Parallel 類別

平行節點的基類，用於平行元件版本耗用量。

您不應該直接具現化此類別。 相反地，您應該從建立器函式建立：parallel。

繼承

azure.ai.ml.entities._builders.base_node.BaseNode

Parallel

azure.ai.ml.entities._job.pipeline._io.mixin.NodeWithGroupInputMixin

Parallel

建構函式

Parallel(*, component: ParallelComponent | str, compute: str | None = None, inputs: Dict[str, NodeOutput | Input | str | bool | int | float | Enum] | None = None, outputs: Dict[str, str | Output] | None = None, retry_settings: Dict[str, RetrySettings | str] | None = None, logging_level: str | None = None, max_concurrency_per_instance: int | None = None, error_threshold: int | None = None, mini_batch_error_threshold: int | None = None, input_data: str | None = None, task: Dict[str, ParallelTask | str] | None = None, partition_keys: List | None = None, mini_batch_size: int | None = None, resources: JobResourceConfiguration | None = None, environment_variables: Dict | None = None, **kwargs)

參數

component

<xref:azure.ai.ml.entities._component.parallel_component.parallelComponent>

必要

要針對步驟執行的平行元件/作業識別碼或實例

name

str

必要

平行的名稱

description

str

必要

逗號的描述

tags

dict[str, str]

必要

標記字典。 標記可以新增、移除和更新

properties

dict[str, str]

必要

job 屬性字典

display_name

str

必要

作業的顯示名稱

retry_settings

BatchRetrySettings

必要

平行作業執行失敗重試

logging_level

str

必要

記錄層級名稱的字串

max_concurrency_per_instance

int

必要

每個計算實例都有的最大平行處理原則

error_threshold

int

必要

應該忽略專案處理失敗的數目

mini_batch_error_threshold

int

必要

應該忽略迷你批次處理失敗的數目

task

ParallelTask

必要

平行工作

mini_batch_size

str

必要

對於 FileDataset 輸入，此欄位是使用者腳本可在一次執行 () 呼叫中處理的檔案數目。 對於 TabularDataset 輸入，此欄位是使用者腳本可在一次執行 () 呼叫中處理的大約資料大小。 範例值為 1024、1024KB、10MB 和 1GB。 (選擇性，FileDataset 的預設值為 10 個檔案，而 TabularDataset 的預設值為 1MB。) 此值可以透過 PipelineParameter 設定

partition_keys

List

必要

用來將資料資料集分割成迷你批次的索引鍵。 如果指定，具有相同索引鍵的資料會分割成相同的迷你批次。 如果同時指定partition_keys和mini_batch_size，分割區索引鍵將會生效。 輸入 () 必須是分割資料集 () ，而partition_keys必須是每個輸入資料集的索引鍵子集，才能運作。

input_data

str

必要

輸入資料

inputs

dict

必要

元件/作業的輸入

outputs

dict

必要

元件/作業的輸出

方法

clear
copy
dump	以 YAML 格式將作業內容傾印到檔案中。
fromkeys	建立新的字典，其中包含可反覆運算的索引鍵，並將值設定為 value。
get	如果索引鍵位於字典中，則傳回索引鍵的值，否則為預設值。
items
keys
pop	如果找不到索引鍵，則傳回指定的預設值;否則，請引發 KeyError。
popitem	移除並傳回 (索引鍵、值) 組作為 2 元組。 配對會以 LIFO 傳回， (先出) 順序。 如果聽寫是空的，則引發 KeyError。
set_resources	設定平行作業的資源。
setdefault	如果索引鍵不在字典中，則插入值為預設值的索引鍵。 如果索引鍵位於字典中，則傳回索引鍵的值，否則為預設值。
update	如果 E 存在且具有 .keys () 方法，則執行： e： D[k] = E[k] 如果 E 存在且缺少 .keys () 方法，則會執行： for k， v in E： D[k] = v 在任一案例中，後面接著： f： D[k] = F[k]
values

clear

clear() -> None.  Remove all items from D.

copy

copy() -> a shallow copy of D

dump

以 YAML 格式將作業內容傾印到檔案中。

dump(dest: str | PathLike | IO, **kwargs) -> None

參數

dest

Union[<xref:PathLike>, str, IO[AnyStr]]

必要

要寫入 YAML 內容的本機路徑或檔案資料流程。 如果 dest 是檔案路徑，則會建立新的檔案。 如果 dest 是開啟的檔案，則會直接寫入檔案。

kwargs

dict

要傳遞至 YAML 序列化程式的其他引數。

例外狀況

FileExistsError

如果 dest 是檔案路徑且檔案已經存在，則引發。

IOError

如果 dest 是開啟的檔案，而且無法寫入檔案，則引發。

fromkeys

建立新的字典，其中包含可反覆運算的索引鍵，並將值設定為 value。

fromkeys(value=None, /)

參數

type

必要

iterable

必要

value

預設值: None

get

如果索引鍵位於字典中，則傳回索引鍵的值，否則為預設值。

get(key, default=None, /)

參數

key

必要

default

預設值: None

items

items() -> a set-like object providing a view on D's items

keys

keys() -> a set-like object providing a view on D's keys

pop

如果找不到索引鍵，則傳回指定的預設值;否則，請引發 KeyError。

pop(k, [d]) -> v, remove specified key and return the corresponding value.

popitem

移除並傳回 (索引鍵、值) 組作為 2 元組。

配對會以 LIFO 傳回， (先出) 順序。 如果聽寫是空的，則引發 KeyError。

popitem()

set_resources

設定平行作業的資源。

set_resources(*, instance_type: str | List[str] | None = None, instance_count: int | None = None, properties: Dict | None = None, docker_args: str | None = None, shm_size: str | None = None, **kwargs)

參數

instance_type

str 或 list[str]

實例類型或計算目標所支援的實例類型清單。

instance_count

int

計算目標所使用的實例或節點數目。

properties

dict

資源的屬性字典。

docker_args

str

要傳遞至 Docker run 命令的額外引數。

shm_size

str

Docker 容器的共用記憶體區塊大小。

setdefault

如果索引鍵不在字典中，則插入值為預設值的索引鍵。

如果索引鍵位於字典中，則傳回索引鍵的值，否則為預設值。

setdefault(key, default=None, /)

參數

key

必要

default

預設值: None

update

如果 E 存在且具有 .keys () 方法，則執行： e： D[k] = E[k] 如果 E 存在且缺少 .keys () 方法，則會執行： for k， v in E： D[k] = v 在任一案例中，後面接著： f： D[k] = F[k]

update([E], **F) -> None.  Update D from dict/iterable E and F.

values

values() -> an object providing a view on D's values

屬性

base_path

資源的基底路徑。

傳回

資源的基底路徑。

傳回類型

str

component

取得平行作業的元件。

傳回

平行作業的元件。

傳回類型

str,

ParallelComponent

creation_context

資源的建立內容。

傳回

資源的建立中繼資料。

傳回類型

Optional[SystemData]

id

資源識別碼。

傳回

資源的全域識別碼，Azure Resource Manager (ARM) 識別碼。

傳回類型

Optional[str]

inputs

取得 物件的輸入。

傳回

字典，包含 物件的輸入。

傳回類型

Dict[str, Union[Input, str, bool, int, float]]

log_files

作業輸出檔案。

傳回

記錄名稱和 URL 的字典。

傳回類型

Optional[Dict[str, str]]

name

取得節點的名稱。

傳回

節點的名稱。

傳回類型

str

outputs

取得 物件的輸出。

傳回

字典，包含 物件的輸出。

傳回類型

Dict[str, Union[str, Output]]

resources

取得平行作業的資源組態。

傳回

平行作業的資源組態。

傳回類型

JobResourceConfiguration

retry_settings

取得平行作業的重試設定。

傳回

平行作業的重試設定。

傳回類型

RetrySettings

status

工作的狀態。

傳回的常見值包括 「Running」、「Completed」 和 「Failed」。 所有可能的值為：

• NotStarted - 這是用戶端 Run 物件在雲端提交之前所在的暫時狀態。

• 啟動 - 執行已在雲端中開始處理。 呼叫端此時有執行識別碼。

• 布建 - 針對指定的作業提交建立隨選計算。

• 準備 - 正在準備執行環境，且處於兩個階段之一：

  • Docker 映射組建

  • conda 環境設定

• 已排入佇列 - 作業會排入計算目標上的佇列。 例如，在 BatchAI 中，作業處於佇列狀態

  等候所有要求的節點準備就緒時。

• 執行 - 作業已開始在計算目標上執行。

• 完成 - 使用者程式碼執行已完成，且執行處於後續處理階段。

• CancelRequested - 已要求取消作業。

• 已完成 - 執行已順利完成。 這包括使用者程式碼執行和執行

  後續處理階段。

• 失敗 - 執行失敗。 執行上的 Error 屬性通常會提供原因的詳細資料。

• 已取消 - 遵循取消要求，並指出現在已成功取消執行。

• NotResponding - 針對已啟用活動訊號的執行，最近不會傳送活動訊號。

傳回

作業的狀態。

傳回類型

Optional[str]

studio_url

Azure ML Studio 端點。

傳回

作業詳細資料頁面的 URL。

傳回類型

Optional[str]

task

取得平行工作。

傳回

平行工作。

傳回類型

ParallelTask

type

作業的類型。

傳回

作業的類型。

傳回類型

Optional[str]