ParallelRunStep Classe

Cria uma etapa de Pipeline do Azure Machine Learning para processar grandes volumes de dados de maneira assíncrona e paralela.

Para obter um exemplo de uso do ParallelRunStep, confira o https://aka.ms/batch-inference-notebooks do notebook.

Para obter o guia de solução de problemas, confira https://aka.ms/prstsg. Você pode encontrar mais referências nesse guia.

Crie uma etapa do Pipeline do Azure ML para processar grandes quantidades de dados de forma assíncrona e paralela.

Para obter um exemplo de como usar ParallelRunStep, consulte o link https://aka.ms/batch-inference-notebooksdo notebook .

Herança

azureml.pipeline.core._parallel_run_step_base._ParallelRunStepBase

ParallelRunStep

Construtor

ParallelRunStep(name, parallel_run_config, inputs, output=None, side_inputs=None, arguments=None, allow_reuse=True)

Parâmetros

Nome	Description
name Obrigatório	str Nome da etapa. Deve ser exclusivo ao workspace, ter apenas letras minúsculas, números ou traços, começar com uma letra e ter entre 3 e 32 caracteres.
parallel_run_config Obrigatório	ParallelRunConfig Um objeto ParallelRunConfig usado para determinar as propriedades de execução necessárias.
inputs Obrigatório	list[Union[DatasetConsumptionConfig, PipelineOutputFileDataset, PipelineOutputTabularDataset]] Lista de conjuntos de dados de entrada. Todos os conjuntos de valores na lista devem ser do mesmo tipo. Os dados de entrada serão particionados para processamento paralelo. Cada conjunto de conjuntos da lista é particionado em minilotes separadamente, e cada um dos lotes é tratado igualmente no processamento paralelo.
output	Union[PipelineData, OutputPortBinding, OutputDatasetConfig] A associação de porta de saída pode ser usada por etapas de pipeline posteriores. Valor padrão: None
side_inputs	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputFileDataset, PipelineOutputTabularDataset, DatasetConsumptionConfig]] Lista de dados de referência de entrada lateral. As entradas laterais não serão particionadas como dados de entrada. Valor padrão: None
arguments	list[str] Lista de argumentos de linha de comando a serem passados para o entry_script do Python. Valor padrão: None
allow_reuse	bool Se a etapa deve reutilizar os resultados anteriores quando executada com as mesmas configurações/entradas. Se for false, uma nova execução sempre será gerada para essa etapa durante a execução do pipeline. Valor padrão: True
name Obrigatório	str Nome da etapa. Deve ser exclusivo ao workspace, ter apenas letras minúsculas, números ou traços, começar com uma letra e ter entre 3 e 32 caracteres.
parallel_run_config Obrigatório	ParallelRunConfig Um objeto ParallelRunConfig usado para determinar as propriedades de execução necessárias.
inputs Obrigatório	list[Union[DatasetConsumptionConfig, PipelineOutputFileDataset, PipelineOutputTabularDataset]] Lista de conjuntos de dados de entrada. Todos os conjuntos de valores na lista devem ser do mesmo tipo. Os dados de entrada serão particionados para processamento paralelo. Cada conjunto de conjuntos da lista é particionado em minilotes separadamente, e cada um dos lotes é tratado igualmente no processamento paralelo.
output Obrigatório	PipelineData, OutputPortBinding A associação de porta de saída pode ser usada por etapas de pipeline posteriores.
side_inputs Obrigatório	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputFileDataset, PipelineOutputTabularDataset, DatasetConsumptionConfig]] Lista de dados de referência de entrada lateral. As entradas laterais não serão particionadas como dados de entrada.
arguments Obrigatório	list[str] Lista de argumentos de linha de comando a serem passados para o entry_script do Python.
allow_reuse Obrigatório	bool Se a etapa deve reutilizar os resultados anteriores quando executada com as mesmas configurações/entradas. Se for false, uma nova execução sempre será gerada para essa etapa durante a execução do pipeline.

Comentários

ParallelRunStep pode ser usado para processar grandes quantidades de dados em paralelo. Casos de uso comuns são treinar um modelo de ML ou executar inferência offline para gerar previsões em um lote de observações. O ParallelRunStep funciona separando seus dados em lotes que são processados em paralelo. A contagem de nós de tamanho do lote e outros parâmetros que podem ser reduzidos para acelerar o processamento paralelo podem ser controlados com a classe ParallelRunConfig. O ParallelRunStep pode funcionar com TabularDataset ou FileDataset como entrada.

Para usar ParallelRunStep:

• Crie um objeto ParallelRunConfig para especificar como o processamento em lotes é executado, com parâmetros para controlar o tamanho do lote, o número de nós por destino de computação e uma referência ao script Python personalizado.

• Crie um objeto ParallelRunStep que usa o objeto ParallelRunConfig e defina entradas e saídas para a etapa.

• Use o objeto ParallelRunStep configurado em um Pipeline da mesma forma que faria com outros tipos de etapa de pipeline.

Exemplos de trabalho com classes ParallelRunStep e ParallelRunConfig para inferência em lote são discutidos nos seguintes artigos:

• Tutorial: criar um pipeline do Azure Machine Learning para pontuação de lote. Este artigo mostra como usar essas duas classes para pontuação em lote assíncrona em um pipeline e habilitar um ponto de extremidade REST para executar o pipeline.

• Execute a inferência de lote em grandes quantidades de dados usando o Azure Machine Learning. Este artigo mostra como processar grandes quantidades de dados de forma assíncrona e em paralelo com um script de inferência personalizado e um modelo de classificação de imagem pré-treinado baseia-se no conjunto de dados do MNIST.

   from azureml.pipeline.steps import ParallelRunStep, ParallelRunConfig

   parallel_run_config = ParallelRunConfig(
       source_directory=scripts_folder,
       entry_script=script_file,
       mini_batch_size="5",
       error_threshold=10,         # Optional, allowed failed count on mini batch items
       allowed_failed_count=15,    # Optional, allowed failed count on mini batches
       allowed_failed_percent=10,  # Optional, allowed failed percent on mini batches
       output_action="append_row",
       environment=batch_env,
       compute_target=compute_target,
       node_count=2)

   parallelrun_step = ParallelRunStep(
       name="predict-digits-mnist",
       parallel_run_config=parallel_run_config,
       inputs=[ named_mnist_ds ],
       output=output_dir,
       arguments=[ "--extra_arg", "example_value" ],
       allow_reuse=True
   )

Para obter mais informações sobre esse exemplo, confira o https://aka.ms/batch-inference-notebooks do notebook.

Métodos

create_module_def	Crie o objeto de definição do módulo que descreve a etapa. Esse método não deve ser usado diretamente.
create_node	Crie um nó para PythonScriptStep e adicione-o ao grafo especificado. Esse método não deve ser usado diretamente. Quando um pipeline é instanciado com ParallelRunStep, o Azure Machine Learning passa automaticamente os parâmetros necessários por meio desse método para que a etapa possa ser adicionada a um grafo de pipeline que representa o fluxo de trabalho.

create_module_def

Crie o objeto de definição do módulo que descreve a etapa.

Esse método não deve ser usado diretamente.

create_module_def(execution_type, input_bindings, output_bindings, param_defs=None, create_sequencing_ports=True, allow_reuse=True, version=None, arguments=None)

Parâmetros

Nome	Description
execution_type Obrigatório	str O tipo de execução do módulo.
input_bindings Obrigatório	list As associações de entrada da etapa.
output_bindings Obrigatório	list As associações de saída da etapa.
param_defs	list As definições de parâmetros da etapa. Valor padrão: None
create_sequencing_ports	bool Se true, as portas de sequenciamento serão criadas para o módulo. Valor padrão: True
allow_reuse	bool Se true, o módulo estará disponível para ser reutilizado em futuros pipelines. Valor padrão: True
version	str A versão do módulo. Valor padrão: None
arguments	list Lista de argumentos anotados a ser usada ao chamar esse módulo. Valor padrão: None

Retornos

Tipo	Description
ModuleDef	O objeto de definição do módulo.

create_node

Crie um nó para PythonScriptStep e adicione-o ao grafo especificado.

Esse método não deve ser usado diretamente. Quando um pipeline é instanciado com ParallelRunStep, o Azure Machine Learning passa automaticamente os parâmetros necessários por meio desse método para que a etapa possa ser adicionada a um grafo de pipeline que representa o fluxo de trabalho.

create_node(graph, default_datastore, context)

Parâmetros

Nome	Description
graph Obrigatório	Graph Objeto de gráfico.
default_datastore Obrigatório	AbstractAzureStorageDatastore ou AzureDataLakeDatastore Armazenamento de dados padrão.
context Obrigatório	<xref:azureml.pipeline.core._GraphContext> Contexto.

Retornos

Tipo	Description
Node	O nó criado.