PipelineParameter 類別

定義管線執行中的參數。

使用 PipelineParameters 建構多用途的 Pipelines，稍後可以使用不同的參數值重新提交。

初始化管線參數。

建構函式

PipelineParameter(name, default_value)

參數

名稱	Description
name 必要	str 管線參數的名稱。
default_value 必要	Union[int, str, bool, float, DataPath, PipelineDataset, FileDataset, TabularDataset] 管線參數的預設值。
name 必要	str 管線參數的名稱。
default_value 必要	Union[int, str, bool, float, DataPath, PipelineDataset, FileDataset, TabularDataset] 管線參數的預設值。

備註

在建構管線時，可以將 PipelineParameters 新增至任何步驟。 提交管線時，可以指定這些參數的值。

將 PipelineParameter 新增至步驟的范例如下：

   from azureml.pipeline.steps import PythonScriptStep
   from azureml.pipeline.core import PipelineParameter

   pipeline_param = PipelineParameter(name="pipeline_arg", default_value="default_val")
   train_step = PythonScriptStep(script_name="train.py",
                                 arguments=["--param1", pipeline_param],
                                 target=compute_target,
                                 source_directory=project_folder)

在此範例中，已將名稱為 「pipeline_arg」 的 PipelineParameter 新增至 PythonScriptStep 的自變數。 執行 Python 腳本時，PipelineParameter 的值會透過命令行自變數提供。 您也可以將此 PipelineParameter 新增至管線中的其他步驟，以提供一般值給管線中的多個步驟。 管線可以指定多個 PipelineParameters。

若要提交此管線，並指定 「pipeline_arg」 PipelineParameter 使用的值：

   pipeline = Pipeline(workspace=ws, steps=[train_step])
   pipeline_run = Experiment(ws, 'train').submit(pipeline, pipeline_parameters={"pipeline_arg": "test_value"})

注意：如果在pipeline_parameters字典中未指定 「pipeline_arg」，則會使用建構管線時提供的 PipelineParameter 預設值（在此情況下提供的預設值為 “default_val”。

多行參數不能當做 PipelineParameters 使用。

PipelineParameters 也可以與 和 DataPath 搭配DataPathComputeBinding使用，以指定步驟輸入。 這可讓管線以不同的輸入數據執行。

搭配 PipelineParameters 使用 DataPath 的範例如下：

   from azureml.core.datastore import Datastore
   from azureml.data.datapath import DataPath, DataPathComputeBinding
   from azureml.pipeline.steps import PythonScriptStep
   from azureml.pipeline.core import PipelineParameter

   datastore = Datastore(workspace=workspace, name="workspaceblobstore")
   datapath = DataPath(datastore=datastore, path_on_datastore='input_data')
   data_path_pipeline_param = (PipelineParameter(name="input_data", default_value=datapath),
                               DataPathComputeBinding(mode='mount'))

   train_step = PythonScriptStep(script_name="train.py",
                                 arguments=["--input", data_path_pipeline_param],
                                 inputs=[data_path_pipeline_param],
                                 compute_target=compute_target,
                                 source_directory=project_folder)

在此情況下，“input_data” 參數的預設值會參考名為 “input_data” 之 “workspaceblobstore” 上的檔案。 如果提交管線而不指定此 PipelineParameter 的值，則會使用預設值。 若要提交此管線，並指定 「input_data」 PipelineParameter 使用的值：

   from azureml.pipeline.core import Pipeline
   from azureml.data.datapath import DataPath

   pipeline = Pipeline(workspace=ws, steps=[train_step])
   new_data_path = DataPath(datastore=datastore, path_on_datastore='new_input_data')
   pipeline_run = experiment.submit(pipeline,
                                    pipeline_parameters={"input_data": new_data_path})