MpiStep Třída

Vytvoří krok kanálu Azure ML pro spuštění úlohy MPI.

Příklad použití MpiStep najdete v poznámkovém bloku https://aka.ms/pl-style-trans.

Vytvořte krok kanálu Azure ML pro spuštění úlohy MPI.

ZASTARALÉ. Místo toho CommandStep použijte. Příklad najdete v tématu Spuštění distribuovaného trénování v kanálech pomocí CommandStep.

Dědičnost

PythonScriptStep

MpiStep

Konstruktor

MpiStep(name=None, source_directory=None, script_name=None, arguments=None, compute_target=None, node_count=None, process_count_per_node=None, inputs=None, outputs=None, allow_reuse=True, version=None, hash_paths=None, **kwargs)

Parametry

Name	Description
name	str [Povinné] Název modulu Default value: None
source_directory	str [Povinné] Složka, která obsahuje skript Pythonu, prostředí conda a další prostředky použité v kroku. Default value: None
script_name	str [Povinné] Název skriptu Pythonu vzhledem k source_directory. Default value: None
arguments	list [Povinné] Seznam argumentů příkazového řádku Default value: None
compute_target	AmlCompute, str [Povinné] Cílový výpočetní objekt, který se má použít. Default value: None
node_count	int [Povinné] Počet uzlů ve výpočetním cíli, které se používají k trénování. Pokud je větší než 1, spustí se distribuovaná úloha mpi. Pro distribuované úlohy se podporuje pouze cílový výpočetní objekt AmlCompute. Podporují se hodnoty PipelineParameter. Default value: None
process_count_per_node	int [Povinné] Počet procesů na uzel Pokud je větší než 1, spustí se distribuovaná úloha mpi. Pro distribuované úlohy se podporuje pouze cílový výpočetní objekt AmlCompute. Podporují se hodnoty PipelineParameter. Default value: None
inputs	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset, DatasetConsumptionConfig]] Seznam vazeb vstupních portů. Default value: None
outputs	list[Union[PipelineData, PipelineOutputAbstractDataset, OutputPortBinding]] Seznam výstupních vazeb portů. Default value: None
params Vyžadováno	dict Slovník dvojic název-hodnota registrovaných jako proměnné prostředí s "AML_PARAMETER_".
allow_reuse	bool Určuje, jestli má krok při opětovném spuštění se stejným nastavením znovu použít předchozí výsledky. Opakované použití je ve výchozím nastavení povolené. Pokud obsah kroku (skripty/závislosti) a vstupy a parametry zůstanou beze změny, znovu se použije výstup z předchozího spuštění tohoto kroku. Při opakovaném použití kroku místo odeslání úlohy k výpočtu se výsledky z předchozího spuštění okamžitě zpřístupní všem dalším krokům. Pokud jako vstupy použijete datové sady Azure Machine Learning, opakované použití závisí na tom, jestli se změnila definice datové sady, nikoli na základě toho, jestli se změnila podkladová data. Default value: True
version	str Volitelná značka verze, která označuje změnu funkčnosti modulu. Default value: None
hash_paths	list ZASTARALÉ: Už není potřeba. Seznam cest k hodnotě hash při kontrole změn obsahu kroku Pokud se nezjistí žádné změny, kanál znovu použije obsah kroku z předchozího spuštění. Ve výchozím nastavení se obsah souboru source_directory hashuje s výjimkou souborů uvedených v souboru .amlignore nebo .gitignore. Default value: None
use_gpu Vyžadováno	bool Určuje, jestli by prostředí pro spuštění experimentu mělo podporovat GPU. Pokud má hodnotu True, použije se v prostředí výchozí image Dockeru založená na GPU. Pokud je false, použije se image založená na procesoru. Výchozí image Dockeru (CPU nebo GPU) se použijí jenom v případě, že custom_docker_image parametr není nastavený. Toto nastavení se používá jenom v cílových výpočetních objektech s podporou Dockeru.
use_docker Vyžadováno	bool Určuje, jestli má být prostředí pro spuštění experimentu založené na Dockeru.
custom_docker_image Vyžadováno	str Vytvoří se název image Dockeru, ze které se image použije pro trénování. Pokud není nastavená, jako základní image se použije výchozí image založená na procesoru.
image_registry_details Vyžadováno	ContainerRegistry Podrobnosti o registru imagí Dockeru
user_managed Vyžadováno	bool Označuje, jestli Azure ML opakovaně používá existující prostředí Pythonu. False znamená, že Azure ML vytvoří prostředí Pythonu na základě specifikace závislostí conda.
conda_packages Vyžadováno	list Seznam řetězců představujících balíčky conda, které se mají přidat do prostředí Pythonu.
pip_packages Vyžadováno	list Seznam řetězců představujících balíčky pip, které se mají přidat do prostředí Pythonu.
pip_requirements_file_path Vyžadováno	str Relativní cesta k textovému souboru požadavků pip. Tento parametr lze zadat v kombinaci s parametrem pip_packages .
environment_definition Vyžadováno	EnvironmentDefinition Definice EnvironmentDefinition pro experiment. Zahrnuje PythonSection a DockerSection a proměnné prostředí. Libovolnou možnost prostředí, která není přímo zpřístupněna prostřednictvím jiných parametrů pro konstrukci MpiStep, lze nastavit pomocí parametru environment_definition. Pokud je tento parametr zadaný, bude mít přednost před ostatními parametry souvisejícími s prostředím, jako jsou use_gpu, custom_docker_image, conda_packages nebo pip_packages, a u těchto neplatných kombinací budou hlášeny chyby.
name Vyžadováno	str [Povinné] Název modulu
source_directory Vyžadováno	str [Povinné] Složka, která obsahuje skript Pythonu, prostředí conda a další prostředky použité v kroku.
script_name Vyžadováno	str [Povinné] Název skriptu Pythonu vzhledem k source_directory.
arguments Vyžadováno	list [Povinné] Seznam argumentů příkazového řádku
compute_target Vyžadováno	<xref:azureml.core.compute.AmlComputeCompute>, str [Povinné] Cílový výpočetní objekt, který se má použít.
node_count Vyžadováno	int [Povinné] Počet uzlů ve výpočetním cíli, které se používají k trénování. Pokud je větší než 1, spustí se distribuovaná úloha mpi. Pro distribuované úlohy se podporuje pouze cílový výpočetní objekt AmlCompute. Podporují se hodnoty PipelineParameter.
process_count_per_node Vyžadováno	int [Povinné] Počet procesů na uzel Pokud je větší než 1, spustí se distribuovaná úloha mpi. Pro distribuované úlohy se podporuje pouze cílový výpočetní objekt AmlCompute. Podporují se hodnoty PipelineParameter.
inputs Vyžadováno	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset, DatasetConsumptionConfig]] Seznam vazeb vstupních portů.
outputs Vyžadováno	list[Union[PipelineData, OutputDatasetConfig, PipelineOutputAbstractDataset, OutputPortBinding]] Seznam výstupních vazeb portů.
params Vyžadováno	dict Slovník dvojic název-hodnota registrovaných jako proměnné prostředí s ">>AML_PARAMETER_<<".
allow_reuse Vyžadováno	bool Určuje, zda má krok opakovaně používat předchozí výsledky při opětovném spuštění se stejnými parametry, je znovu použit výstup z předchozího spuštění tohoto kroku. Při opakovaném použití kroku místo odeslání úlohy k výpočtu se výsledky z předchozího spuštění okamžitě zpřístupní všem dalším krokům. Pokud jako vstupy použijete datové sady Azure Machine Learning, opakované použití závisí na tom, jestli se změnila definice datové sady, nikoli na základě toho, jestli se změnila podkladová data.
version Vyžadováno	str Volitelná značka verze k označení změny funkčnosti modulu
hash_paths Vyžadováno	list ZASTARALÉ: Už není potřeba. Seznam cest k hodnotě hash při kontrole změn obsahu kroku Pokud se nezjistí žádné změny, kanál znovu použije obsah kroku z předchozího spuštění. Ve výchozím nastavení se obsah souboru source_directory hashuje s výjimkou souborů uvedených v souboru .amlignore nebo .gitignore.
use_gpu Vyžadováno	bool Určuje, jestli by prostředí pro spuštění experimentu mělo podporovat GPU. Pokud má hodnotu True, použije se v prostředí výchozí image Dockeru založená na GPU. Pokud je false, použije se image založená na procesoru. Výchozí image Dockeru (CPU nebo GPU) se použijí jenom v případě, že custom_docker_image parametr není nastavený. Toto nastavení se používá jenom v cílových výpočetních objektech s podporou Dockeru.
use_docker Vyžadováno	bool Určuje, jestli má být prostředí pro spuštění experimentu založené na Dockeru. custom_docker_image (str): Název image Dockeru, ze které se sestaví image, která se má použít pro úlohu mpi. Pokud není nastavená, jako základní image se použije výchozí image založená na procesoru.
custom_docker_image Vyžadováno	str Vytvoří se název image Dockeru, ze které se image použije pro trénování. Pokud není nastavená, jako základní image se použije výchozí image založená na procesoru.
image_registry_details Vyžadováno	ContainerRegistry Podrobnosti o registru imagí Dockeru
user_managed Vyžadováno	bool Označuje, jestli Azure ML opakovaně používá existující prostředí Pythonu. False znamená, že Azure ML vytvoří prostředí Pythonu na základě specifikace závislostí conda.
conda_packages Vyžadováno	list Seznam řetězců představujících balíčky conda, které se mají přidat do prostředí Pythonu.
pip_packages Vyžadováno	list Seznam řetězců představujících balíčky pip, které se mají přidat do prostředí Pythonu.
pip_requirements_file_path Vyžadováno	str Relativní cesta k textovému souboru požadavků pip. Tento parametr lze zadat v kombinaci s parametrem pip_packages .
environment_definition Vyžadováno	EnvironmentDefinition Definice prostředí pro experiment. Zahrnuje PythonSection a DockerSection a proměnné prostředí. Všechny možnosti prostředí, které nejsou přímo vystaveny prostřednictvím jiných parametrů pro konstrukci MpiStep, lze nastavit pomocí parametru environment_definition. Pokud je tento parametr zadaný, bude mít přednost před jinými parametry souvisejícími s prostředím, jako jsou use_gpu, custom_docker_image, conda_packages nebo pip_packages a u těchto neplatných kombinací budou hlášeny chyby.