Input Sınıf

Bir Input nesnesi başlatın.

Devralma

azure.ai.ml.entities._inputs_outputs.base._InputOutputBase

Input

Oluşturucu

Input(*, type: str, path: str | None = None, mode: str | None = None, optional: bool | None = None, description: str | None = None, **kwargs: Any)

Yalnızca Anahtar Sözcük Parametreleri

Name	Description
type	str Veri girişinin türü. Kabul edilen değerler 'uri_folder', 'uri_file', 'mltable', 'mlflow_model', 'custom_model', 'integer', 'number', 'string' ve 'boolean' değerleridir. Varsayılan olarak 'uri_folder'. varsayılan değer: uri_folder
path	Optional[str] Giriş verilerinin yolu. Yollar yerel yollar, uzak veri uri'si veya kayıtlı bir AzureML varlık kimliği olabilir.
mode	Optional[str] Veri girişinin erişim modu. Kabul edilen değerler şunlardır: 'ro_mount': Verileri işlem hedefine salt okunur olarak bağlayın, 'download': Verileri işlem hedefine indirin, 'direct': URI'yi çalışma zamanında erişilecek bir dize olarak geçirin
default	Union[str, int, float, bool] Girişin varsayılan değeri. Varsayılan ayarlıysa, giriş verileri isteğe bağlıdır.
min	Union[int, float] Girişin en düşük değeri. Minimum değerden küçük bir değer işe geçirilirse, iş yürütme başarısız olur.
max	Union[int, float] Girişin en büyük değeri. En büyük değerden büyük bir değer bir işe geçirilirse, iş yürütme başarısız olur.
optional	Optional[bool] Girişin isteğe bağlı olup olmadığını belirtir.
description	Optional[str] Girişin açıklaması
datastore	str Yerel dosyaların yüklendiği veri deposu.
intellectual_property	IntellectualProperty Girdi için fikri mülkiyet.
enum Gerekli

Örnekler

İki girişli bir CommandJob oluşturma.

   from azure.ai.ml import Input, Output
   from azure.ai.ml.entities import CommandJob, CommandJobLimits

   command_job = CommandJob(
       code="./src",
       command="python train.py --ss {search_space.ss}",
       inputs={
           "input1": Input(path="trial.csv", mode="ro_mount", description="trial input data"),
           "input_2": Input(
               path="azureml:list_data_v2_test:2", type="uri_folder", description="registered data asset"
           ),
       },
       outputs={"default": Output(path="./foo")},
       compute="trial",
       environment="AzureML-sklearn-1.0-ubuntu20.04-py38-cpu:33",
       limits=CommandJobLimits(timeout=120),
   )

Yöntemler

get
has_key
items
keys
update
values

get

get(key: Any, default: Any | None = None) -> Any

Parametreler

Name	Description
key Gerekli
default	varsayılan değer: None

has_key

has_key(k: Any) -> bool

Parametreler

Name	Description
k Gerekli

items

items() -> list

keys

keys() -> list

update

update(*args: Any, **kwargs: Any) -> None

values

values() -> list