Aracılığıyla paylaş

ModuleStep Sınıf

  • Başvuru

Modülün belirli bir sürümünü çalıştırmak için bir Azure Machine Learning işlem hattı adımı oluşturur.

Module nesneleri, farklı makine öğrenmesi senaryolarında ve farklı kullanıcılar tarafından kullanılabilecek betikler veya yürütülebilir dosyalar gibi yeniden kullanılabilir hesaplamaları tanımlar. İşlem hattında modülün belirli bir sürümünü kullanmak için bir ModuleStep oluşturun. ModuleStep, mevcut ModuleVersionbir kullanan işlem hattı adımıdır.

ModuleStep kullanma örneği için not defterine https://aka.ms/pl-modulestepbakın.

Modülün belirli bir sürümünü çalıştırmak için bir Azure ML işlem hattı adımı oluşturun.

Devralma
ModuleStepBase
ModuleStep

Oluşturucu

ModuleStep(module=None, version=None, module_version=None, inputs_map=None, outputs_map=None, compute_target=None, runconfig=None, runconfig_pipeline_params=None, arguments=None, params=None, name=None, _workflow_provider=None)

Parametreler

Name Description
module
Module

Adımında kullanılan modül. module veya parametresini module_version sağlayın ancak ikisini birden sağlamayın.

Default value: None
version
str

Adımında kullanılan modülün sürümü.

Default value: None
module_version
ModuleVersion

Adımında kullanılan modülün ModuleVersion'ı. module veya parametresini module_version sağlayın ancak ikisini birden sağlamayın.

Default value: None
inputs_map
dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset, DatasetConsumptionConfig]]

ModuleVersion bağlantı noktası tanımlarının adlarını adımın girişleriyle eşleyen sözlük.

Default value: None
outputs_map
dict[str, Union[OutputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset]]

ModuleVersion bağlantı noktası tanımlarının adlarını adımın çıkışlarıyla eşleyen sözlük.

Default value: None
compute_target
Union[DsvmCompute, AmlCompute, RemoteCompute, HDInsightCompute, str, tuple]

Kullanılacak işlem hedefi. Belirtilmemişse runconfig'den hedef kullanılır. Bir işlem hedefi nesnesi veya çalışma alanında işlem hedefinin dize adı olabilir. İsteğe bağlı olarak işlem hedefi işlem hattı oluşturma zamanında kullanılamıyorsa, işlem hedef nesnesinin (AmlCompute türü 'AmlCompute' ve RemoteCompute türü 'VirtualMachine') getirilmemesi için bir demet belirtebilirsiniz ('işlem hedefi adı', 'işlem hedef türü').

Default value: None
runconfig
RunConfiguration

Kullanılacak isteğe bağlı bir RunConfiguration. RunConfiguration, conda bağımlılıkları ve Docker görüntüsü gibi ek çalıştırma gereksinimlerini belirtmek için kullanılabilir.

Default value: None
runconfig_pipeline_params
dict[str, PipelineParameter]

Her biri runconfig özelliğinin adı ve bu özellik için PipelineParameter olan anahtar-değer çiftleri kullanılarak çalışma zamanında runconfig özelliklerinin geçersiz kılınma.

Desteklenen değerler: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount'

Default value: None
arguments
list[str]

Python betik dosyası için komut satırı bağımsız değişkenlerinin listesi. Bağımsız değişkenler RunConfiguration'daki bağımsız değişkenler aracılığıyla işlem hedefine teslim edilecek. Özel simgeler gibi bağımsız değişkenleri işleme hakkında daha fazla ayrıntı için RunConfiguration

Default value: None
params
dict[str, str]

Ad-değer çiftlerinin sözlüğü.

Default value: None
name
str

Adımın adı.

Default value: None
_workflow_provider
<xref:azureml.pipeline.core._aeva_provider._AevaWorkflowProvider>

(Yalnızca iç kullanım.) İş akışı sağlayıcısı.

Default value: None
module
Gerekli
Module

Adımında kullanılan modül. module veya parametresini module_version sağlayın ancak ikisini birden sağlamayın.
version
Gerekli
str

Adımında kullanılan modülün sürümü.
module_version
Gerekli
ModuleVersion

Adımında kullanılan modülün ModuleVersion'ı. module veya parametresini module_version sağlayın ancak ikisini birden sağlamayın.
inputs_map
Gerekli
dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, <xref:azureml.pipeline.core.pipeline_output_dataset.PipelineOutputDataset>, DatasetConsumptionConfig]]

ModuleVersion bağlantı noktası tanımlarının adlarını adımın girişleriyle eşleyen sözlük.
outputs_map
Gerekli
dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, <xref:azureml.pipeline.core.pipeline_output_dataset.PipelineOutputDataset>]]

ModuleVersion bağlantı noktası tanımlarının adlarını adımın çıkışlarıyla eşleyen sözlük.
compute_target
Gerekli
Union[DsvmCompute, AmlCompute, RemoteCompute, HDInsightCompute, str, tuple]

Kullanılacak işlem hedefi. Belirtilmemişse runconfig'den hedef kullanılır. Bir işlem hedefi nesnesi veya çalışma alanında işlem hedefinin dize adı olabilir. İsteğe bağlı olarak işlem hedefi işlem hattı oluşturma zamanında kullanılamıyorsa, işlem hedef nesnesinin (AmlCompute türü 'AmlCompute' ve RemoteCompute türü 'VirtualMachine') getirilmemesi için bir demet belirtebilirsiniz ('işlem hedefi adı', 'işlem hedef türü').
runconfig
Gerekli
RunConfiguration

Kullanılacak isteğe bağlı bir RunConfiguration. RunConfiguration, conda bağımlılıkları ve Docker görüntüsü gibi ek çalıştırma gereksinimlerini belirtmek için kullanılabilir.
runconfig_pipeline_params
Gerekli
dict[str, PipelineParameter]

Her biri runconfig özelliğinin adı ve bu özellik için PipelineParameter olan anahtar-değer çiftleri kullanılarak çalışma zamanında runconfig özelliklerinin geçersiz kılınma.

Desteklenen değerler: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount'
arguments
Gerekli
list[str]

Python betik dosyası için komut satırı bağımsız değişkenlerinin listesi. Bağımsız değişkenler RunConfiguration'daki bağımsız değişkenler aracılığıyla işlem hedefine teslim edilecek. Özel simgeler gibi bağımsız değişkenleri işleme hakkında daha fazla ayrıntı için RunConfiguration
params
Gerekli
dict[str, str]

Ad-değer çiftlerinin sözlüğü.
name
Gerekli
str

Adımın adı.
_wokflow_provider
Gerekli

(Yalnızca iç kullanım.) İş akışı sağlayıcısı.

Açıklamalar

Bir Module Azure Machine Learning işlem hattının yeniden kullanılabilir bir hesaplama birimini oluşturmak ve yönetmek için kullanılır. ModuleStep, Azure Machine Learning'de bir modülü kullanmak için kullanılan yerleşik adımdır. Özellikle hangi ModuleVersion'ın kullanılacağını tanımlayabilir veya Azure Machine Learning'in sınıfın açıklamalar bölümünde tanımlanan çözüm sürecini izleyerek hangi ModuleVersion'ı kullanabileceğini çözümlemesine Module izin vekleyebilirsiniz. Gönderilen işlem hattında hangi ModuleVersion'ın kullanıldığını tanımlamak için ModuleStep oluştururken aşağıdakilerden birini tanımlayın:

  • Bir ModuleVersion nesnesi.

  • Nesne Module ve sürüm değeri.

  • Module Sürüm değeri olmayan bir nesne. Bu durumda sürüm çözümlemesi gönderimler arasında farklılık gösterebilir.

ModuleStep'in giriş ve çıkışları arasındaki eşlemeyi ModuleVersion'ın giriş ve çıkışlarına tanımlamanız gerekir.

Aşağıdaki örnekte birden çok ModuleStep nesnesiyle işlem hattının bir parçası olarak ModuleStep'in nasıl oluşturulacağı gösterilmektedir:


   middle_step = ModuleStep(module=module,
                            inputs_map= middle_step_input_wiring,
                            outputs_map= middle_step_output_wiring,
                            runconfig=RunConfiguration(), compute_target=aml_compute,
                            arguments = ["--file_num1", first_sum, "--file_num2", first_prod,
                                         "--output_sum", middle_sum, "--output_product", middle_prod])

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-modulestep.ipynb

Yöntemler

create_node

ModuleStep 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

ModuleStep 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(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

Düğüm nesnesi.