PipelineData Classe

Representa dados intermediários em um pipeline do Azure Machine Learning.

Os dados usados no pipeline podem ser produzidos por uma etapa e consumidos em outra etapa, fornecendo um objeto PipelineData como uma saída de uma etapa e uma entrada de uma ou mais etapas subsequentes.

Observe que se você estiver usando os dados do pipeline, verifique se o diretório usado existe.

Um exemplo do Python para garantir que o diretório exista, suponha que você tenha uma porta de saída chamada output_folder em uma etapa de pipeline, você deseja gravar alguns dados no caminho relativo nesta pasta.


   import os
   os.makedirs(args.output_folder, exist_ok=True)
   f = open(args.output_folder + '/relative_path/file_name', 'w+')

PipelineData use DataReference subjacente, que não é mais a abordagem recomendada para acesso e entrega de dados, use OutputFileDatasetConfig em vez disso, você pode encontrar um exemplo aqui: Pipeline usando OutputFileDatasetConfig.

Inicializar PipelineData.

Construtor

PipelineData(name, datastore=None, output_name=None, output_mode='mount', output_path_on_compute=None, output_overwrite=None, data_type=None, is_directory=None, pipeline_output_name=None, training_output=None)

Parâmetros

Nome	Description
name Obrigatório	str O nome do objeto PipelineData, que pode conter apenas letras, dígitos e sublinhados. Os nomes pipelineData são usados para identificar as saídas de uma etapa. Depois que uma execução de pipeline for concluída, você poderá usar o nome da etapa com um nome de saída para acessar uma saída específica. Os nomes devem ser exclusivos em uma única etapa em um pipeline.
datastore	AbstractAzureStorageDatastore ou AzureDataLakeDatastore O Datastore em que o PipelineData residirá. Se não for especificado, o armazenamento de dados padrão será usado. Valor padrão: None
output_name	str O nome da saída, se nenhum nome for usado. Pode conter apenas letras, dígitos e sublinhados. Valor padrão: None
output_mode	str Especifica se a etapa de produção usará o método "upload" ou "mount" para acessar os dados. Valor padrão: mount
output_path_on_compute	str For `output_mode` = "upload", esse parâmetro representa o caminho no qual o módulo grava a saída. Valor padrão: None
output_overwrite	bool For `output_mode` = "upload", esse parâmetro especifica se os dados existentes devem ser substituídos. Valor padrão: None
data_type	str Opcional. O tipo de dados pode ser usado para especificar o tipo esperado da saída e para detalhar como as etapas de consumo devem usar os dados. Pode ser qualquer cadeia de caracteres definida pelo usuário. Valor padrão: None
is_directory	bool Especifica se os dados são um diretório ou um único arquivo. Isso só é usado para determinar um tipo de dados usado pelo back-end do Azure ML quando o `data_type` parâmetro não é fornecido. O padrão é False. Valor padrão: None
pipeline_output_name	Se for fornecido, essa saída estará disponível usando `PipelineRun.get_pipeline_output()`. Os nomes de saída do pipeline devem ser exclusivos no pipeline. Valor padrão: None
training_output	TrainingOutput Define a saída para o resultado do treinamento. Isso é necessário apenas para treinamentos específicos que resultam em diferentes tipos de saídas, como Métricas e Modelo. Por exemplo, AutoMLStep resulta em métricas e modelos. Você também pode definir uma iteração ou métrica de treinamento específica usada para obter o melhor modelo. Para HyperDriveStep, você também pode definir os arquivos de modelo específicos a serem incluídos na saída. Valor padrão: None
name Obrigatório	str O nome do objeto PipelineData, que pode conter apenas letras, dígitos e sublinhados. Os nomes pipelineData são usados para identificar as saídas de uma etapa. Depois que uma execução de pipeline for concluída, você poderá usar o nome da etapa com um nome de saída para acessar uma saída específica. Os nomes devem ser exclusivos em uma única etapa em um pipeline.
datastore Obrigatório	AbstractAzureStorageDatastore ou AzureDataLakeDatastore O Datastore em que o PipelineData residirá. Se não for especificado, o armazenamento de dados padrão será usado.
output_name Obrigatório	str O nome da saída, se nenhum nome for usado. que pode conter apenas letras, dígitos e sublinhados.
output_mode Obrigatório	str Especifica se a etapa de produção usará o método "upload" ou "mount" para acessar os dados.
output_path_on_compute Obrigatório	str For `output_mode` = "upload", esse parâmetro representa o caminho no qual o módulo grava a saída.
output_overwrite Obrigatório	bool For `output_mode` = "upload", esse parâmetro especifica se os dados existentes devem ser substituídos.
data_type Obrigatório	str Opcional. O tipo de dados pode ser usado para especificar o tipo esperado da saída e para detalhar como as etapas de consumo devem usar os dados. Pode ser qualquer cadeia de caracteres definida pelo usuário.
is_directory Obrigatório	bool Especifica se os dados são um diretório ou um único arquivo. Isso só é usado para determinar um tipo de dados usado pelo back-end do Azure ML quando o `data_type` parâmetro não é fornecido. O padrão é False.
pipeline_output_name Obrigatório	str Se for fornecido, essa saída estará disponível usando `PipelineRun.get_pipeline_output()`. Os nomes de saída do pipeline devem ser exclusivos no pipeline.
training_output Obrigatório	TrainingOutput Define a saída para o resultado do treinamento. Isso é necessário apenas para treinamentos específicos que resultam em diferentes tipos de saídas, como Métricas e Modelo. Por exemplo, AutoMLStep resulta em métricas e modelos. Você também pode definir uma iteração ou métrica de treinamento específica usada para obter o melhor modelo. Para HyperDriveStep, você também pode definir os arquivos de modelo específicos a serem incluídos na saída.

Comentários

PipelineData representa a saída de dados que uma etapa produzirá quando for executada. Use PipelineData ao criar etapas para descrever os arquivos ou diretórios que serão gerados pela etapa. Essas saídas de dados serão adicionadas ao Armazenamento de Dados especificado e poderão ser recuperadas e exibidas posteriormente.

Por exemplo, a etapa de pipeline a seguir produz uma saída, chamada "model":


   from azureml.pipeline.core import PipelineData
   from azureml.pipeline.steps import PythonScriptStep

   datastore = ws.get_default_datastore()
   step_output = PipelineData("model", datastore=datastore)
   step = PythonScriptStep(script_name="train.py",
                           arguments=["--model", step_output],
                           outputs=[step_output],
                           compute_target=aml_compute,
                           source_directory=source_directory)

Nesse caso, o script train.py gravará o modelo que ele produz para o local fornecido para o script por meio do argumento –model.

Objetos PipelineData também são usados ao construir Pipelines para descrever dependências de etapas. Para especificar que uma etapa requer a saída de outra etapa como entrada, use um objeto PipelineData no construtor de ambas as etapas.

Por exemplo, a etapa de treinamento do pipeline depende da saída process_step_output da etapa do processo de pipeline:


   from azureml.pipeline.core import Pipeline, PipelineData
   from azureml.pipeline.steps import PythonScriptStep

   datastore = ws.get_default_datastore()
   process_step_output = PipelineData("processed_data", datastore=datastore)
   process_step = PythonScriptStep(script_name="process.py",
                                   arguments=["--data_for_train", process_step_output],
                                   outputs=[process_step_output],
                                   compute_target=aml_compute,
                                   source_directory=process_directory)
   train_step = PythonScriptStep(script_name="train.py",
                                 arguments=["--data_for_train", process_step_output],
                                 inputs=[process_step_output],
                                 compute_target=aml_compute,
                                 source_directory=train_directory)

   pipeline = Pipeline(workspace=ws, steps=[process_step, train_step])

Isso criará um Pipeline com duas etapas. A etapa do processo será executada primeiro e, depois de concluída, a etapa de trem será executada. O Azure ML fornecerá a saída produzida pela etapa de processo para a etapa de treinamento.

Confira esta página para obter mais exemplos de como usar o PipelineData para construir um Pipeline: https://aka.ms/pl-data-dep

Para tipos de computação com suporte, o PipelineData também pode ser usado para especificar como os dados serão produzidos e consumidos pela execução. Há dois métodos com suporte:

Montagem (padrão): os dados de entrada ou saída são montados no armazenamento local no nó de computação e uma variável de ambiente é definida que aponta para o caminho desses dados ($AZUREML_DATAREFERENCE_name). Por conveniência, você pode passar o objeto PipelineData como um dos argumentos para o script, por exemplo, usando o arguments parâmetro de PythonScriptStep, e o objeto será resolvido para o caminho para os dados. Para saídas, seu script de computação deve criar um arquivo ou diretório nesse caminho de saída. Para ver o valor da variável de ambiente usada quando você passa o objeto Pipeline como um argumento, use o get_env_variable_name método.
Upload: especifique um output_path_on_compute nome correspondente a um arquivo ou diretório que o script gerará. (As variáveis de ambiente não são usadas nesse caso.)

Métodos

as_dataset	Promova a saída intermediária em um conjunto de dados. Esse conjunto de dados existirá após a execução da etapa. Observe que a saída deve ser promovida para ser um conjunto de dados para que a entrada subsequente seja consumida como conjunto de dados. Se as_dataset não for chamado na saída, mas chamado apenas na entrada, ele será um nó e a entrada não será consumida como um conjunto de dados. O exemplo de código abaixo mostra um uso correto de as_dataset: `# as_dataset is called here and is passed to both the output and input of the next step. pipeline_data = PipelineData('output').as_dataset() step1 = PythonScriptStep(..., outputs=[pipeline_data]) step2 = PythonScriptStep(..., inputs=[pipeline_data])`
as_download	Consuma o PipelineData como download.
as_input	Crie um InputPortBinding e especifique um nome de entrada (mas use o modo padrão).
as_mount	Consuma o PipelineData como montagem.
create_input_binding	Criar associação de entrada.
get_env_variable_name	Retorne o nome da variável de ambiente para este PipelineData.

as_dataset

Promova a saída intermediária em um conjunto de dados.

Esse conjunto de dados existirá após a execução da etapa. Observe que a saída deve ser promovida para ser um conjunto de dados para que a entrada subsequente seja consumida como conjunto de dados. Se as_dataset não for chamado na saída, mas chamado apenas na entrada, ele será um nó e a entrada não será consumida como um conjunto de dados. O exemplo de código abaixo mostra um uso correto de as_dataset:


   # as_dataset is called here and is passed to both the output and input of the next step.
   pipeline_data = PipelineData('output').as_dataset()

   step1 = PythonScriptStep(..., outputs=[pipeline_data])
   step2 = PythonScriptStep(..., inputs=[pipeline_data])

as_dataset()

Retornos

Tipo	Description
PipelineOutputFileDataset	A saída intermediária como um conjunto de dados.

as_download

Consuma o PipelineData como download.

as_download(input_name=None, path_on_compute=None, overwrite=None)

Parâmetros

Nome	Description
input_name	str Use para especificar um nome para essa entrada. Valor padrão: None
path_on_compute	str O caminho na computação para o qual baixar. Valor padrão: None
overwrite	bool Use para indicar se os dados existentes devem ser substituídos. Valor padrão: None

Retornos

Tipo	Description
InputPortBinding	O InputPortBinding com este PipelineData como a origem.

as_input

Crie um InputPortBinding e especifique um nome de entrada (mas use o modo padrão).

as_input(input_name)

Parâmetros

Nome	Description
input_name Obrigatório	str Use para especificar um nome para essa entrada.

Retornos

Tipo	Description
InputPortBinding	O InputPortBinding com este PipelineData como a origem.

as_mount

Consuma o PipelineData como montagem.

as_mount(input_name=None)

Parâmetros

Nome	Description
input_name	str Use para especificar um nome para essa entrada. Valor padrão: None

Retornos

Tipo	Description
InputPortBinding	O InputPortBinding com este PipelineData como a origem.

create_input_binding

Criar associação de entrada.

create_input_binding(input_name=None, mode=None, path_on_compute=None, overwrite=None)

Parâmetros

Nome	Description
input_name	str O nome da entrada. Valor padrão: None
mode	str O modo para acessar o PipelineData ("montagem" ou "download"). Valor padrão: None
path_on_compute	str Para o modo "download", o caminho na computação em que os dados residirão. Valor padrão: None
overwrite	bool Para o modo "download", se deseja substituir os dados existentes. Valor padrão: None

Retornos

Tipo	Description
InputPortBinding	O InputPortBinding com este PipelineData como a origem.

get_env_variable_name

Retorne o nome da variável de ambiente para este PipelineData.

get_env_variable_name()

Retornos

Tipo	Description
str	O nome da variável de ambiente.

Atributos

data_type

Tipo de dados que serão produzidos.

Retornos

Tipo	Description
str	O nome do tipo de dados.

datastore

Armazenamento de dados no qual o PipelineData residirá.

Retornos

Tipo	Description
AbstractAzureStorageDatastore, AzureDataLakeDatastore	O objeto Datastore.

name

Nome do objeto PipelineData.

Retornos

Tipo	Description
str	Nome.

Comentários

Esta página foi útil?

Compartilhar via

PipelineData Classe

Construtor

Parâmetros

Comentários

Métodos

as_dataset

Retornos

as_download

Parâmetros

Retornos

as_input

Parâmetros

Retornos

as_mount

Parâmetros

Retornos

create_input_binding

Parâmetros

Retornos

get_env_variable_name

Retornos

Atributos

data_type

Retornos

datastore

Retornos

name

Retornos

Comentários