Схема YAML компонента конвейера (CLI версии 2)
ОБЛАСТЬ ПРИМЕНЕНИЯ: расширение машинного обучения Azure CLI версии 2 (текущее)
Исходную схему JSON можно найти по адресу https://azuremlschemas.azureedge.net/latest/pipelineComponent.schema.json.
Примечание.
Синтаксис YAML, описанный в этом документе, основан на схеме JSON для последней версии расширения ML CLI (версия 2). Этот синтаксис гарантированно работает только с последней версией расширения ML CLI (версия 2). Схемы для старых версий расширений можно найти по адресу https://azuremlschemasprod.azureedge.net/.
Синтаксис YAML
Ключ | Тип | Описание | Допустимые значения | Default value |
---|---|---|---|---|
$schema |
строка | Схема YAML. При создании файла YAML с помощью расширения VS Code Машинного обучения Azure вы можете добавить $schema в верхней части файла, чтобы вызывать завершение схемы и ресурсов. |
||
type |
const | Тип компонента. | pipeline |
pipeline |
name |
строка | Обязательный. Имя компонента. Должно начинаться с буквы нижнего регистра. Допустимые символы — строчные буквы, цифры и символы подчеркивания(_). Максимальная длина составляет 255 символов. | ||
version |
строка | Версия компонента. Если опущено, Машинное обучение Azure автоматически создает версию. | ||
display_name |
строка | Отображаемое имя компонента в пользовательском интерфейсе Studio. Он может быть не уникальным в рабочей области. | ||
description |
строка | Описание компонента. | ||
tags |
объект | Словарь тегов для компонента. | ||
jobs |
объект | Обязательный. Словарь набора отдельных заданий для выполнения в качестве шагов в конвейере. Эти задания считаются дочерними по отношению к заданию родительского конвейера. Ключ — это имя шага в контексте задания конвейера. Это имя отличается от уникального имени дочернего задания. Значение — это спецификация задания. Оно может соответствовать схеме задания команды или схеме задания очистки. В настоящее время в конвейере могут выполняться только задания команд и задания очистки. |
||
inputs |
объект | Словарь входных данных для задания конвейера. Ключ — это имя входных данных в контексте задания, а значение — это входное значение. На эти входные данные конвейера можно ссылаться во входных данных задания отдельного шага в конвейере с помощью выражения ${{ parent.inputs.<input_name> }} . Дополнительные сведения о привязке входных данных из шага конвейера к входным данным высокоуровневого задания конвейера см. в разделе Привязка входных и выходных данных между шагами в задании конвейера. |
||
inputs.<input_name> |
число, целое число, логическое значение, строка или объект | Одно из литеральных значений (число типа, целое число, логическое значение или строка) или объект, содержащий спецификацию входных данных компонента. | ||
outputs |
объект | Словарь конфигураций выходных данных для задания конвейера. Ключ — это имя выходных данных в контексте задания, а значение — выходная конфигурация. На эти выходные данные конвейера можно ссылаться в выходных данных задания отдельного шага в конвейере с помощью выражения ${{ parents.outputs.<output_name> }} . Дополнительные сведения о привязке входных данных из шага конвейера к входным данным высокоуровневого задания конвейера см. в разделе Привязка входных и выходных данных между шагами в задании конвейера. |
||
outputs.<output_name> |
объект | Вы можете оставить объект пустым, в этом случае выходные данные будут иметь типuri_folder , и Машинное обучение Azure система создаст расположение выходных данных для выходных данных на основе следующего пути шаблона: {settings.datastore}/azureml/{job-name}/{output-name}/ Файлы будут сохраняться в выходной каталог, подключенный с правами на чтение и запись. Если вы хотите указать другой режим выходных данных, укажите объект, содержащий спецификацию выходных данных компонента. |
Входные данные компонента
Ключ | Тип | Описание | Допустимые значения | Default value |
---|---|---|---|---|
type |
строка | Обязательный. Тип входных данных компонента. Дополнительные сведения о доступе к данным | number , integer boolean string uri_file uri_folder mltable mlflow_model custom_model |
|
description |
строка | Описание входных данных. | ||
default |
число, целое число, логическое значение или строка | Значение входного параметра по умолчанию. | ||
optional |
boolean | Указывает, требуются ли входные данные. Если задано значение true , необходимо использовать команду с необязательными входными данными. $[[]] |
false |
|
min |
целое число или число | Минимальное допустимое значение для входных данных. Это поле может быть указано, только если поле type имеет значение number или integer . |
||
max |
целое число или число | Максимальное допустимое значение для входных данных. Это поле может быть указано, только если поле type имеет значение number или integer . |
||
enum |
array | Список допустимых значений для входных данных. Применимо только в том string случае, если type это поле. |
Выходные данные компонента
Ключ | Тип | Описание | Допустимые значения | Default value |
---|---|---|---|---|
type |
строка | Обязательный. Тип выходных данных компонента. | uri_file , , uri_folder mltable , mlflow_model custom_model |
|
description |
строка | Описание выходных данных. |
Замечания
С помощью команд az ml component
вы можете управлять компонентами Машинного обучения Azure.
Примеры
Примеры доступны в репозитории примеров GitHub.
Следующие шаги
Обратная связь
https://aka.ms/ContentUserFeedback.
Ожидается в ближайшее время: в течение 2024 года мы постепенно откажемся от GitHub Issues как механизма обратной связи для контента и заменим его новой системой обратной связи. Дополнительные сведения см. в разделеОтправить и просмотреть отзыв по