PipelineStep Třída

Představuje krok spuštění v kanálu Služby Azure Machine Learning.

Kanály se konstruují z několika kroků kanálu, což jsou jedinečné výpočetní jednotky v kanálu. Každý krok může běžet nezávisle a používat izolované výpočetní prostředky. Každý krok má obvykle své vlastní pojmenované vstupy, výstupy a parametry.

Třída PipelineStep je základní třída, ze které dědí další předdefinované třídy kroků navržené pro běžné scénáře, jako PythonScriptStepjsou , DataTransferStepa HyperDriveStep.

Přehled toho, jak kanály a kroky kanálu souvisejí, najdete v tématu Co jsou kanály ML.

Inicializujte krok kanálu.

Dědičnost

builtins.object

PipelineStep

Konstruktor

PipelineStep(name, inputs, outputs, arguments=None, fix_port_name_collisions=False, resource_inputs=None)

Parametry

Name	Description
name Vyžadováno	str Název kroku kanálu.
inputs Vyžadováno	list Seznam vstupů kroků
outputs Vyžadováno	list Seznam výstupů kroků
arguments	list Volitelný seznam argumentů, které se mají předat skriptu použitému v kroku. Default value: None
fix_port_name_collisions	bool Určuje, jestli se mají opravit kolize názvů. Pokud má true a vstup a výstup stejný název, má vstup předponu INPUT. Výchozí hodnota je Nepravda. Default value: False
resource_inputs	list Volitelný seznam vstupů, které se mají použít jako prostředky. Prostředky se stáhnou do složky script a poskytují způsob, jak změnit chování skriptu za běhu. Default value: None
name Vyžadováno	str Název kroku kanálu.
inputs Vyžadováno	list Seznam vstupů kroků
outputs Vyžadováno	list Seznam výstupů kroků
arguments Vyžadováno	list Volitelný seznam argumentů, které se mají předat skriptu použitému v kroku.
fix_port_name_collisions Vyžadováno	bool Určuje, jestli se mají opravit kolize názvů. Pokud má true a vstup a výstup stejný název, má vstup předponu INPUT. Výchozí hodnota je Nepravda.
resource_inputs Vyžadováno	list Volitelný seznam vstupů, které se mají použít jako prostředky. Prostředky se stáhnou do složky script a poskytují způsob, jak změnit chování skriptu za běhu.

Poznámky

PipelineStep je jednotka provádění, která obvykle vyžaduje cíl spuštění (cílový výpočetní objekt), skript ke spuštění s volitelnými argumenty a vstupy skriptu a může vytvářet výstupy. Tento krok také může mít řadu dalších parametrů specifických pro daný krok.

Kroky kanálu je možné nakonfigurovat společně tak, aby vytvořily Pipelinepracovní postup , který představuje pracovní postup Azure Machine Learning, který lze sdílet a opakovaně použít. Každý krok kanálu je možné nakonfigurovat tak, aby umožňoval opakované použití výsledků předchozího spuštění, pokud obsah kroku (skripty/závislosti) i vstupy a parametry zůstanou nezměněné. Při opakovaném použití kroku místo odeslání úlohy k výpočtu se výsledky z předchozího spuštění okamžitě zpřístupní všem dalším krokům.

Azure Machine Learning Pipelines poskytuje integrované kroky pro běžné scénáře. Příklady najdete v steps balíčku a třídě AutoMLStep . Přehled o vytváření kanálu na základě předem připravených kroků najdete v tématu https://aka.ms/pl-first-pipeline.

Předdefinované kroky odvozené z kroku PipelineStep jsou kroky, které se používají v jednom kanálu. Pokud pracovní postup strojového učení vyžaduje vytvoření kroků, které je možné vytvářet verze a používat je v různých kanálech, použijte Module třídu .

Při práci s kroky kanálu, vstupními a výstupními daty a opětovným použitím kroků mějte na paměti následující skutečnosti.

• Pro samostatné kroky doporučujeme použít samostatná umístění source_directory. Pokud jsou všechny skripty v krocích kanálu v jednom adresáři, hodnota hash tohoto adresáře se změní pokaždé, když provedete změnu jednoho skriptu, který vynutí opětovné spuštění všech kroků. Příklad použití samostatných adresářů pro různé kroky najdete v tématu https://aka.ms/pl-get-started.

• Udržování samostatných složek pro skripty a závislé soubory pro každý krok pomáhá zmenšit velikost snímku vytvořeného pro každý krok, protože snímek je tvořen pouze konkrétní složkou. Vzhledem k tomu, že změny v jakýchkoli souborech v source_directory kroku aktivují opětovné nahrání snímku a udržování samostatných složek v každém kroku pomáhá překonejte opakované použití kroků v kanálu, protože pokud nedojde k žádným změnám v source_directory kroku, předchozí spuštění kroku se znovu použije.

• Pokud jsou data použitá v kroku v úložišti dat a allow_reuse mají hodnotu True, změny změn dat se nezjistí. Pokud se data nahrají jako součást snímku (pod source_directory kroku), i když se to nedoporučuje, hodnota hash se změní a aktivuje opětovné spuštění.

Metody

create_input_output_bindings	Vytvořte vstupní a výstupní vazby ze vstupů a výstupů kroků.
create_module_def	Vytvořte objekt definice modulu, který popisuje krok.
create_node	Na základě tohoto kroku vytvořte uzel pro graf kanálu.
get_source_directory	Získejte zdrojový adresář pro krok a zkontrolujte, jestli skript existuje.
resolve_input_arguments	Spárovat vstupy a výstupy s argumenty a vytvořit tak řetězec argumentu.
run_after	Tento krok spusťte po zadaném kroku.
validate_arguments	Ověřte, že vstupy a výstupy kroku zadané v argumentech jsou v seznamech vstupů a výstupů.

create_input_output_bindings

Vytvořte vstupní a výstupní vazby ze vstupů a výstupů kroků.

create_input_output_bindings(inputs, outputs, default_datastore, resource_inputs=None)

Parametry

Name	Description
inputs Vyžadováno	list Seznam vstupů kroků
outputs Vyžadováno	list Seznam výstupů kroků
default_datastore Vyžadováno	AbstractAzureStorageDatastore nebo AzureDataLakeDatastore Výchozí úložiště dat.
resource_inputs	list Seznam vstupů, které se mají použít jako prostředky. Prostředky se stáhnou do složky script a poskytují způsob, jak změnit chování skriptu za běhu. Default value: None

Návraty

Typ	Description
list, list	Řazená kolekce vstupních vazeb a výstupních vazeb.

create_module_def

Vytvořte objekt definice modulu, který popisuje krok.

create_module_def(execution_type, input_bindings, output_bindings, param_defs=None, create_sequencing_ports=True, allow_reuse=True, version=None, module_type=None, arguments=None, runconfig=None, cloud_settings=None)

Parametry

Name	Description
execution_type Vyžadováno	str Typ spuštění modulu.
input_bindings Vyžadováno	list Vstupní vazby kroku.
output_bindings Vyžadováno	list Výstupní vazby kroku.
param_defs	list Definice parametrů kroku. Default value: None
create_sequencing_ports	bool Určuje, jestli se pro modul vytvoří porty pro sekvencování. Default value: True
allow_reuse	bool Určuje, jestli bude modul dostupný k opakovanému použití v budoucích kanálech. Default value: True
version	str Verze modulu. Default value: None
module_type	str Typ modulu pro službu vytváření modulu, která se má vytvořit. V současné době jsou podporovány pouze dva typy: None (Žádný) a BatchInferencing (BatchInferencing). module_type se liší od execution_type toho, který určuje, jaký druh back-endové služby se má použít ke spuštění tohoto modulu. Default value: None
arguments	list Seznam argumentů s poznámkami, který se má použít při volání tohoto modulu Default value: None
runconfig	str Runconfig, který se použije pro python_script_step Default value: None
cloud_settings	<xref:azureml.pipeline.core._restclients.aeva.models.CloudSettings> Nastavení, která se budou používat pro cloudy Default value: None

Návraty

Typ	Description
ModuleDef	Objekt definice modulu.

create_node

Na základě tohoto kroku vytvořte uzel pro graf kanálu.

abstract create_node(graph, default_datastore, context)

Parametry

Name	Description
graph Vyžadováno	Graph Graf, do který se má uzel přidat.
default_datastore Vyžadováno	AbstractAzureStorageDatastore nebo AzureDataLakeDatastore Výchozí úložiště dat, které se má v tomto kroku použít.
context Vyžadováno	<xref:azureml.pipeline.core._GraphContext> Objekt kontextu grafu.

Návraty

Typ	Description
Node	Vytvořený uzel.

get_source_directory

Získejte zdrojový adresář pro krok a zkontrolujte, jestli skript existuje.

get_source_directory(context, source_directory, script_name)

Parametry

Name	Description
context Vyžadováno	<xref:azureml.pipeline.core._GraphContext> Objekt kontextu grafu.
source_directory Vyžadováno	str Zdrojový adresář pro krok.
script_name Vyžadováno	str Název skriptu pro krok.
hash_paths Vyžadováno	list Cesty hash, které se mají použít při určování otisku prstu modulu.

Návraty

Typ	Description
str, list	Zdrojový adresář a cesty k hodnotě hash.

resolve_input_arguments

Spárovat vstupy a výstupy s argumenty a vytvořit tak řetězec argumentu.

static resolve_input_arguments(arguments, inputs, outputs, params)

Parametry

Name	Description
arguments Vyžadováno	list Seznam argumentů kroku
inputs Vyžadováno	list Seznam vstupů kroků.
outputs Vyžadováno	list Seznam výstupů kroků
params Vyžadováno	list Seznam parametrů kroku

Návraty

Typ	Description
tuple	Vrátí řazenou kolekci dvou položek. První je plochý seznam položek pro vyřešené argumenty. Druhý je seznam strukturovaných argumentů (_InputArgument, _OutputArgument, _ParameterArgument a _StringArgument).

run_after

Tento krok spusťte po zadaném kroku.

run_after(step)

Parametry

Name	Description
step Vyžadováno	PipelineStep Krok kanálu, který se má spustit před tímto krokem.

Poznámky

Pokud chcete po dokončení kroku 1 i kroku 2 spustit třeba krok 3, můžete použít:

   step3.run_after(step1)
   step3.run_after(step2)

validate_arguments

Ověřte, že vstupy a výstupy kroku zadané v argumentech jsou v seznamech vstupů a výstupů.

static validate_arguments(arguments, inputs, outputs)

Parametry

Name	Description
arguments Vyžadováno	list Seznam argumentů kroku.
inputs Vyžadováno	list Seznam vstupů kroků
outputs Vyžadováno	list Seznam výstupů kroků