AzureBatchStep Sınıf

Başvuru

İşleri Azure Batch göndermek için bir Azure ML İşlem Hattı adımı oluşturur.

Not: Bu adım, dizinlerin ve içeriklerinin karşıya yüklenmesini/indirilmesini desteklemez.

AzureBatchStep kullanma örneği için not defterine https://aka.ms/pl-azbatchbakın.

İşleri Azure Batch göndermek için bir Azure ML İşlem Hattı adımı oluşturun.

Devralma: azureml.pipeline.core._azurebatch_step_base._AzureBatchStepBase

AzureBatchStep

Oluşturucu

AzureBatchStep(name, create_pool=False, pool_id=None, delete_batch_job_after_finish=True, delete_batch_pool_after_finish=False, is_positive_exit_code_failure=True, vm_image_urn='urn:MicrosoftWindowsServer:WindowsServer:2012-R2-Datacenter', run_task_as_admin=False, target_compute_nodes=1, vm_size='standard_d1_v2', source_directory=None, executable=None, arguments=None, inputs=None, outputs=None, allow_reuse=True, compute_target=None, version=None)

Parametreler

Name	Description
name Gerekli	str [Gerekli] Adımın adı.
create_pool	bool İşleri çalıştırmadan önce havuzun oluşturulup oluşturulmayacağını gösterir. Default value: False
pool_id	str [Gerekli] İşin çalıştığı havuzun kimliği. Kimlik mevcut bir havuz veya iş gönderildiğinde oluşturulacak bir havuz olabilir. Default value: None
delete_batch_job_after_finish	bool İşlem tamamlandıktan sonra işin Batch hesabından silinip silinmeyeceğini gösterir. Default value: True
delete_batch_pool_after_finish	bool İş bittikten sonra havuzun silinip silinmeyeceğini gösterir. Default value: False
is_positive_exit_code_failure	bool Görevin pozitif kodla mevcut olması durumunda işin başarısız olup olmadığını gösterir. Default value: True
vm_image_urn	str True `create_pool` ise ve VM VirtualMachineConfiguration kullanır. Değer biçimi: `urn:publisher:offer:sku`. Örnek: `urn:MicrosoftWindowsServer:WindowsServer:2012-R2-Datacenter`. Default value: urn:MicrosoftWindowsServer:WindowsServer:2012-R2-Datacenter
run_task_as_admin	bool Görevin yönetici ayrıcalıklarıyla çalıştırılıp çalıştırılmayacağını gösterir. Default value: False
target_compute_nodes	int `create_pool` True ise havuza kaç işlem düğümü ekleneceğini gösterir. Default value: 1
vm_size	str `create_pool` True ise, işlem düğümlerinin sanal makine boyutunu gösterir. Default value: standard_d1_v2
source_directory	str Modül ikili dosyalarını, yürütülebilir dosyaları, derlemeleri vb. içeren yerel klasör. Default value: None
executable	str [Gerekli] İşin bir parçası olarak yürütülecek komutun/yürütülebilir dosyanın adı. Default value: None
arguments	str Komut/yürütülebilir dosya için bağımsız değişkenler. Default value: None
inputs	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]] Giriş bağlantı noktası bağlamalarının listesi. İş çalışmadan önce her giriş için bir klasör oluşturulur. Her girişin dosyaları depolama alanından işlem düğümündeki ilgili klasöre kopyalanır. Örneğin, giriş adı input1 ise ve depolamadaki göreli yol bir miktar/relative/path/that/can/be/really/long/inputfile.txtise, işlemdeki dosya yolu olacaktır: ./input1/inputfile.txt. Giriş adı 32 karakterden uzun olduğunda, klasör adı işlem hedefinde başarıyla oluşturulabilmesi için kesilir ve benzersiz bir son ekle eklenir. Default value: None
outputs	list[Union[PipelineData, PipelineOutputAbstractDataset, OutputPortBinding]] Çıkış bağlantı noktası bağlamalarının listesi. Girişlere benzer şekilde, iş çalışmadan önce her çıkış için bir klasör oluşturulur. Klasör adı, çıkış adıyla aynı olacaktır. İşin çıktıyı bu klasöre yerleştireceği varsayımı vardır. Default value: None
allow_reuse	bool Aynı ayarlarla yeniden çalıştırıldığında adımın önceki sonuçları yeniden kullanıp kullanmayacağını gösterir. Yeniden kullan özelliği varsayılan olarak etkindir. Adım içeriği (betikler/bağımlılıklar) ve girişler ve parametreler değişmeden kalırsa, bu adımın önceki çalıştırmasından elde edilen çıkış yeniden kullanılır. Adımı yeniden kullanırken, işi hesaplamaya göndermek yerine, önceki çalıştırmanın sonuçları sonraki adımlarda hemen kullanılabilir hale gelir. Giriş olarak Azure Machine Learning veri kümelerini kullanıyorsanız, yeniden kullanım, temel alınan verilerin değişip değişmediğine değil, veri kümesinin tanımının değişip değişmediğine göre belirlenir. Default value: True
compute_target	BatchCompute, str [Gerekli] İşin çalıştığı BatchCompute işlemi. Default value: None
version	str Modülün işlev değişikliğini belirtmek için isteğe bağlı bir sürüm etiketi. Default value: None
name Gerekli	str [Gerekli] Adımın adı.
create_pool Gerekli	bool İşleri çalıştırmadan önce havuzun oluşturulup oluşturulmayacağını gösterir.
pool_id Gerekli	str [Gerekli] İşin çalıştığı havuzun kimliği. Kimlik mevcut bir havuz veya iş gönderildiğinde oluşturulacak bir havuz olabilir.
delete_batch_job_after_finish Gerekli	bool İşlem tamamlandıktan sonra işin Batch hesabından silinip silinmeyeceğini gösterir.
delete_batch_pool_after_finish Gerekli	bool İş bittikten sonra havuzun silinip silinmeyeceğini gösterir.
is_positive_exit_code_failure Gerekli	bool Görevin pozitif kodla mevcut olması durumunda işin başarısız olup olmadığını gösterir.
vm_image_urn Gerekli	str True `create_pool` ise ve VM VirtualMachineConfiguration kullanır. Değer biçimi: `urn:publisher:offer:sku`. Örnek: `urn:MicrosoftWindowsServer:WindowsServer:2012-R2-Datacenter`.
run_task_as_admin Gerekli	bool Görevin yönetici ayrıcalıklarıyla çalıştırılıp çalıştırılmayacağını gösterir.
target_compute_nodes Gerekli	int `create_pool` True ise havuza kaç işlem düğümü ekleneceğini gösterir.
vm_size Gerekli	str `create_pool` True ise, işlem düğümlerinin Sanal makine boyutunu gösterir.
source_directory Gerekli	str Modül ikili dosyalarını, yürütülebilir dosyaları, derlemeleri vb. içeren yerel bir klasör.
executable Gerekli	str [Gerekli] İşin bir parçası olarak yürütülecek komutun/yürütülebilir dosyanın adı.
arguments Gerekli	list Komut/yürütülebilir dosya için bağımsız değişkenler.
inputs Gerekli	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]] Giriş bağlantı noktası bağlamalarının listesi. İş çalışmadan önce her giriş için bir klasör oluşturulur. Her girişin dosyaları depolama alanından işlem düğümündeki ilgili klasöre kopyalanır. Örneğin, giriş adı input1 ise ve depolamadaki göreli yol bir miktar/relative/path/that/can/be/really/long/inputfile.txtise, işlemdeki dosya yolu olacaktır: ./input1/inputfile.txt. Giriş adı 32 karakterden uzunsa, kesilecek ve benzersiz bir son ekle eklenecektir, böylece klasör adı işlemde başarıyla oluşturulabilir.
outputs Gerekli	list[Union[PipelineData, PipelineOutputAbstractDataset, OutputPortBinding]] Çıkış bağlantı noktası bağlamalarının listesi. Girişlere benzer şekilde, iş çalışmadan önce her çıkış için bir klasör oluşturulur. Klasör adı, çıkış adıyla aynı olacaktır. İşin çıkışının bu klasöre alınacağı varsayımı vardır.
allow_reuse Gerekli	bool Aynı ayarlarla yeniden çalıştırıldığında adımın önceki sonuçları yeniden kullanıp kullanmayacağını gösterir. Yeniden kullan özelliği varsayılan olarak etkindir. Adım içeriği (betikler/bağımlılıklar) ve girişler ve parametreler değişmeden kalırsa, bu adımın önceki çalıştırmasından elde edilen çıkış yeniden kullanılır. Adımı yeniden kullanırken, işi hesaplamaya göndermek yerine, önceki çalıştırmanın sonuçları sonraki adımlarda hemen kullanılabilir hale gelir. Giriş olarak Azure Machine Learning veri kümelerini kullanıyorsanız, yeniden kullanım, temel alınan verilerin değişip değişmediğine değil, veri kümesinin tanımının değişip değişmediğine göre belirlenir.
compute_target Gerekli	BatchCompute, str [Gerekli] İşin çalıştığı BatchCompute işlemi.
version Gerekli	str Modülün işlev değişikliğini belirtmek için isteğe bağlı bir sürüm etiketi.

Açıklamalar

Aşağıdaki örnekte, Azure Machine Learning İşlem Hattında AzureBatchStep'in nasıl kullanılacağı gösterilmektedir.


   step = AzureBatchStep(
               name="Azure Batch Job",
               pool_id="MyPoolName", # Replace this with the pool name of your choice
               inputs=[testdata],
               outputs=[outputdata],
               executable="azurebatch.cmd",
               arguments=[testdata, outputdata],
               compute_target=batch_compute,
               source_directory=binaries_folder,
   )

Tam örnek şu kaynaktan edinilebilir: https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-how-to-use-azurebatch-to-run-a-windows-executable.ipynb

Yöntemler

create_node

AzureBatch adımından bir düğüm oluşturun ve bunu belirtilen grafiğe ekleyin.

Bu yöntemin doğrudan kullanılması amaçlanmamıştır. Bu adımla bir işlem hattı örneği oluşturulduğunda, Azure ML bu yöntem aracılığıyla gerekli parametreleri otomatik olarak geçirir, böylece adım iş akışını temsil eden bir işlem hattı grafiğine eklenebilir.

create_node

AzureBatch adımından bir düğüm oluşturun ve bunu belirtilen grafiğe ekleyin.

create_node(graph, default_datastore, context)

Parametreler

Name	Description
graph Gerekli	Graph Düğümün ekleneceği grafik nesnesi.
default_datastore Gerekli	Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore] Varsayılan veri deposu.
context Gerekli	<xref:azureml.pipeline.core._GraphContext> Graf bağlamı.

Döndürülenler

Tür	Description
Node	Oluşturulan düğüm.

Aracılığıyla paylaş

AzureBatchStep Sınıf

Oluşturucu

Parametreler

Açıklamalar

Yöntemler

create_node

Parametreler

Döndürülenler

Geri Bildirim

Ek kaynaklar