OutputPortBinding Classe

  • Referência

Define uma saída com nome de um passo de pipeline.

OutputPortBinding pode ser utilizado para especificar o tipo de dados que serão produzidos por um passo e como os dados serão produzidos. Pode ser utilizado com InputPortBinding para especificar que a saída do passo é uma entrada necessária de outro passo.

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

name
str
Necessário

Nome do objeto OutputPortBinding, que só pode conter letras, dígitos e carateres de sublinhado.

datastore
Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]
valor predefinido: None

Arquivo de dados em que o PipelineData irá residir.

output_name
str
valor predefinido: None

Nome da saída, se nenhum nome for utilizado. Pode conter apenas letras, dígitos e carateres de sublinhado.

bind_mode
str
valor predefinido: mount

Especifica se o passo de produção utilizará o método "upload" ou "mount" ou "hdfs" para aceder aos dados.

path_on_compute
str
valor predefinido: None

Para o modo de "carregamento", o caminho para o qual o módulo escreve o resultado.

is_directory
bool
valor predefinido: None

Quer o resultado seja um diretório ou um único ficheiro.

overwrite
bool
valor predefinido: None

Para o modo de "carregamento", quer substitua os dados existentes.

data_type
str
valor predefinido: None

Opcional. O tipo de dados pode ser utilizado para especificar o tipo esperado da saída e para detalhar como os passos de consumo devem utilizar os dados. Pode ser qualquer cadeia definida pelo utilizador.

pipeline_output_name
str
valor predefinido: None

Se for fornecido, esta saída estará disponível com PipelineRun.get_pipeline_output(). Os nomes de saída do pipeline têm de ser exclusivos no pipeline.

training_output
TrainingOutput
valor predefinido: None

Define a saída para o resultado da preparação. Isto só é necessário para preparações específicas que resultem em diferentes tipos de saídas, como Métricas e Modelo. Por exemplo, AutoMLStep resulta em métricas e modelos. Também pode definir uma iteração ou métrica de preparação específica utilizada para obter o melhor modelo. Para HyperDriveStepo , também pode definir os ficheiros de modelo específicos a incluir na saída.

dataset_registration
DatasetRegistration
valor predefinido: None

Opcional. Este é um parâmetro interno. Em vez disso, deve utilizar PipelineData.as_dataset.

dataset_output
OutputDatasetConfig
valor predefinido: None

Opcional. Este é um parâmetro interno. Deve utilizar OutputFileDatasetConfig intead.

name
str
Necessário

Nome do objeto OutputPortBinding, que só pode conter letras, dígitos e carateres de sublinhado.

datastore
Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]
Necessário

Arquivo de dados em que o PipelineData irá residir.

output_name
str
Necessário

Nome da saída, se nenhum nome for utilizado. Só pode conter letras, dígitos e carateres de sublinhado.

bind_mode
str
Necessário

Especifica se o passo de produção utilizará o método "upload" ou "mount" ou "hdfs" para aceder aos dados.

path_on_compute
str
Necessário

Para o modo de "carregamento", o caminho para o qual o módulo escreve o resultado.

is_directory
bool
Necessário

se a saída for um diretório

overwrite
bool
Necessário

Para o modo de "carregamento", quer substitua os dados existentes.

data_type
str
Necessário

Opcional. O tipo de dados pode ser utilizado para especificar o tipo esperado da saída e para detalhar como os passos de consumo devem utilizar os dados. Pode ser qualquer cadeia definida pelo utilizador.

pipeline_output_name
str
Necessário

Se for fornecido, esta saída estará disponível com PipelineRun.get_pipeline_output(). Os nomes de saída do pipeline têm de ser exclusivos no pipeline.

training_output
TrainingOutput
Necessário

Define a saída para o resultado da preparação. Isto só é necessário para preparações específicas que resultem em diferentes tipos de saídas, como Métricas e Modelo. Por exemplo, AutoMLStep resulta em métricas e modelos. Também pode definir uma iteração ou métrica de preparação específica utilizada para obter o melhor modelo. Para HyperDriveStepo , também pode definir os ficheiros de modelo específicos a incluir na saída.

dataset_registration
DatasetRegistration
Necessário

Opcional. Este é um parâmetro interno. Em vez disso, deve utilizar PipelineData.as_dataset.

dataset_output
OutputDatasetConfig
Necessário

Opcional. Este é um parâmetro interno. Deve utilizar OutputFileDatasetConfig intead.

Observações

OutputPortBinding pode ser utilizado de forma PipelineData semelhante à criação de um Pipeline para especificar entradas e saídas de passos. A diferença é que OutputPortBinding tem de ser utilizado InputPortBinding para ser consumido como uma entrada para outro passo.

Um exemplo para construir um Pipeline com OutputPortBinding é o seguinte:


   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])

Esta ação irá criar um Pipeline com dois passos. O passo do processo será executado primeiro e, depois de concluído, o passo de preparação será executado. O Azure ML fornecerá a saída produzida pelo passo do processo, conforme descrito pelo objeto OutputPortBinding, para o passo de preparação.

Atributos

bind_mode

Obtenha o modo ("carregar" ou "montar" ou "hdfs") que o passo de produção utilizará para criar os dados.

Devoluções

O modo de enlace.

Tipo de retorno

str

data_type

Obtenha o tipo de dados que serão produzidos.

Devoluções

O nome do tipo de dados.

Tipo de retorno

str

dataset_registration

Obtenha as informações de registo do conjunto de dados.

Devoluções

As informações de registo do conjunto de dados.

Tipo de retorno

DatasetRegistration

datastore

Arquivo de dados em que o PipelineData irá residir.

Devoluções

O objeto Datastore.

Tipo de retorno

Union[<xref:azureml.data.azure_storage_datastore.AbstractAzureStorageDatastore,azureml.data.azure_data_lake_datastore.AzureDataLakeDatastore>]

is_directory

Se o resultado é um diretório.

Devoluções

is_directory

Tipo de retorno

bool

name

Nome do objeto OutputPortBinding.

Devoluções

O nome.

Tipo de retorno

str

overwrite

Para o modo de "carregamento", indique se deve substituir os dados existentes.

Devoluções

_overwrite

Tipo de retorno

bool

path_on_compute

Para o modo de "carregamento", o caminho para o qual o módulo escreve o resultado.

Devoluções

path_on_compute

Tipo de retorno

str

pipeline_output_name

Obtenha o nome da saída do pipeline correspondente a este OutputPortBinding.

Devoluções

O nome de saída do pipeline.

Tipo de retorno

str

training_output

Obtenha o resultado da preparação.

Devoluções

Saída da preparação

Tipo de retorno

TrainingOutput