MpiStep Classe

Cria um passo de pipeline do Azure ML para executar uma tarefa de MPI.

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

Crie um passo do pipeline do Azure ML para executar uma tarefa de MPI.

PRETERIDO. Em vez disso, utilize o CommandStep . Para obter um exemplo, veja Como executar a preparação distribuída em pipelines com CommandStep.

Herança

PythonScriptStep

MpiStep

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. valor predefinido: None
source_directory	str [Obrigatório] Uma pasta que contém script python, env conda e outros recursos utilizados no passo. valor predefinido: None
script_name	str [Obrigatório] O nome de um script python relativo a source_directory. valor predefinido: None
arguments	list [Obrigatório] Uma lista de argumentos da linha de comandos. valor predefinido: None
compute_target	AmlCompute, str [Obrigatório] Um destino de computação a utilizar. valor predefinido: None
node_count	int [Obrigatório] O número de nós no destino de computação utilizado para a preparação. Se for superior a 1, será executada uma tarefa distribuída por mpi. Apenas o destino de computação AmlCompute é suportado para tarefas distribuídas. Os valores pipelineParameter são suportados. valor predefinido: None
process_count_per_node	int [Obrigatório] O número de processos por nó. Se for superior a 1, será executada uma tarefa distribuída por mpi. Apenas o destino de computação AmlCompute é suportado para tarefas distribuídas. Os valores pipelineParameter são suportados. valor predefinido: None
inputs	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset, DatasetConsumptionConfig]] Uma lista de enlaces de porta de entrada. valor predefinido: None
outputs	list[Union[PipelineData, PipelineOutputAbstractDataset, OutputPortBinding]] Uma lista de enlaces de portas de saída. valor predefinido: None
params Necessário	dict Um dicionário de pares name-value registados como variáveis de ambiente com "AML_PARAMETER_".
allow_reuse	bool Indica se o passo deve reutilizar os resultados anteriores ao executar novamente com as mesmas definições. A reutilização está ativada por predefinição. Se o conteúdo do passo (scripts/dependências), bem como as entradas e os parâmetros permanecerem inalterados, o resultado da execução anterior deste passo será reutilizado. Ao reutilizar o passo, em vez de submeter a tarefa para computação, os resultados da execução anterior são imediatamente disponibilizados para quaisquer passos subsequentes. Se utilizar conjuntos de dados do Azure Machine Learning como entradas, a reutilização será determinada se a definição do conjunto de dados foi alterada e não se os dados subjacentes foram alterados. valor predefinido: True
version	str Uma etiqueta de versão opcional para denotar uma alteração na funcionalidade do módulo. valor predefinido: None
hash_paths	list PRETERIDO: já não é necessário. Uma lista de caminhos para hash ao verificar se existem alterações nos conteúdos do passo. Se não forem detetadas alterações, o pipeline reutilizará o conteúdo do passo de uma execução anterior. Por predefinição, os conteúdos de source_directory são transformados em hash, à exceção dos ficheiros listados em .amlignoree ou .gitignore. valor predefinido: None
use_gpu Necessário	bool Indica se o ambiente para executar a experimentação deve suportar GPUs. Se For Verdadeiro, será utilizada uma imagem predefinida do Docker baseada em GPU no ambiente. Se For Falso, será utilizada uma imagem baseada na CPU. As imagens predefinidas do docker (CPU ou GPU) só serão utilizadas se o custom_docker_image parâmetro não estiver definido. Esta definição é utilizada apenas em destinos de computação ativados pelo Docker.
use_docker Necessário	bool Indica se o ambiente para executar a experimentação deve ser baseado no Docker.
custom_docker_image Necessário	str Será criado o nome da imagem do Docker a partir da qual será criada a imagem a utilizar para preparação. Se não estiver definida, será utilizada uma imagem baseada na CPU predefinida como imagem base.
image_registry_details Necessário	ContainerRegistry Os detalhes do registo de imagens do Docker.
user_managed Necessário	bool Indica se o Azure ML reutiliza um ambiente Python existente; Falso significa que o Azure ML irá criar um ambiente Python com base na especificação de dependências de conda.
conda_packages Necessário	list Uma lista de cadeias que representam pacotes conda a serem adicionados ao ambiente python.
pip_packages Necessário	list Uma lista de cadeias que representam pacotes pip a serem adicionados ao ambiente python.
pip_requirements_file_path Necessário	str O caminho relativo para o ficheiro de texto dos requisitos do pip. Este parâmetro pode ser especificado em combinação com o pip_packages parâmetro .
environment_definition Necessário	EnvironmentDefinition EnvironmentDefinition para a experimentação. Inclui PythonSection e DockerSection e variáveis de ambiente. Qualquer opção de ambiente não exposta diretamente através de outros parâmetros para a construção MpiStep pode ser definida com environment_definition parâmetro. Se este parâmetro for especificado, terá precedência sobre outros parâmetros relacionados com o ambiente, como use_gpu, custom_docker_image, conda_packages ou pip_packages e serão comunicados erros nestas combinações inválidas.
name Necessário	str [Obrigatório] O nome do módulo.
source_directory Necessário	str [Obrigatório] Uma pasta que contém script python, env conda e outros recursos utilizados no passo.
script_name Necessário	str [Obrigatório] O nome de um script python relativo a source_directory.
arguments Necessário	list [Obrigatório] Uma lista de argumentos da linha de comandos.
compute_target Necessário	<xref:azureml.core.compute.AmlComputeCompute>, str [Obrigatório] Um destino de computação a utilizar.
node_count Necessário	int [Obrigatório] Número de nós no destino de computação utilizado para preparação. Se for superior a 1, a tarefa distribuída por mpi será executada. Apenas o destino de computação AmlCompute é suportado para tarefas distribuídas. Os valores pipelineParameter são suportados.
process_count_per_node Necessário	int [Obrigatório] Número de processos por nó. Se for superior a 1, a tarefa distribuída por mpi será executada. Apenas o destino de computação AmlCompute é suportado para tarefas distribuídas. Os valores pipelineParameter são suportados.
inputs Necessário	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset, DatasetConsumptionConfig]] Uma lista de enlaces de porta de entrada.
outputs Necessário	list[Union[PipelineData, OutputDatasetConfig, PipelineOutputAbstractDataset, OutputPortBinding]] Uma lista de enlaces de portas de saída.
params Necessário	dict Um dicionário de pares name-value registados como variáveis de ambiente com ">>AML_PARAMETER_<<".
allow_reuse Necessário	bool Indica se o passo deve reutilizar os resultados anteriores quando a nova execução com os mesmos parâmetros permanece inalterada, o resultado da execução anterior deste passo é reutilizado. Ao reutilizar o passo, em vez de submeter a tarefa para computação, os resultados da execução anterior são imediatamente disponibilizados para quaisquer passos subsequentes. Se utilizar conjuntos de dados do Azure Machine Learning como entradas, a reutilização será determinada se a definição do conjunto de dados foi alterada e não se os dados subjacentes foram alterados.
version Necessário	str Etiqueta de versão opcional para denotar uma alteração na funcionalidade do módulo
hash_paths Necessário	list PRETERIDO: já não é necessário. Uma lista de caminhos para hash ao verificar se existem alterações nos conteúdos do passo. Se não forem detetadas alterações, o pipeline reutilizará o conteúdo do passo de uma execução anterior. Por predefinição, os conteúdos de source_directory são transformados em hash, à exceção dos ficheiros listados em .amlignoree ou .gitignore.
use_gpu Necessário	bool Indica se o ambiente para executar a experimentação deve suportar GPUs. Se For Verdadeiro, será utilizada uma imagem predefinida do Docker baseada em GPU no ambiente. Se For Falso, será utilizada uma imagem baseada na CPU. As imagens predefinidas do docker (CPU ou GPU) só serão utilizadas se o custom_docker_image parâmetro não estiver definido. Esta definição é utilizada apenas em destinos de computação ativados pelo Docker.
use_docker Necessário	bool Indica se o ambiente para executar a experimentação deve ser baseado no Docker. custom_docker_image (str): o nome da imagem do docker a partir da qual será criada a imagem a utilizar para a tarefa mpi. Se não estiver definida, será utilizada uma imagem baseada na CPU predefinida como imagem base.
custom_docker_image Necessário	str Será criado o nome da imagem do Docker a partir da qual será criada a imagem a utilizar para preparação. Se não for definida, será utilizada uma imagem baseada na CPU predefinida como imagem de base.
image_registry_details Necessário	ContainerRegistry Os detalhes do registo de imagens do Docker.
user_managed Necessário	bool Indica se o Azure ML reutiliza um ambiente Python existente; Falso significa que o Azure ML criará um ambiente Python com base na especificação das dependências conda.
conda_packages Necessário	list Uma lista de cadeias que representam pacotes conda a serem adicionados ao ambiente Python.
pip_packages Necessário	list Uma lista de cadeias que representam pacotes pip a serem adicionados ao ambiente Python.
pip_requirements_file_path Necessário	str O caminho relativo para o ficheiro de texto dos requisitos do pip. Este parâmetro pode ser especificado em combinação com o pip_packages parâmetro .
environment_definition Necessário	EnvironmentDefinition A EnvironmentDefinition para a experimentação. Inclui PythonSection e DockerSection e variáveis de ambiente. Qualquer opção de ambiente não exposta diretamente através de outros parâmetros para a construção MpiStep pode ser definida com environment_definition parâmetro. Se este parâmetro for especificado, terá precedência sobre outros parâmetros relacionados com o ambiente, como use_gpu, custom_docker_image, conda_packages ou pip_packages e serão comunicados erros nestas combinações inválidas.