Поделиться через


parallel Пакет

Классы

ParallelJob

Параллельное задание.

RunFunction

Запустите функцию.

Функции

parallel_run_function

Создайте объект Parallel, который можно использовать в dsl.pipeline в качестве функции, а также как автономное параллельное задание.

Пример использования ParallelRunStep см. в записной книжке. https://aka.ms/parallel-example-notebook


   from azure.ai.ml import Input, Output, parallel

   parallel_run = parallel_run_function(
       name="batch_score_with_tabular_input",
       display_name="Batch Score with Tabular Dataset",
       description="parallel component for batch score",
       inputs=dict(
           job_data_path=Input(
               type=AssetTypes.MLTABLE,
               description="The data to be split and scored in parallel",
           ),
           score_model=Input(
               type=AssetTypes.URI_FOLDER, description="The model for batch score."
           ),
       ),
       outputs=dict(job_output_path=Output(type=AssetTypes.MLTABLE)),
       input_data="${{inputs.job_data_path}}",
       max_concurrency_per_instance=2,  # Optional, default is 1
       mini_batch_size="100",  # optional
       mini_batch_error_threshold=5,  # Optional, allowed failed count on mini batch items, default is -1
       logging_level="DEBUG",  # Optional, default is INFO
       error_threshold=5,  # Optional, allowed failed count totally, default is -1
       retry_settings=dict(max_retries=2, timeout=60),  # Optional
       task=RunFunction(
           code="./src",
           entry_script="tabular_batch_inference.py",
           environment=Environment(
               image="mcr.microsoft.com/azureml/openmpi3.1.2-ubuntu18.04",
               conda_file="./src/environment_parallel.yml",
           ),
           program_arguments="--model ${{inputs.score_model}}",
           append_row_to="${{outputs.job_output_path}}",  # Optional, if not set, summary_only
       ),
   )
parallel_run_function(*, name: str | None = None, description: str | None = None, tags: Dict | None = None, properties: Dict | None = None, display_name: str | None = None, experiment_name: str | None = None, compute: str | None = None, retry_settings: BatchRetrySettings | None = None, environment_variables: Dict | None = None, logging_level: str | None = None, max_concurrency_per_instance: int | None = None, error_threshold: int | None = None, mini_batch_error_threshold: int | None = None, task: RunFunction | None = None, mini_batch_size: str | None = None, partition_keys: List | None = None, input_data: str | None = None, inputs: Dict | None = None, outputs: Dict | None = None, instance_count: int | None = None, instance_type: str | None = None, docker_args: str | None = None, shm_size: str | None = None, identity: ManagedIdentity | AmlToken | None = None, is_deterministic: bool = True, **kwargs) -> Parallel

Параметры

name
str

Имя созданного параллельного задания или компонента.

description
str

Понятное описание параллели.

tags
Dict

Теги, которые должны быть присоединены к этой параллели.

properties
Dict

Словарь свойств ресурса.

display_name
str

понятное имя;

experiment_name
str

Имя эксперимента, в который будет создано задание, если указано значение None, по умолчанию будет задано текущее имя каталога. Будет игнорироваться как шаг конвейера.

compute
str

Имя вычислительной среды, в которой выполняется параллельное задание (не будет использоваться, если параллельная функция используется в качестве компонента или функции).

retry_settings
BatchRetrySettings

Повторная попытка параллельного запуска компонента завершилась сбоем

environment_variables
Dict[str, str]

Словарь имен и значений переменных среды. Эти переменные среды задаются для процесса, в котором выполняется пользовательский скрипт.

logging_level
str

Строка имени уровня ведения журнала, которая определена в параметре "logging". Возможные значения: "WARNING" (Предупреждение), "INFO" (Информация) и "DEBUG" (Отладка). (Необязательно. Значение по умолчанию — INFO.) Это значение можно задать с помощью PipelineParameter.

max_concurrency_per_instance
int

Максимальный параллелизм, имеющийся у каждого вычислительного экземпляра.

error_threshold
int

Количество ошибок записей для табличного набора данных и сбоев файлов для набора данных файлов, которые следует игнорировать во время обработки. Если число ошибок превышает это значение, задание будет прервано. Пороговое значение ошибки — для всего входного, а не для отдельного мини-пакета, отправленного методу run(). Диапазон значений — [-1, int. max]. -1 указывает на пропуск всех сбоев во время обработки

mini_batch_error_threshold
int

Количество сбоев мини-пакетной обработки следует игнорировать.

task
RunFunction

Параллельная задача

mini_batch_size
str

Для входных данных FileDataset значением этого поля является число файлов, которые может обработать пользовательский скрипт в одном вызове метода run(). Для входных данных TabularDataset значение этого поля представляет приблизительный размер данных, которые может обработать пользовательский скрипт в одном вызове метода run(). Примеры значений: 1024, 1024 КБ, 10 МБ и 1 ГБ. (Необязательно. Значение по умолчанию — 10 файлов для FileDataset и 1 МБ для TabularDataset.) Это значение можно задать с помощью PipelineParameter.

partition_keys
List

Ключи, используемые для секционирования набора данных на мини-пакеты. Если этот параметр указан, данные с одним и тем же ключом будут секционированы в один мини-пакет. Если указаны и partition_keys, и mini_batch_size, ключи секций вступают в силу. Входные данные должны быть секционированы, а partition_keys должно быть подмножеством ключей каждого входного набора данных, чтобы это работало.

input_data
str

Входные данные.

inputs
Dict

Диктовка входных данных, используемых данным параллелем.

outputs
Dict

Выходные данные этой параллели

instance_count
int

Необязательное количество экземпляров или узлов, используемых целевым объектом вычислений. Значение по умолчанию — 1.

instance_type
str

Необязательный тип виртуальной машины, поддерживаемой целевым объектом вычислений.

docker_args
str

Дополнительные аргументы для передачи команде запуска Docker. Это переопределит все параметры, которые уже были заданы системой или в этом разделе. Этот параметр поддерживается только для типов вычислений Машинного обучения Azure.

shm_size
str

Размер блока общей памяти контейнера Docker. Значение должно быть в формате (число)(единица), где число больше 0, а единица измерения может быть одной из b(байтов), k(килобайтов), m(мегабайт) или g(гигабайт).

identity
Union[ <xref:azure.ai.ml._restclient.v2022_02_01_preview.models.ManagedIdentity>, <xref:azure.ai.ml._restclient.v2022_02_01_preview.models.AmlToken>]

Удостоверение, которое задание обучения будет использовать при выполнении на вычислительных ресурсах.

is_deterministic
bool

Укажите, будет ли параллельная функция возвращать одни и те же выходные данные при одинаковых входных данных. Если параллельный (компонент) является детерминированным, при использовании его в качестве узла или шага в конвейере повторно используются результаты предыдущего отправленного задания в текущей рабочей области с теми же входными данными и параметрами. В этом случае на этом шаге не будут использоваться вычислительные ресурсы. По умолчанию имеет значение True, укажите is_deterministic=False, если вы хотите избежать такого поведения повторного использования, по умолчанию — True.

Возвращаемое значение

Параллельный узел

Возвращаемый тип

Комментарии

Чтобы использовать parallel_run_function, выполните следующие действия.

  • Создайте <xref:azure.ai.ml.entities._builders.Parallel> объект , чтобы указать, как выполняется параллельное выполнение, с параметрами для управления размером пакета, количеством узлов на целевой объект вычислений и ссылкой на пользовательский скрипт Python.

  • Создание конвейера с параллельным объектом в качестве функции. определяет входные и выходные данные для шага.

  • Суммируйте выполняемый конвейер.