OutputPortBinding 類別
定義管線步驟的具名輸出。
OutputPortBinding 可用來指定步驟將產生的資料類型,以及如何產生資料。 它可用來 InputPortBinding 指定步驟輸出是另一個步驟的必要輸入。
初始化 OutputPortBinding。
- 繼承
-
builtins.objectOutputPortBinding
建構函式
OutputPortBinding(name, datastore=None, output_name=None, bind_mode='mount', path_on_compute=None, is_directory=None, overwrite=None, data_type=None, pipeline_output_name=None, training_output=None, dataset_registration=None, dataset_output=None)
參數
- datastore
- Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]
PipelineData 所在的資料存放區。
- pipeline_output_name
- str
如果提供此輸出,可以使用 PipelineRun.get_pipeline_output () 。 管線輸出名稱在管線中必須是唯一的。
- training_output
- TrainingOutput
定義定型結果的輸出。 這只適用于產生不同類型輸出的特定定型,例如計量和模型。 例如, AutoMLStep 產生計量和模型。 您也可以定義用來取得最佳模型的特定定型反復專案或計量。 針對 HyperDriveStep ,您也可以定義要包含在輸出中的特定模型檔案。
- training_output
- TrainingOutput
定義定型結果的輸出。 這只適用于產生不同類型輸出的特定定型,例如計量和模型。 例如, AutoMLStep 產生計量和模型。 您也可以定義用來取得最佳模型的特定定型反復專案或計量。 針對 HyperDriveStep ,您也可以定義要包含在輸出中的特定模型檔案。
備註
OutputPortBinding 的使用方式 PipelineData 與建置管線以指定步驟輸入和輸出的方式類似。 差異在於 OutputPortBinding 必須與 搭配 InputPortBinding 使用,才能作為另一個步驟的輸入使用。
使用 OutputPortBinding 建構管線的範例如下:
from azureml.pipeline.core import OutputPortBinding, InputPortBinding, Pipeline
from azureml.pipeline.steps import PythonScriptStep
step_1_output = OutputPortBinding("output", datastore=datastore)
step_1 = PythonScriptStep(
name='process data',
script_name="process_data.py",
compute_target=compute,
arguments=["--output", step_1_output],
outputs=[step_1_output]
)
step_2_input = InputPortBinding("input", bind_object=step_1_output)
step_2 = PythonScriptStep(
name='train',
script_name="train.py",
compute_target=compute,
arguments=["--input", step_2_input],
inputs=[step_2_input]
)
pipeline = Pipeline(workspace=workspace, steps=[step_1, step_2])
這會建立具有兩個步驟的管線。 程式步驟會先執行,然後在完成之後執行定型步驟。 Azure ML 會將處理常式步驟所產生的輸出提供給定型步驟,如 OutputPortBinding 物件所述。
屬性
bind_mode
data_type
dataset_registration
datastore
PipelineData 所在的資料存放區。
傳回
Datastore 物件。
傳回類型
is_directory
name
overwrite
path_on_compute
pipeline_output_name
training_output
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應