AzureBatchStep 類別

建立 Azure ML 管線步驟，以將作業提交至 Azure Batch。

注意：此步驟不支持目錄及其內容的上傳/下載。

如需使用 AzureBatchStep 的範例，請參閱筆記本 https://aka.ms/pl-azbatch。

建立 Azure ML 管線步驟，以將作業提交至 Azure Batch。

建構函式

AzureBatchStep(name, create_pool=False, pool_id=None, delete_batch_job_after_finish=True, delete_batch_pool_after_finish=False, is_positive_exit_code_failure=True, vm_image_urn='urn:MicrosoftWindowsServer:WindowsServer:2012-R2-Datacenter', run_task_as_admin=False, target_compute_nodes=1, vm_size='standard_d1_v2', source_directory=None, executable=None, arguments=None, inputs=None, outputs=None, allow_reuse=True, compute_target=None, version=None)

參數

名稱	Description
name 必要	str [必要]步驟的名稱。
create_pool	bool 指出在執行作業之前是否要建立集區。 預設值: False
pool_id	str [必要]作業執行所在集區的標識碼。 標識碼可以是現有的集區，或是提交作業時要建立的集區。 預設值: None
delete_batch_job_after_finish	bool 指出是否要在作業完成之後，從 Batch 帳戶中刪除作業。 預設值: True
delete_batch_pool_after_finish	bool 指出作業完成之後是否要刪除集區。 預設值: False
is_positive_exit_code_failure	bool 指出如果工作存在正代碼，作業是否失敗。 預設值: True
vm_image_urn	str 如果 create_pool 為 True，且 VM 使用 VirtualMachineConfiguration。 值格式： urn:publisher:offer:sku。 範例： urn:MicrosoftWindowsServer:WindowsServer:2012-R2-Datacenter. 預設值: urn:MicrosoftWindowsServer:WindowsServer:2012-R2-Datacenter
run_task_as_admin	bool 指出工作是否應該以系統管理員許可權執行。 預設值: False
target_compute_nodes	int 如果 create_pool 為 True，表示將有多少計算節點新增至集區。 預設值: 1
vm_size	str 如果 create_pool 為 True，表示計算節點的虛擬機大小。 預設值: standard_d1_v2
source_directory	str 包含模組二進位檔、可執行檔、元件等的本機資料夾。 預設值: None
executable	str [必要]將在作業中執行之命令/可執行文件的名稱。 預設值: None
arguments	str 命令/可執行檔的自變數。 預設值: None
inputs	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]] 輸入埠系結的清單。 執行作業之前，會為每個輸入建立資料夾。 每個輸入的檔案都會從記憶體複製到計算節點上的個別資料夾。 例如，如果輸入名稱是 input1，而記憶體上的相對路徑是 some/relative/path/that/can/be/really/long/inputfile.txt，則計算上的檔案路徑會是： ./input1/inputfile.txt。 當輸入名稱超過 32 個字元時，將會截斷並附加唯一的後綴，以便在計算目標上成功建立資料夾名稱。 預設值: None
outputs	list[Union[PipelineData, PipelineOutputAbstractDataset, OutputPortBinding]] 輸出埠系結的清單。 與輸入類似，在作業執行之前，會為每個輸出建立資料夾。 資料夾名稱會與輸出名稱相同。 假設作業會將輸出放入該資料夾。 預設值: None
allow_reuse	bool 指出當使用相同的設定重新執行時，步驟是否應該重複使用先前的結果。 默認會啟用重複使用。 如果步驟內容（腳本/相依性）以及輸入和參數保持不變，則會重複使用此步驟上一次執行的輸出。 重複使用步驟時，而不是提交作業來計算，先前執行的結果會立即提供給任何後續步驟使用。 如果您使用 Azure Machine Learning 數據集做為輸入，則重複使用取決於資料集的定義是否已變更，而不是基礎數據是否已變更。 預設值: True
compute_target	BatchCompute, str [必要]BatchCompute 計算作業執行的位置。 預設值: None
version	str 選擇性版本標記，表示模組功能變更。 預設值: None
name 必要	str [必要]步驟的名稱。
create_pool 必要	bool 指出在執行作業之前是否要建立集區。
pool_id 必要	str [必要]作業執行所在集區的標識碼。 標識碼可以是現有的集區，或是提交作業時要建立的集區。
delete_batch_job_after_finish 必要	bool 指出是否要在作業完成之後，從 Batch 帳戶中刪除作業。
delete_batch_pool_after_finish 必要	bool 指出作業完成之後是否要刪除集區。
is_positive_exit_code_failure 必要	bool 指出如果工作存在正代碼，作業是否失敗。
vm_image_urn 必要	str 如果 create_pool 為 True，且 VM 使用 VirtualMachineConfiguration。 值格式： urn:publisher:offer:sku。 範例： urn:MicrosoftWindowsServer:WindowsServer:2012-R2-Datacenter.
run_task_as_admin 必要	bool 指出工作是否應該以系統管理員許可權執行。
target_compute_nodes 必要	int 如果 create_pool 為 True，表示將有多少計算節點新增至集區。
vm_size 必要	str 如果 create_pool 為 True，表示計算節點的虛擬機大小。
source_directory 必要	str 包含模組二進位檔、可執行檔、元件等的本機資料夾。
executable 必要	str [必要]將在作業中執行之命令/可執行文件的名稱。
arguments 必要	list 命令/可執行檔的自變數。
inputs 必要	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]] 輸入埠系結的清單。 執行作業之前，會為每個輸入建立資料夾。 每個輸入的檔案都會從記憶體複製到計算節點上的個別資料夾。 例如，如果輸入名稱是 input1，而記憶體上的相對路徑是 some/relative/path/that/can/be/really/long/inputfile.txt，則計算上的檔案路徑會是： ./input1/inputfile.txt。 如果輸入名稱長度超過 32 個字元，則會截斷並附加唯一的後綴，以便在計算上成功建立資料夾名稱。
outputs 必要	list[Union[PipelineData, PipelineOutputAbstractDataset, OutputPortBinding]] 輸出埠系結的清單。 與輸入類似，在作業執行之前，會為每個輸出建立資料夾。 資料夾名稱會與輸出名稱相同。 假設作業會有該資料夾的輸出。
allow_reuse 必要	bool 指出當使用相同的設定重新執行時，步驟是否應該重複使用先前的結果。 默認會啟用重複使用。 如果步驟內容（腳本/相依性）以及輸入和參數保持不變，則會重複使用此步驟上一次執行的輸出。 重複使用步驟時，而不是提交作業來計算，先前執行的結果會立即提供給任何後續步驟使用。 如果您使用 Azure Machine Learning 數據集做為輸入，則重複使用取決於資料集的定義是否已變更，而不是基礎數據是否已變更。
compute_target 必要	BatchCompute, str [必要]BatchCompute 計算作業執行的位置。
version 必要	str 選擇性版本標記，表示模組功能變更。

備註

下列範例示範如何在 Azure Machine Learning 管線中使用 AzureBatchStep。

   step = AzureBatchStep(
               name="Azure Batch Job",
               pool_id="MyPoolName", # Replace this with the pool name of your choice
               inputs=[testdata],
               outputs=[outputdata],
               executable="azurebatch.cmd",
               arguments=[testdata, outputdata],
               compute_target=batch_compute,
               source_directory=binaries_folder,
   )

完整範例可從 https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-how-to-use-azurebatch-to-run-a-windows-executable.ipynb

方法

create_node

從 AzureBatch 步驟建立節點，並將其新增至指定的圖形。 此方法不適合直接使用。 使用此步驟具現化管線時，Azure ML 會自動透過此方法傳遞所需的參數，以便將步驟新增至代表工作流程的管線圖形。

create_node

從 AzureBatch 步驟建立節點，並將其新增至指定的圖形。

此方法不適合直接使用。 使用此步驟具現化管線時，Azure ML 會自動透過此方法傳遞所需的參數，以便將步驟新增至代表工作流程的管線圖形。

create_node(graph, default_datastore, context)

參數

名稱	Description
graph 必要	Graph 要加入節點的圖形物件。
default_datastore 必要	Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore] 預設數據存放區。
context 必要	<xref:azureml.pipeline.core._GraphContext> 圖形內容。

傳回

類型	Description
Node	建立的節點。