MpiStep Classe

Cria uma etapa de pipeline do Azure ML para executar um trabalho MPI.

Para obter um exemplo de utilização do MpiStep, consulte o bloco de notas https://aka.ms/pl-style-trans.

Crie uma etapa de pipeline do Azure ML para executar um trabalho MPI.

PRETERIDO. Use o CommandStep em vez disso. Para obter um exemplo , consulte Como executar treinamento distribuído em pipelines com CommandStep.

Construtor

MpiStep(name=None, source_directory=None, script_name=None, arguments=None, compute_target=None, node_count=None, process_count_per_node=None, inputs=None, outputs=None, allow_reuse=True, version=None, hash_paths=None, **kwargs)

Parâmetros

Name	Description
name	str [Obrigatório] O nome do módulo. Default value: None
source_directory	str [Obrigatório] Uma pasta que contém script Python, conda env e outros recursos usados na etapa. Default value: None
script_name	str [Obrigatório] O nome de um script Python relativo a source_directory. Default value: None
arguments	list [Obrigatório] Uma lista de argumentos de linha de comando. Default value: None
compute_target	AmlCompute, str [Obrigatório] Um destino de computação a ser usado. Default value: None
node_count	int [Obrigatório] O número de nós no destino de computação usado para treinamento. Se maior que 1, um trabalho distribuído mpi será executado. Somente o destino de computação AmlCompute é suportado para trabalhos distribuídos. Os valores PipelineParameter são suportados. Default value: None
process_count_per_node	int [Obrigatório] O número de processos por nó. Se maior que 1, um trabalho distribuído mpi será executado. Somente o destino de computação AmlCompute é suportado para trabalhos distribuídos. Os valores PipelineParameter são suportados. Default value: None
inputs	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset, DatasetConsumptionConfig]] Uma lista de ligações de porta de entrada. Default value: None
outputs	list[Union[PipelineData, PipelineOutputAbstractDataset, OutputPortBinding]] Uma lista de ligações de porta de saída. Default value: None
params Necessário	dict Um dicionário de pares nome-valor registrados como variáveis de ambiente com "AML_PARAMETER_".
allow_reuse	bool Indica se a etapa deve reutilizar os resultados anteriores ao ser executada novamente com as mesmas configurações. A reutilização está ativada por predefinição. Se o conteúdo da etapa (scripts/dependências), bem como as entradas e os parâmetros permanecerem inalterados, a saída da execução anterior desta etapa será reutilizada. Ao reutilizar a etapa, em vez de enviar o trabalho para computação, os resultados da execução anterior são imediatamente disponibilizados para quaisquer etapas subsequentes. Se você usar conjuntos de dados do Aprendizado de Máquina do Azure como entradas, a reutilização será determinada se a definição do conjunto de dados foi alterada, não se os dados subjacentes foram alterados. Default value: True
version	str Uma tag de versão opcional para indicar uma alteração na funcionalidade do módulo. Default value: None
hash_paths	list DEPRECATED: não é mais necessário. Uma lista de caminhos para hash ao verificar alterações no conteúdo da etapa. Se não forem detetadas alterações, o pipeline reutilizará o conteúdo da etapa de uma execução anterior. Por padrão, o conteúdo do source_directory é colocado em hash, exceto para arquivos listados em .amlignore ou .gitignore. Default value: None
use_gpu Necessário	bool Indica se o ambiente para executar o experimento deve suportar GPUs. Se True, uma imagem padrão do Docker baseada em GPU será usada no ambiente. Se False, uma imagem baseada em CPU será usada. As imagens docker padrão (CPU ou GPU) serão usadas somente se o custom_docker_image parâmetro não estiver definido. Essa configuração é usada somente em destinos de computação habilitados para Docker.
use_docker Necessário	bool Indica se o ambiente para executar o experimento deve ser baseado no Docker.
custom_docker_image Necessário	str O nome da imagem do Docker a partir da qual a imagem a ser usada para treinamento será construída. Se não estiver definida, uma imagem padrão baseada em CPU será usada como imagem base.
image_registry_details Necessário	ContainerRegistry Os detalhes do registro de imagem do Docker.
user_managed Necessário	bool Indica se o Azure ML reutiliza um ambiente Python existente; False significa que o Azure ML criará um ambiente Python com base na especificação de dependências conda.
conda_packages Necessário	list Uma lista de strings que representam pacotes conda a serem adicionados ao ambiente Python.
pip_packages Necessário	list Uma lista de strings que representam pacotes pip a serem adicionados ao ambiente Python.
pip_requirements_file_path Necessário	str O caminho relativo para o arquivo de texto de requisitos pip. Este parâmetro pode ser especificado em combinação com o pip_packages parâmetro.
environment_definition Necessário	EnvironmentDefinition O EnvironmentDefinition para o experimento. Inclui PythonSection e DockerSection e variáveis de ambiente. Qualquer opção de ambiente não exposta diretamente através de outros parâmetros à construção MpiStep pode ser definida usando environment_definition parâmetro. Se esse parâmetro for especificado, ele terá precedência sobre outros parâmetros relacionados ao ambiente, como use_gpu, custom_docker_image, conda_packages ou pip_packages e erros serão relatados nessas combinações inválidas.
name Necessário	str [Obrigatório] O nome do módulo.
source_directory Necessário	str [Obrigatório] Uma pasta que contém script Python, conda env e outros recursos usados na etapa.
script_name Necessário	str [Obrigatório] O nome de um script Python relativo a source_directory.
arguments Necessário	list [Obrigatório] Uma lista de argumentos de linha de comando.
compute_target Necessário	<xref:azureml.core.compute.AmlComputeCompute>, str [Obrigatório] Um destino de computação a ser usado.
node_count Necessário	int [Obrigatório] Número de nós no destino de computação usado para treinamento. Se maior que 1, o trabalho distribuído mpi será executado. Somente o destino de computação AmlCompute é suportado para trabalhos distribuídos. Os valores PipelineParameter são suportados.
process_count_per_node Necessário	int [Obrigatório] Número de processos por nó. Se maior que 1, o trabalho distribuído mpi será executado. Somente o destino de computação AmlCompute é suportado para trabalhos distribuídos. Os valores PipelineParameter são suportados.
inputs Necessário	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset, DatasetConsumptionConfig]] Uma lista de ligações de porta de entrada.
outputs Necessário	list[Union[PipelineData, OutputDatasetConfig, PipelineOutputAbstractDataset, OutputPortBinding]] Uma lista de ligações de porta de saída.
params Necessário	dict Um dicionário de pares nome-valor registrados como variáveis de ambiente com ">>AML_PARAMETER_<<".
allow_reuse Necessário	bool Indica se a etapa deve reutilizar os resultados anteriores quando a execução repetida com os mesmos parâmetros permanece inalterada, a saída da execução anterior desta etapa é reutilizada. Ao reutilizar a etapa, em vez de enviar o trabalho para computação, os resultados da execução anterior são imediatamente disponibilizados para quaisquer etapas subsequentes. Se você usar conjuntos de dados do Aprendizado de Máquina do Azure como entradas, a reutilização será determinada se a definição do conjunto de dados foi alterada, não se os dados subjacentes foram alterados.
version Necessário	str Tag de versão opcional para indicar uma alteração na funcionalidade do módulo
hash_paths Necessário	list DEPRECATED: não é mais necessário. Uma lista de caminhos para hash ao verificar alterações no conteúdo da etapa. Se não forem detetadas alterações, o pipeline reutilizará o conteúdo da etapa de uma execução anterior. Por padrão, o conteúdo do source_directory é colocado em hash, exceto para arquivos listados em .amlignore ou .gitignore.
use_gpu Necessário	bool Indica se o ambiente para executar o experimento deve suportar GPUs. Se True, uma imagem padrão do Docker baseada em GPU será usada no ambiente. Se False, uma imagem baseada em CPU será usada. As imagens docker padrão (CPU ou GPU) serão usadas somente se o custom_docker_image parâmetro não estiver definido. Essa configuração é usada somente em destinos de computação habilitados para Docker.
use_docker Necessário	bool Indica se o ambiente para executar o experimento deve ser baseado no Docker. custom_docker_image (str): O nome da imagem docker a partir da qual a imagem a ser usada para o trabalho mpi será construída. Se não estiver definida, uma imagem padrão baseada em CPU será usada como imagem base.
custom_docker_image Necessário	str O nome da imagem do Docker a partir da qual a imagem a ser usada para treinamento será construída. Se não estiver definida, uma imagem padrão baseada em CPU será usada como imagem base.
image_registry_details Necessário	ContainerRegistry Os detalhes do registro de imagem do Docker.
user_managed Necessário	bool Indica se o Azure ML reutiliza um ambiente Python existente; False significa que o Azure ML criará um ambiente Python com base na especificação de dependências conda.
conda_packages Necessário	list Uma lista de strings que representam pacotes conda a serem adicionados ao ambiente Python.
pip_packages Necessário	list Uma lista de strings que representam pacotes pip a serem adicionados ao ambiente Python.
pip_requirements_file_path Necessário	str O caminho relativo para o arquivo de texto de requisitos pip. Este parâmetro pode ser especificado em combinação com o pip_packages parâmetro.
environment_definition Necessário	EnvironmentDefinition O EnvironmentDefinition para o experimento. Inclui PythonSection e DockerSection e variáveis de ambiente. Qualquer opção de ambiente não exposta diretamente através de outros parâmetros à construção MpiStep pode ser definida usando environment_definition parâmetro. Se esse parâmetro for especificado, ele terá precedência sobre outros parâmetros relacionados ao ambiente, como use_gpu, custom_docker_image, conda_packages ou pip_packages e erros serão relatados nessas combinações inválidas.