JobOperations Classe
Inicia uma instância de JobOperations
Esta classe não deve ser instanciada diretamente. Em vez disso, utilize o atributo tarefas de um objeto MLClient.
- Herança
-
azure.ai.ml._scope_dependent_operations._ScopeDependentOperationsJobOperations
Construtor
JobOperations(operation_scope: OperationScope, operation_config: OperationConfig, service_client_02_2023_preview: AzureMachineLearningWorkspaces, all_operations: OperationsContainer, credential: TokenCredential, **kwargs: Any)
Parâmetros
- operation_scope
- <xref:azure.ai.ml._scope_dependent_operations.OperationScope>
Variáveis de âmbito para as classes de operações de um objeto MLClient.
- operation_config
- <xref:azure.ai.ml._scope_dependent_operations.OperationConfig>
Configuração comum para classes de operações de um objeto MLClient.
- service_client_02_2023_preview
- <xref:azure.ai.ml._restclient.v2023_02_01_preview.AzureMachineLearningWorkspaces>
Cliente de serviço para permitir que os utilizadores finais operem em recursos da Área de Trabalho do Azure Machine Learning.
- all_operations
- <xref:azure.ai.ml._scope_dependent_operations.OperationsContainer>
Todas as classes de operações de um objeto MLClient.
Métodos
archive |
Arquiva uma tarefa. |
begin_cancel |
Cancela uma tarefa. |
create_or_update |
Cria ou atualiza uma tarefa. Se entidades como o Ambiente ou o Código estiverem definidas inline, serão criadas juntamente com a tarefa. |
download |
Transfere os registos e a saída de uma tarefa. |
get |
Obtém um recurso de tarefa. |
list |
Lista tarefas na área de trabalho. |
restore |
Restaura uma tarefa arquivada. |
show_services |
Obtém serviços associados ao nó de uma tarefa. |
stream |
Transmite os registos de uma tarefa em execução. |
validate |
Nota Este é um método experimental e pode ser alterado em qualquer altura. Para obter mais informações, veja https://aka.ms/azuremlexperimental. Valida um objeto tarefa antes de submeter para o serviço. Podem ser criados recursos anónimos se existirem entidades definidas inline, como Componente, Ambiente e Código. Apenas as tarefas de pipeline são suportadas para validação atualmente. |
archive
Arquiva uma tarefa.
archive(name: str) -> None
Parâmetros
Exceções
Gerado se não for possível encontrar nenhum trabalho com o nome especificado.
Exemplos
Arquivar um trabalho.
ml_client.jobs.archive(name=job_name)
begin_cancel
Cancela uma tarefa.
begin_cancel(name: str, **kwargs) -> LROPoller[None]
Parâmetros
Devoluções
Um poller para controlar o estado da operação.
Tipo de retorno
Exceções
Gerado se não for possível encontrar nenhum trabalho com o nome especificado.
create_or_update
Cria ou atualiza uma tarefa. Se entidades como o Ambiente ou o Código estiverem definidas inline, serão criadas juntamente com a tarefa.
create_or_update(job: Job, *, description: str | None = None, compute: str | None = None, tags: dict | None = None, experiment_name: str | None = None, skip_validation: bool = False, **kwargs) -> Job
Parâmetros
O nome da experimentação em que a tarefa será criada. Se Nenhum for fornecido, a tarefa será criada na experimentação "Predefinição".
- skip_validation
- bool
Especifica se deve ou não ignorar a validação antes de criar ou atualizar a tarefa. Tenha em atenção que a validação de recursos dependentes, como um componente anónimo, não será ignorada. A predefinição é Falso.
Devoluções
Tarefa criada ou atualizada.
Tipo de retorno
Exceções
Gerado se a Tarefa não puder ser validada com êxito. Os detalhes serão fornecidos na mensagem de erro.
Gerado se os recursos da tarefa (por exemplo, Dados, Código, Modelo, Ambiente) não puderem ser validados com êxito. Os detalhes serão fornecidos na mensagem de erro.
Gerado se o Modelo de tarefa não puder ser validado com êxito. Os detalhes serão fornecidos na mensagem de erro.
Gerado se o objeto ou atributos da tarefa estiverem corretamente formatados. Os detalhes serão fornecidos na mensagem de erro.
Gerado se o caminho local fornecido apontar para um diretório vazio.
Gerado se o Motor do Docker não estiver disponível para tarefa local.
Exemplos
Criar uma nova tarefa e, em seguida, atualizar a computação.
from azure.ai.ml import load_job
created_job = ml_client.jobs.create_or_update(
name=job_name,
job=load_job(
"./sdk/ml/azure-ai-ml/tests/test_configs/command_job/command_job_test_local_env.yml",
params_override=[{"name": job_name}, {"compute": "cpucluster"}],
),
)
download
Transfere os registos e a saída de uma tarefa.
download(name: str, *, download_path: PathLike | str = '.', output_name: str | None = None, all: bool = False) -> None
Parâmetros
O caminho local a utilizar como destino de transferência. A predefinição é ".".
- all
- bool
Especifica se todos os registos e saídas com nome devem ser transferidos. A predefinição é Falso.
Exceções
Gerado se Job ainda não estiver num estado terminal. Os detalhes serão fornecidos na mensagem de erro.
Gerado se os registos e as saídas não puderem ser transferidos com êxito. Os detalhes serão fornecidos na mensagem de erro.
Exemplos
Transferir todos os registos e saídas nomeadas da tarefa "job-1" para o diretório local "job-1-logs".
ml_client.jobs.download(name=job_name, download_path="./job-1-logs", all=True)
get
Obtém um recurso de tarefa.
get(name: str) -> Job
Parâmetros
Devoluções
Objeto de tarefa obtido do serviço.
Tipo de retorno
Exceções
Gerado se não for possível encontrar nenhum trabalho com o nome especificado.
Gerado se o parâmetro name não for uma cadeia.
Exemplos
A obter uma tarefa com o nome "iris-dataset-job-1".
retrieved_job = ml_client.jobs.get(job_name)
list
Lista tarefas na área de trabalho.
list(*, parent_job_name: str | None = None, list_view_type: ListViewType = ListViewType.ACTIVE_ONLY, **kwargs) -> Iterable[Job]
Parâmetros
Quando fornecido, só devolve tarefas subordinadas da tarefa nomeada. A predefinição é Nenhuma, listando todas as tarefas na área de trabalho.
- list_view_type
- ListViewType
O tipo de vista para incluir/excluir tarefas arquivadas. A predefinição é ~azure.mgt.machinelearningservices.models.ListViewType.ACTIVE_ONLY, excluindo tarefas arquivadas.
Devoluções
Uma instância semelhante a iterador de objetos de Tarefa.
Tipo de retorno
Exceções
Gerado se não for possível encontrar nenhum trabalho com o nome especificado.
Exemplos
Obter uma lista das tarefas arquivadas numa área de trabalho com a tarefa principal denominada "iris-dataset-jobs".
from azure.ai.ml._restclient.v2023_04_01_preview.models import ListViewType
list_of_jobs = ml_client.jobs.list(parent_job_name=job_name, list_view_type=ListViewType.ARCHIVED_ONLY)
restore
Restaura uma tarefa arquivada.
restore(name: str) -> None
Parâmetros
Exceções
Gerado se não for possível encontrar nenhum trabalho com o nome especificado.
Exemplos
Restaurar uma tarefa arquivada.
ml_client.jobs.restore(name=job_name)
show_services
Obtém serviços associados ao nó de uma tarefa.
show_services(name: str, node_index: int = 0) -> Dict[str, ServiceInstance]
Parâmetros
Devoluções
Os serviços associados à tarefa para o nó especificado.
Tipo de retorno
Exceções
Gerado se não for possível encontrar nenhum trabalho com o nome especificado.
Exemplos
Obter os serviços associados ao 1º nó de uma tarefa.
job_services = ml_client.jobs.show_services(job_name)
stream
Transmite os registos de uma tarefa em execução.
stream(name: str) -> None
Parâmetros
Exceções
Gerado se não for possível encontrar nenhum trabalho com o nome especificado.
Exemplos
Transmitir em fluxo uma tarefa em execução.
running_job = ml_client.jobs.create_or_update(
load_job(
"./sdk/ml/azure-ai-ml/tests/test_configs/command_job/command_job_test_local_env.yml",
params_override=[{"name": job_name}, {"compute": "cpucluster"}],
)
)
ml_client.jobs.stream(running_job.name)
validate
Nota
Este é um método experimental e pode ser alterado em qualquer altura. Para obter mais informações, veja https://aka.ms/azuremlexperimental.
Valida um objeto tarefa antes de submeter para o serviço. Podem ser criados recursos anónimos se existirem entidades definidas inline, como Componente, Ambiente e Código. Apenas as tarefas de pipeline são suportadas para validação atualmente.
validate(job: Job, *, raise_on_failure: bool = False, **kwargs) -> ValidationResult
Parâmetros
- raise_on_failure
- bool
Especifica se deve ser gerado um erro se a validação falhar. A predefinição é Falso.
Devoluções
Um objeto ValidationResult que contém todos os erros encontrados.
Tipo de retorno
Exceções
Gerado se não for possível encontrar nenhum trabalho com o nome especificado.
Exemplos
Validar um objeto PipelineJob e imprimir os erros encontrados.
from azure.ai.ml import load_job
from azure.ai.ml.entities import PipelineJob
pipeline_job: PipelineJob = load_job(
"./sdk/ml/azure-ai-ml/tests/test_configs/pipeline_jobs/invalid/combo.yml",
params_override=[{"name": job_name}, {"compute": "cpucluster"}],
)
print(ml_client.jobs.validate(pipeline_job).error_messages)
Azure SDK for Python