Compartilhar via


Input Classe

Inicialize um objeto Input.

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

Construtor

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

Parâmetros somente de palavra-chave

Nome Description
type
str

O tipo da entrada de dados. Os valores aceitos são 'uri_folder', 'uri_file', 'mltable', 'mlflow_model', 'custom_model', 'integer', 'number', 'string' e 'boolean'. O padrão é "uri_folder".

valor padrão: uri_folder
path

O caminho para os dados de entrada. Os caminhos podem ser caminhos locais, uris de dados remotos ou uma ID de ativo do AzureML registrada.

mode

O modo de acesso da entrada de dados. Os valores aceitos são:

  • 'ro_mount': monte os dados no destino de computação como somente leitura,
  • 'download': baixe os dados para o destino de computação,
  • 'direct': passar o URI como uma cadeia de caracteres a ser acessada no runtime
default

O valor padrão da entrada. Se um padrão for definido, os dados de entrada serão opcionais.

min

O valor mínimo para a entrada. Se um valor menor que o mínimo for passado para o trabalho, a execução do trabalho falhará.

max

O valor máximo para a entrada. Se um valor maior que o máximo for passado para um trabalho, a execução do trabalho falhará.

optional

Especifica se a entrada é opcional.

description

Descrição da entrada

datastore
str

O armazenamento de dados para o qual carregar arquivos locais.

intellectual_property

Propriedade intelectual para a entrada.

enum
Obrigatório

Exemplos

Criando um CommandJob com duas entradas.


   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),
   )

Métodos

get
has_key
items
keys
update
values

get

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

Parâmetros

Nome Description
key
Obrigatório
default
valor padrão: None

has_key

has_key(k: Any) -> bool

Parâmetros

Nome Description
k
Obrigatório

items

items() -> list

keys

keys() -> list

update

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

values

values() -> list