OutputPortBinding Classe

Define uma saída nomeada de uma etapa de pipeline.

OutputPortBinding pode ser usado para especificar o tipo de dados que serão produzidos por uma etapa e como os dados serão produzidos. Ele pode ser usado com InputPortBinding para especificar que a saída da etapa é uma entrada necessária de outra etapa.

Inicializar OutputPortBinding.

Herança

builtins.object

OutputPortBinding

Construtor

OutputPortBinding(name, datastore=None, output_name=None, bind_mode='mount', path_on_compute=None, is_directory=None, overwrite=None, data_type=None, pipeline_output_name=None, training_output=None, dataset_registration=None, dataset_output=None)

Parâmetros

Nome	Description
name Obrigatório	str Nome do objeto OutputPortBinding, que pode conter apenas letras, dígitos e sublinhados.
datastore	Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore] O Armazenamento de Dados no qual o PipelineData residirá. valor padrão: None
output_name	str Nome da saída, se o nome None for usado. Pode conter apenas letras, dígitos e sublinhados. valor padrão: None
bind_mode	str Especifica se a etapa de produção usará o método "upload" ou "mount" ou "hdfs" para acessar os dados. valor padrão: mount
path_on_compute	str Para o modo "upload", o caminho no qual o módulo grava a saída. valor padrão: None
is_directory	bool Se a saída é um diretório ou um único arquivo. valor padrão: None
overwrite	bool Para o modo "upload", se deseja substituir os dados existentes. valor padrão: None
data_type	str Opcional. O tipo de dados pode ser usado para especificar o tipo da saída esperado e para detalhar como as etapas de consumo deverão usar os dados. Pode ser qualquer cadeia de caracteres definida pelo usuário. valor padrão: None
pipeline_output_name	str Se fornecida, 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 do resultado do treinamento. É necessário apenas para treinamentos específicos que resultam em diferentes tipos de saídas, como Métricas e Modelo. Por exemplo, AutoMLStep resulta em métricas e modelo. Você também pode definir uma métrica ou iteração 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
dataset_registration	DatasetRegistration Opcional. Este é um parâmetro interno. Em vez disso, você deve usar PipelineData.as_dataset. valor padrão: None
dataset_output	OutputDatasetConfig Opcional. Este é um parâmetro interno. Você deve usar OutputFileDatasetConfig em vez disso. valor padrão: None
name Obrigatório	str Nome do objeto OutputPortBinding, que pode conter apenas letras, dígitos e sublinhados.
datastore Obrigatório	Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore] O Armazenamento de Dados no qual o PipelineData residirá.
output_name Obrigatório	str Nome da saída, se o nome None for usado. Só pode conter letras, dígitos e sublinhados.
bind_mode Obrigatório	str Especifica se a etapa de produção usará o método "upload" ou "mount" ou "hdfs" para acessar os dados.
path_on_compute Obrigatório	str Para o modo "upload", o caminho no qual o módulo grava a saída.
is_directory Obrigatório	bool se a saída for um diretório
overwrite Obrigatório	bool Para o modo "upload", se deseja substituir os dados existentes.
data_type Obrigatório	str Opcional. O tipo de dados pode ser usado para especificar o tipo da saída esperado e para detalhar como as etapas de consumo deverão usar os dados. Pode ser qualquer cadeia de caracteres definida pelo usuário.
pipeline_output_name Obrigatório	str Se fornecida, 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 do resultado do treinamento. É necessário apenas para treinamentos específicos que resultam em diferentes tipos de saídas, como Métricas e Modelo. Por exemplo, AutoMLStep resulta em métricas e modelo. Você também pode definir uma métrica ou iteração 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.
dataset_registration Obrigatório	DatasetRegistration Opcional. Este é um parâmetro interno. Em vez disso, você deve usar PipelineData.as_dataset.
dataset_output Obrigatório	OutputDatasetConfig Opcional. Este é um parâmetro interno. Você deve usar OutputFileDatasetConfig em vez disso.

Comentários

OutputPortBinding pode ser usado de maneira semelhante a PipelineData ao criar um Pipeline para especificar entradas e saídas de etapas. A diferença é que OutputPortBinding precisa ser usado com InputPortBinding para ser consumido como entrada para outra etapa.

Um exemplo para construir um Pipeline com OutputPortBinding é conforme a seguir:

   from azureml.pipeline.core import OutputPortBinding, InputPortBinding, Pipeline
   from azureml.pipeline.steps import PythonScriptStep

   step_1_output = OutputPortBinding("output", datastore=datastore)

   step_1 = PythonScriptStep(
       name='process data',
       script_name="process_data.py",
       compute_target=compute,
       arguments=["--output", step_1_output],
       outputs=[step_1_output]
   )

   step_2_input = InputPortBinding("input", bind_object=step_1_output)

   step_2 = PythonScriptStep(
       name='train',
       script_name="train.py",
       compute_target=compute,
       arguments=["--input", step_2_input],
       inputs=[step_2_input]
   )

   pipeline = Pipeline(workspace=workspace, steps=[step_1, step_2])

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

Atributos

bind_mode

Obtém o modo ("upload" ou "mount" ou "hdfs") que a etapa de produção usará para criar os dados.

Retornos

Tipo	Description
str	O modo de associação.

data_type

Obtém o tipo de dado que será produzido.

Retornos

Tipo	Description
str	O nome do tipo de dados.

dataset_registration

Obtém as informações de registro do conjunto de dados.

Retornos

Tipo	Description
DatasetRegistration	As informações de registro do conjunto de dados.

datastore

O Armazenamento de Dados no qual o PipelineData residirá.

Retornos

Tipo	Description
Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]	O objeto do armazenamento de dados.

is_directory

Se a saída é um diretório.

Retornos

Tipo	Description
bool	is_directory

name

O nome do objeto OutputPortBinding.

Retornos

Tipo	Description
str	O nome.

overwrite

Para o modo "upload", indique se os dados existentes devem ser substituídos.

Retornos

Tipo	Description
bool	_overwrite

path_on_compute

Para o modo "upload", o caminho no qual o módulo grava a saída.

Retornos

Tipo	Description
str	path_on_compute

pipeline_output_name

Obtém o nome da saída do pipeline correspondente a esse OutputPortBinding.

Retornos

Tipo	Description
str	O nome de saída do pipeline.

training_output

Obter a saída de treinamento.

Retornos

Tipo	Description
TrainingOutput	Saída de treinamento