ModuleStepBase 类
向使用特定模块的管道添加步骤。
ModuleStep 派生自 ModuleStepBase,是管道中的使用现有 Module 的一个节点,具体而言,是它的一个版本。 为了定义最终将在提交的管道中使用的 ModuleVersion,可以在创建 ModuleStep 时定义以下项之一:
- (属于ModuleVersion 对象)的父级。
- Module 对象和一个版本值
- 只有没有版本值的模块;在这种情况下,使用的版本解析在不同的提交中可能有所不同。
还需要定义步骤的输入和输出与 ModuleVersion 对象的输入和输出之间的映射。
初始化 ModuleStepBase。
- 继承
-
ModuleStepBase
构造函数
ModuleStepBase(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)
参数
- inputs_map
- Dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, Dataset, DatasetDefinition, PipelineDataset]]
一个字典,其键是 module_version
上的输入名称,其值是输入端口绑定。
- outputs_map
- Dict[str, Union[OutputPortBinding, DataReference, PortDataReference, PipelineData, Dataset, DatasetDefinition, PipelineDataset]]
一个字典,其键是 module_version
上的输入名称,其值是输出端口绑定。
- runconfig_pipeline_params
- Dict[str, PipelineParameter]
在运行时使用键值对替代 runconfig 属性,每个键值对分别具有 runconfig 属性的名称和该属性的 PipelineParameter。
支持的值:“NodeCount”、“MpiProcessCountPerNode”、“TensorflowWorkerCount”、“TensorflowParameterServerCount”
- arguments
- [str]
脚本文件的命令行参数。 这些参数将通过 RunConfiguration 中的参数传递到计算。 有关如何处理特殊符号等参数的更多详细信息,请参阅 RunConfiguration 中的参数。
- _workflow_provider
- <xref:azureml.pipeline.core._aeva_provider._AevaWorkflowProvider>
(仅限内部使用。) 工作流提供程序。
- inputs_map
- Dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, Dataset, DatasetDefinition, PipelineDataset]]
一个字典,其键是 module_version
上的输入名称,其值是输入端口绑定。
- outputs_map
- Dict[str, Union[OutputPortBinding, DataReference, PortDataReference, PipelineData, Dataset, DatasetDefinition, PipelineDataset]]
一个字典,其键是 module_version
上的输入名称,其值是输出端口绑定。
- compute_target
- <xref:DsvmCompute>, <xref:AmlCompute>, <xref:ComputeInstance>, <xref:RemoteTarget>, <xref:HDIClusterTarget>, str, tuple
要使用的计算目标。 如果未指定,将使用 runconfig 中的目标。 compute_target可以是计算目标对象,也可以是工作区中计算目标的字符串名称。 (可选)如果计算目标在管道创建时不可用,则可以指定 (“计算目标名称”、“计算目标类型”) 元组,以避免提取计算目标对象 (AmlCompute 类型为“AmlCompute”,RemoteTarget 类型为“VirtualMachine”)
- runconfig
- RunConfiguration
要使用的 RunConfiguration,可选。 RunConfiguration 可用于指定其他运行要求,例如 conda 依赖项和 docker 映像。
- runconfig_pipeline_params
- Dict[str, PipelineParameter]
在运行时使用键值对替代 runconfig 属性,每个键值对分别具有 runconfig 属性的名称和该属性的 PipelineParameter。
支持的值:“NodeCount”、“MpiProcessCountPerNode”、“TensorflowWorkerCount”、“TensorflowParameterServerCount”
- arguments
- [str]
脚本文件的命令行参数。 这些参数将通过 RunConfiguration 中的参数传递到计算。 有关如何处理参数(如特殊符号)的更多详细信息,请参阅 中的参数 RunConfiguration
- _workflow_provider
- <xref:azureml.pipeline.core._aeva_provider._AevaWorkflowProvider>
(仅限内部使用。) 工作流提供程序。
- name
方法
create_node |
创建管道图形节点。 |
create_node
创建管道图形节点。
create_node(graph, default_datastore, context)
参数
- context
- <xref:azureml.pipeline.core._GraphContext>
(仅限内部使用。) 图形上下文对象。
返回
节点对象。
返回类型
反馈
https://aka.ms/ContentUserFeedback。
即将发布:在整个 2024 年,我们将逐步淘汰作为内容反馈机制的“GitHub 问题”,并将其取代为新的反馈系统。 有关详细信息,请参阅:提交和查看相关反馈