PythonScriptStep Sınıf

Python betiğini çalıştıran bir Azure ML İşlem Hattı adımı oluşturur.

PythonScriptStep kullanma örneği için not defterine https://aka.ms/pl-get-startedbakın.

Python betiğini çalıştıran bir Azure ML İşlem Hattı adımı oluşturun.

Oluşturucu

PythonScriptStep(script_name, name=None, arguments=None, compute_target=None, runconfig=None, runconfig_pipeline_params=None, inputs=None, outputs=None, params=None, source_directory=None, allow_reuse=True, version=None, hash_paths=None)

Parametreler

Name	Description
script_name Gerekli	str [Gerekli] ile ilgili bir Python betiğinin `source_directory`adı.
name	str Adımın adı. Belirtilmemişse kullanılır `script_name` . Default value: None
arguments	list Python betik dosyası için komut satırı bağımsız değişkenleri. Bağımsız değişkenler, RunConfiguration parametresi aracılığıyla `arguments` işlem için geçirilir. Özel simgeler gibi bağımsız değişkenleri işleme hakkında daha fazla bilgi için bkz RunConfiguration. . Default value: None
compute_target	Union[DsvmCompute, AmlCompute, RemoteCompute, HDInsightCompute, str, tuple] [Gerekli] Kullanılacak işlem hedefi. Belirtilmezse runconfig'den hedef kullanılır. Bu parametre, çalışma alanında işlem hedefi nesnesi veya işlem hedefinin dize adı olarak belirtilebilir. 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 hedef adı', 'işlem hedef türü'). Default value: None
runconfig	RunConfiguration Kullanılacak isteğe bağlı RunConfiguration. RunConfiguration, conda bağımlılıkları ve docker görüntüsü gibi ek çalıştırma gereksinimlerini belirtmek için kullanılabilir. Belirtilmezse, varsayılan bir runconfig oluşturulur. Default value: None
runconfig_pipeline_params	dict[str, PipelineParameter] Her biri runconfig özelliğinin adı ve bu özellik için PipelineParameter olan anahtar-değer çiftlerini kullanarak çalışma zamanında runconfig özelliklerinin geçersiz kılmaları. Desteklenen değerler: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount' Default value: None
inputs	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputFileDataset, PipelineOutputTabularDataset, DatasetConsumptionConfig]] Giriş bağlantı noktası bağlamalarının listesi. Default value: None
outputs	list[Union[PipelineData, OutputDatasetConfig, PipelineOutputFileDataset, PipelineOutputTabularDataset, OutputPortBinding]] Çıkış bağlantı noktası bağlamalarının listesi. Default value: None
params	dict "AML_PARAMETER_" ile ortam değişkenleri olarak kaydedilen ad-değer çiftlerinin sözlüğü. Default value: None
source_directory	str Python betiği, conda env ve adımda kullanılan diğer kaynakları içeren bir klasör. Default value: None
allow_reuse	bool Aynı ayarlarla yeniden çalıştırıldığında adımın önceki sonuçları yeniden kullanıp kullanmayacağını gösterir. Yeniden kullanım 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 tüm adımlarda hemen kullanılabilir duruma gelir. Giriş olarak Azure Machine Learning veri kümelerini kullanıyorsanız, yeniden kullanım, temel alınan verilerin değişip değişmediğine göre değil, veri kümesinin tanımının değişip değişmediğine göre belirlenir. Default value: True
version	str Adım için işlev değişikliğini belirtmek için isteğe bağlı bir sürüm etiketi. Default value: None
hash_paths	list KULLANIMDAN KALKTI: artık gerekli değil. Adım içeriğinde yapılan değişiklikler denetlenirken karma yol listesi. Herhangi bir değişiklik algılanırsa, işlem hattı önceki bir çalıştırmanın adım içeriğini yeniden kullanır. Varsayılan olarak, .amlignore veya .gitignore içinde listelenen dosyalar dışında içindekiler `source_directory` karmadır. Default value: None
script_name Gerekli	str [Gerekli] ile ilgili bir Python betiğinin `source_directory`adı.
name Gerekli	str Adımın adı. Belirtilmemişse kullanılır `script_name` .
arguments Gerekli	[str] Python betik dosyası için komut satırı bağımsız değişkenleri. Bağımsız değişkenler, RunConfiguration parametresi aracılığıyla `arguments` işlem için geçirilir. Özel simgeler gibi bağımsız değişkenleri işleme hakkında daha fazla bilgi için bkz RunConfiguration. .
compute_target Gerekli	Union[DsvmCompute, AmlCompute, RemoteCompute, HDInsightCompute, str, tuple] [Gerekli] Kullanılacak işlem hedefi. Belirtilmezse runconfig'den hedef kullanılır. Bu parametre, çalışma alanında işlem hedefi nesnesi veya işlem hedefinin dize adı olarak belirtilebilir. 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 hedef adı', 'işlem hedef türü').
runconfig Gerekli	RunConfiguration Kullanılacak isteğe bağlı RunConfiguration. RunConfiguration, conda bağımlılıkları ve docker görüntüsü gibi ek çalıştırma gereksinimlerini belirtmek için kullanılabilir. Belirtilmezse, varsayılan bir runconfig oluşturulur.
runconfig_pipeline_params Gerekli	dict[str, PipelineParameter] Her biri runconfig özelliğinin adı ve bu özellik için PipelineParameter olan anahtar-değer çiftlerini kullanarak çalışma zamanında runconfig özelliklerinin geçersiz kılmaları. Desteklenen değerler: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount'
inputs Gerekli	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputFileDataset, PipelineOutputTabularDataset, DatasetConsumptionConfig]] Giriş bağlantı noktası bağlamalarının listesi.
outputs Gerekli	list[Union[PipelineData, OutputDatasetConfig, PipelineOutputFileDataset, PipelineOutputTabularDataset, OutputPortBinding]] Çıkış bağlantı noktası bağlamalarının listesi.
params Gerekli	<xref:<xref:{str: str}>> Ad-değer çiftlerinin sözlüğü. ">>AML_PARAMETER_<<" ile ortam değişkenleri olarak kaydedilir.
source_directory Gerekli	str Python betiği, conda env ve adımda kullanılan diğer kaynakları içeren bir klasör.
allow_reuse Gerekli	bool Aynı ayarlarla yeniden çalıştırıldığında adımın önceki sonuçları yeniden kullanıp kullanmayacağını gösterir. Yeniden kullanım 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 tüm adımlarda hemen kullanılabilir duruma gelir. Giriş olarak Azure Machine Learning veri kümelerini kullanıyorsanız, yeniden kullanım, temel alınan verilerin değişip değişmediğine göre değil, veri kümesinin tanımının değişip değişmediğine göre belirlenir.
version Gerekli	str Adım için işlev değişikliğini belirtmek için isteğe bağlı bir sürüm etiketi.
hash_paths Gerekli	list KULLANIMDAN KALKTI: artık gerekli değil. Adım içeriğinde yapılan değişiklikler denetlenirken karma yol listesi. Herhangi bir değişiklik algılanırsa, işlem hattı önceki bir çalıştırmanın adım içeriğini yeniden kullanır. Varsayılan olarak, .amlignore veya .gitignore içinde listelenen dosyalar dışında içindekiler `source_directory` karmadır.

Açıklamalar

PythonScriptStep, işlem hedefinde Python Betiği çalıştırmaya yönelik temel, yerleşik bir adımdır. Bir betik adı ve betik için bağımsız değişkenler, işlem hedefi, girişler ve çıkışlar gibi diğer isteğe bağlı parametreleri alır. Herhangi bir işlem hedefi belirtilmezse, çalışma alanı için varsayılan işlem hedefi kullanılır. PythonScriptStep için conda bağımlılıkları ve docker görüntüsü gibi gereksinimleri belirtmek için de kullanabilirsiniz RunConfiguration .

PythonScriptStep ile çalışmak için en iyi yöntem, betikler ve adımla ilişkili bağımlı dosyalar için ayrı bir klasör kullanmak ve bu klasörü parametresiyle source_directory belirtmektir. Bu en iyi uygulamanın iki avantajı vardır. İlk olarak, yalnızca adım için gerekenler anlık görüntülendiğinden, adım için oluşturulan anlık görüntünün boyutunu azaltmaya yardımcı olur. İkinci olarak, anlık görüntünün yeniden yüklenmesini tetikleyecek bir değişiklik source_directory yapılmazsa önceki çalıştırmadan alınan adım çıktısı yeniden kullanılabilir.

Aşağıdaki kod örneği, bir makine öğrenmesi eğitim senaryosunda PythonScriptStep kullanmayı gösterir. Bu örnekteki diğer ayrıntılar için bkz https://aka.ms/pl-first-pipeline. .


   from azureml.pipeline.steps import PythonScriptStep

   trainStep = PythonScriptStep(
       script_name="train.py",
       arguments=["--input", blob_input_data, "--output", output_data1],
       inputs=[blob_input_data],
       outputs=[output_data1],
       compute_target=compute_target,
       source_directory=project_folder
   )

PythonScriptSteps bir dizi giriş ve çıkış türünü destekler. Bunlar girişler DatasetConsumptionConfig ve OutputDatasetConfig, PipelineOutputAbstractDatasetile PipelineData girişler ve çıkışlar içindir.

Aşağıda, adım girişi ve çıkışı olarak kullanma Dataset örneği verilmiştir:


   from azureml.core import Dataset
   from azureml.pipeline.steps import PythonScriptStep
   from azureml.pipeline.core import Pipeline, PipelineData

   # get input dataset
   input_ds = Dataset.get_by_name(workspace, 'weather_ds')

   # register pipeline output as dataset
   output_ds = PipelineData('prepared_weather_ds', datastore=datastore).as_dataset()
   output_ds = output_ds.register(name='prepared_weather_ds', create_new_version=True)

   # configure pipeline step to use dataset as the input and output
   prep_step = PythonScriptStep(script_name="prepare.py",
                                inputs=[input_ds.as_named_input('weather_ds')],
                                outputs=[output_ds],
                                compute_target=compute_target,
                                source_directory=project_folder)

Diğer giriş/çıkış türlerini kullanma örnekleri için lütfen ilgili belge sayfalarına bakın.

Yöntemler

create_node

PythonScriptStep için bir düğüm oluşturun ve bunu belirtilen grafiğe ekleyin.

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

create_node

PythonScriptStep için 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> Grafik bağlamı.

Döndürülenler

Tür	Description
Node	Oluşturulan düğüm.

Geri Bildirim

Bu sayfayı yararlı buldunuz mu?

Aracılığıyla paylaş

PythonScriptStep Sınıf

Oluşturucu

Parametreler

Açıklamalar

Yöntemler

create_node

Parametreler

Döndürülenler

Geri Bildirim