OutputPortBinding Klass
Definierar ett namngivet utdata från ett pipelinesteg.
OutputPortBinding kan användas för att ange vilken typ av data som ska skapas i ett steg och hur data ska skapas. Du kan använda den med InputPortBinding för att ange att stegutdata är nödvändiga indata för ett annat steg.
Initiera OutputPortBinding.
- Arv
-
builtins.objectOutputPortBinding
Konstruktor
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)
Parametrar
Name | Description |
---|---|
name
Obligatorisk
|
Namnet på OutputPortBinding-objektet, som endast får innehålla bokstäver, siffror och understreck. |
datastore
|
Datalager som PipelineData kommer att finnas på. Standardvärde: None
|
output_name
|
Namn på utdata, om Inget namn används. Får endast innehålla bokstäver, siffror och understreck. Standardvärde: None
|
bind_mode
|
Anger om det producerande steget ska använda metoden "upload" eller "mount" eller "hdfs" för att komma åt data. Standardvärde: mount
|
path_on_compute
|
I läget "ladda upp" skriver modulen utdata till. Standardvärde: None
|
is_directory
|
Om utdata är en katalog eller en enda fil. Standardvärde: None
|
overwrite
|
Om befintliga data ska skrivas över för "uppladdningsläge". Standardvärde: None
|
data_type
|
Valfritt. Datatypen kan användas för att ange den förväntade typen av utdata och för att beskriva hur användningsstegen ska använda data. Kan vara valfri användardefinierad sträng. Standardvärde: None
|
pipeline_output_name
|
Om detta anges kommer dessa utdata att vara tillgängliga med hjälp av PipelineRun.get_pipeline_output(). Namn på pipelineutdata måste vara unika i pipelinen. Standardvärde: None
|
training_output
|
Definierar utdata för träningsresultat. Detta behövs bara för specifika utbildningar som resulterar i olika typer av utdata, till exempel mått och modell. Till exempel AutoMLStep resultat i mått och modell. Du kan också definiera specifik träningsiteration eller mått som används för att få bästa modell. För HyperDriveStepkan du också definiera de specifika modellfiler som ska ingå i utdata. Standardvärde: None
|
dataset_registration
|
Valfritt. Det här är en intern parameter. Du bör använda PipelineData.as_dataset i stället. Standardvärde: None
|
dataset_output
|
Valfritt. Det här är en intern parameter. Du bör använda OutputFileDatasetConfig-intead. Standardvärde: None
|
name
Obligatorisk
|
Namnet på OutputPortBinding-objektet, som endast får innehålla bokstäver, siffror och understreck. |
datastore
Obligatorisk
|
Datalager som PipelineData kommer att finnas på. |
output_name
Obligatorisk
|
Namn på utdata, om Inget namn används. Får bara innehålla bokstäver, siffror och understreck. |
bind_mode
Obligatorisk
|
Anger om det producerande steget ska använda metoden "upload" eller "mount" eller "hdfs" för att komma åt data. |
path_on_compute
Obligatorisk
|
I läget "ladda upp" skriver modulen utdata till. |
is_directory
Obligatorisk
|
om utdata är en katalog |
overwrite
Obligatorisk
|
Om befintliga data ska skrivas över för "uppladdningsläge". |
data_type
Obligatorisk
|
Valfritt. Datatypen kan användas för att ange den förväntade typen av utdata och för att beskriva hur användningsstegen ska använda data. Kan vara valfri användardefinierad sträng. |
pipeline_output_name
Obligatorisk
|
Om detta anges kommer dessa utdata att vara tillgängliga med hjälp av PipelineRun.get_pipeline_output(). Namn på pipelineutdata måste vara unika i pipelinen. |
training_output
Obligatorisk
|
Definierar utdata för träningsresultat. Detta behövs bara för specifika utbildningar som resulterar i olika typer av utdata, till exempel mått och modell. Till exempel AutoMLStep resultat i mått och modell. Du kan också definiera specifik träningsiteration eller mått som används för att få bästa modell. För HyperDriveStepkan du också definiera de specifika modellfiler som ska ingå i utdata. |
dataset_registration
Obligatorisk
|
Valfritt. Det här är en intern parameter. Du bör använda PipelineData.as_dataset i stället. |
dataset_output
Obligatorisk
|
Valfritt. Det här är en intern parameter. Du bör använda OutputFileDatasetConfig-intead. |
Kommentarer
OutputPortBinding kan användas på liknande sätt som PipelineData när du skapar en pipeline för att ange stegindata och utdata. Skillnaden är att OutputPortBinding måste användas med InputPortBinding för att kunna användas som indata till ett annat steg.
Ett exempel på hur du skapar en pipeline med OutputPortBinding är följande:
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])
Då skapas en pipeline med två steg. Processsteget körs först och sedan körs träningssteget när det har slutförts. Azure ML tillhandahåller utdata från processsteget, enligt beskrivningen i outputPortBinding-objektet, till träningssteget.
Attribut
bind_mode
Hämta läget ("upload" eller "mount" eller "hdfs") som skapandesteget använder för att skapa data.
Returer
Typ | Description |
---|---|
Bindningsläget. |
data_type
dataset_registration
Hämta registreringsinformationen för datauppsättningen.
Returer
Typ | Description |
---|---|
Registreringsinformationen för datauppsättningen. |
datastore
Datalager som PipelineData kommer att finnas på.
Returer
Typ | Description |
---|---|
Datalagerobjektet. |
is_directory
name
overwrite
För uppladdningsläge anger du om befintliga data ska skrivas över.
Returer
Typ | Description |
---|---|
_overwrite |
path_on_compute
pipeline_output_name
Hämta namnet på pipelineutdata som motsvarar denna OutputPortBinding.
Returer
Typ | Description |
---|---|
Pipelinens utdatanamn. |