ModuleStep Sınıf
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 moduleStep oluşturun. ModuleStep, işlem hattında var olan ModuleVersionbir öğesini kullanan bir adımdır.
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
-
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
|
Adımında kullanılan modül.
varsayılan değer: None
|
version
|
Adımında kullanılan modülün sürümü. varsayılan değer: None
|
module_version
|
Adımında kullanılan modülün ModuleVersion'ı.
varsayılan değer: None
|
inputs_map
|
dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset, DatasetConsumptionConfig]]
ModuleVersion bağlantı noktası tanımlarının adlarını adımın girişleriyle eşleyen sözlük. varsayılan değer: None
|
outputs_map
|
dict[str, Union[OutputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset]]
ModuleVersion bağlantı noktası tanımlarının adlarını adımın çıkışlarıyla eşleyen sözlük. varsayılan değer: None
|
compute_target
|
Kullanılacak işlem hedefi. Belirtilmezse 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 getirilmesini önlemek için bir demet ('işlem hedefi adı', 'işlem hedef türü') belirtebilirsiniz (AmlCompute türü 'AmlCompute' ve RemoteCompute türü 'VirtualMachine'). varsayılan değer: None
|
runconfig
|
Kullanılacak isteğe bağlı bir RunConfiguration. RunConfiguration, conda bağımlılıkları ve Docker görüntüsü gibi ek çalıştırma gereksinimlerini belirtmek için kullanılabilir. varsayılan değer: None
|
runconfig_pipeline_params
|
Anahtar-değer kullanılarak çalışma zamanında runconfig özelliklerinin geçersiz kılınma işlemi, her birini runconfig özelliğinin adıyla ve bu özelliğin PipelineParameter değeriyle eşler. Desteklenen değerler: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount' varsayılan değer: None
|
arguments
|
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 varsayılan değer: None
|
params
|
Ad-değer çiftlerinin sözlüğü. varsayılan değer: None
|
name
|
Adımın adı. varsayılan değer: None
|
_workflow_provider
|
<xref:azureml.pipeline.core._aeva_provider._AevaWorkflowProvider>
(Yalnızca iç kullanım.) İş akışı sağlayıcısı. varsayılan değer: None
|
module
Gerekli
|
Adımında kullanılan modül.
|
version
Gerekli
|
Adımında kullanılan modülün sürümü. |
module_version
Gerekli
|
Adımında kullanılan modülün ModuleVersion'ı.
|
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
|
Kullanılacak işlem hedefi. Belirtilmezse 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 getirilmesini önlemek için bir demet ('işlem hedefi adı', 'işlem hedef türü') belirtebilirsiniz (AmlCompute türü 'AmlCompute' ve RemoteCompute türü 'VirtualMachine'). |
runconfig
Gerekli
|
Kullanılacak isteğe bağlı bir RunConfiguration. RunConfiguration, conda bağımlılıkları ve Docker görüntüsü gibi ek çalıştırma gereksinimlerini belirtmek için kullanılabilir. |
runconfig_pipeline_params
Gerekli
|
Anahtar-değer kullanılarak çalışma zamanında runconfig özelliklerinin geçersiz kılınma işlemi, her birini runconfig özelliğinin adıyla ve bu özelliğin PipelineParameter değeriyle eşler. Desteklenen değerler: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount' |
arguments
Gerekli
|
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
|
Ad-değer çiftlerinin sözlüğü. |
name
Gerekli
|
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. Hangi ModuleVersion'ın kullanılacağını özel olarak tanımlayabilir veya Azure Machine Learning'in sınıfın açıklamalar bölümünde tanımlanan çözümleme işlemini 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.
Bir Module nesne ve sürüm değeri.
Module Sürüm değeri olmayan bir nesne. Bu durumda sürüm çözümlemesi gönderimler arasında farklılık gösterebilir.
ModuleStep'in girişleri 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 belirtilen grafiğe ekleyin. Bu yöntem doğrudan kullanılmak üzere tasarlanmamıştır. 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 belirtilen grafiğe ekleyin.
Bu yöntem doğrudan kullanılmak üzere tasarlanmamıştır. 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
|
Düğümün ekleneceği graf nesnesi. |
default_datastore
Gerekli
|
Varsayılan veri deposu. |
context
Gerekli
|
<xref:azureml.pipeline.core._GraphContext>
Grafik bağlamı. |
Döndürülenler
Tür | Description |
---|---|
Düğüm nesnesi. |
Geri Bildirim
https://aka.ms/ContentUserFeedback.
Çok yakında: 2024 boyunca, içerik için geri bildirim mekanizması olarak GitHub Sorunları’nı kullanımdan kaldıracak ve yeni bir geri bildirim sistemiyle değiştireceğiz. Daha fazla bilgi için bkz.Gönderin ve geri bildirimi görüntüleyin