, takich jak symbole specjalne, zobacz argumenty w RunConfiguration

Domyślna wartość: None
params
dict[str, str]

Słownik par name-value.

Domyślna wartość: None
name
str

Nazwa kroku.

Domyślna wartość: None
_workflow_provider
<xref:azureml.pipeline.core._aeva_provider._AevaWorkflowProvider>

(Tylko użycie wewnętrzne). Dostawca przepływu pracy.

Domyślna wartość: None
module
Wymagane
Module

Moduł używany w kroku. Podaj parametr module lub, module_version ale nie oba.
version
Wymagane
str

Wersja modułu używana w kroku.
module_version
Wymagane
ModuleVersion

ModuleVersion modułu użytego w kroku. Podaj parametr module lub, module_version ale nie oba.
inputs_map
Wymagane
dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, <xref:azureml.pipeline.core.pipeline_output_dataset.PipelineOutputDataset>, DatasetConsumptionConfig]]

Słownik, który mapuje nazwy definicji portów modułuVersion na dane wejściowe kroku.
outputs_map
Wymagane
dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, <xref:azureml.pipeline.core.pipeline_output_dataset.PipelineOutputDataset>]]

Słownik, który mapuje nazwy definicji portów modułuVersion na dane wyjściowe kroku.
compute_target
Wymagane
Union[DsvmCompute, AmlCompute, RemoteCompute, HDInsightCompute, str, tuple]

Docelowy obiekt obliczeniowy do użycia. Jeśli nie zostanie określona, zostanie użyty element docelowy z konfiguracji runconfig. Może to być obiekt docelowy obliczeniowy lub nazwa ciągu docelowego obiektu obliczeniowego w obszarze roboczym. Opcjonalnie, jeśli obiekt docelowy obliczeniowy nie jest dostępny w czasie tworzenia potoku, możesz określić krotkę (nazwa obiektu docelowego obliczeniowego, typ docelowy obliczeniowy), aby uniknąć pobierania obiektu docelowego obliczeniowego (typ AmlCompute to "AmlCompute", a typ RemoteCompute to "VirtualMachine").
runconfig
Wymagane
RunConfiguration

Opcjonalna funkcja RunConfiguration do użycia. Za pomocą polecenia RunConfiguration można określić dodatkowe wymagania dotyczące przebiegu, takie jak zależności conda i obraz platformy Docker.
runconfig_pipeline_params
Wymagane
dict[str, PipelineParameter]

Zastąpienie właściwości runconfig w czasie wykonywania przy użyciu par klucz-wartość każdy z nazwami właściwości runconfig i PipelineParameter dla tej właściwości.

Obsługiwane wartości: "NodeCount", "MpiProcessCountPerNode", "TensorflowWorkerCount", "TensorflowParameterServerCount"
arguments
Wymagane
list[str]

Lista argumentów wiersza polecenia dla pliku skryptu języka Python. Argumenty zostaną dostarczone do docelowego obiektu obliczeniowego za pomocą argumentów w funkcji RunConfiguration. Aby uzyskać więcej informacji na temat obsługi argumentów, takich jak symbole specjalne, zobacz argumenty w RunConfiguration
params
Wymagane
dict[str, str]

Słownik par name-value.
name
Wymagane
str

Nazwa kroku.
_wokflow_provider
Wymagane

(Tylko użycie wewnętrzne). Dostawca przepływu pracy.

Uwagi

Element służy Module do tworzenia jednostki obliczeniowej usługi Azure Machine Learning i zarządzania nią. ModuleStep to wbudowany krok w usłudze Azure Machine Learning używany do korzystania z modułu. Możesz zdefiniować w szczególności, który element ModuleVersion ma być używany, lub pozwolić usłudze Azure Machine Learning rozpoznać, który element ModuleVersion ma być używany zgodnie z procesem rozpoznawania zdefiniowanym w sekcji uwagi klasy Module . Aby zdefiniować, który element ModuleVersion jest używany w przesłanym potoku, zdefiniuj jeden z następujących elementów podczas tworzenia modułuKrok:

  • Obiekt ModuleVersion.

  • Module Obiekt i wartość wersji.

  • Module Obiekt bez wartości wersji. W takim przypadku rozwiązanie wersji może się różnić w zależności od przesyłania.

Należy zdefiniować mapowanie między danymi wejściowymi i wyjściowymi modułu moduleStep do danych wejściowych i wyjściowych moduleVersion.

W poniższym przykładzie pokazano, jak utworzyć element ModuleStep jako część potoku z wieloma obiektami ModuleStep:


   middle_step = ModuleStep(module=module,
                            inputs_map= middle_step_input_wiring,
                            outputs_map= middle_step_output_wiring,
                            runconfig=RunConfiguration(), compute_target=aml_compute,
                            arguments = ["--file_num1", first_sum, "--file_num2", first_prod,
                                         "--output_sum", middle_sum, "--output_product", middle_prod])

Pełna próbka jest dostępna z witryny https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-how-to-use-modulestep.ipynb

Metody

create_node

Utwórz węzeł z kroku ModuleStep i dodaj go do określonego grafu.

Ta metoda nie jest przeznaczona do użycia bezpośrednio. Po utworzeniu wystąpienia potoku w tym kroku usługa Azure ML automatycznie przekazuje parametry wymagane za pomocą tej metody, aby można było dodać krok do wykresu potoku reprezentującego przepływ pracy.

create_node

Utwórz węzeł z kroku ModuleStep i dodaj go do określonego grafu.

Ta metoda nie jest przeznaczona do użycia bezpośrednio. Po utworzeniu wystąpienia potoku w tym kroku usługa Azure ML automatycznie przekazuje parametry wymagane za pomocą tej metody, aby można było dodać krok do wykresu potoku reprezentującego przepływ pracy.

create_node(graph, default_datastore, context)

Parametry

Nazwa Opis
graph
Wymagane
Graph

Obiekt grafu, do który ma zostać dodany węzeł.
default_datastore
Wymagane
Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]

Domyślny magazyn danych.
context
Wymagane
<xref:azureml.pipeline.core._GraphContext>

Kontekst grafu.

Zwraca

Typ Opis
Node

Obiekt węzła.