Input Klasse

Initialisieren Sie ein Input-Objekt.

Vererbung

azure.ai.ml.entities._inputs_outputs.base._InputOutputBase

Input

Konstruktor

Input(*, type: str, path: str | None = None, mode: str | None = None, optional: bool | None = None, description: str | None = None, **kwargs: Any)

Nur Schlüsselwortparameter

Name	Beschreibung
type	str Der Typ der Dateneingabe. Akzeptierte Werte sind "uri_folder", "uri_file", "mltable", "mlflow_model", "custom_model", "integer", "number", "string" und "boolean". Der Standardwert ist "uri_folder". Standardwert: uri_folder
path	Optional[str] Der Pfad zu den Eingabedaten. Pfade können lokale Pfade, Remotedaten-URIs oder eine registrierte AzureML-Ressourcen-ID sein.
mode	Optional[str] Der Zugriffsmodus der Dateneingabe. Dies sind die zulässigen Werte: 'ro_mount': Binden Sie die Daten schreibgeschützt im Computeziel ein, "Download": Laden Sie die Daten auf das Computeziel herunter, 'direct': Übergeben Sie den URI als Zeichenfolge, auf die zur Laufzeit zugegriffen werden soll.
default	Union[str, int, float, bool] Der Standardwert der Eingabe. Wenn ein Standardwert festgelegt ist, sind die Eingabedaten optional.
min	Union[int, float] Der Mindestwert für die Eingabe. Wenn ein Wert, der kleiner als das Minimum ist, an den Auftrag übergeben wird, schlägt die Auftragsausführung fehl.
max	Union[int, float] Der maximal zulässige Wert für die Eingabe. Wenn ein Wert, der größer als das Maximum ist, an einen Auftrag übergeben wird, schlägt die Auftragsausführung fehl.
optional	Optional[bool] Gibt an, ob die Eingabe optional ist.
description	Optional[str] Beschreibung der Eingabe
datastore	str Der Datenspeicher, in den lokale Dateien hochgeladen werden sollen.
intellectual_property	IntellectualProperty Geistiges Eigentum für die Eingabe.
enum Erforderlich

Beispiele

Erstellen eines CommandJobs mit zwei Eingaben.

   from azure.ai.ml import Input, Output
   from azure.ai.ml.entities import CommandJob, CommandJobLimits

   command_job = CommandJob(
       code="./src",
       command="python train.py --ss {search_space.ss}",
       inputs={
           "input1": Input(path="trial.csv", mode="ro_mount", description="trial input data"),
           "input_2": Input(
               path="azureml:list_data_v2_test:2", type="uri_folder", description="registered data asset"
           ),
       },
       outputs={"default": Output(path="./foo")},
       compute="trial",
       environment="AzureML-sklearn-1.0-ubuntu20.04-py38-cpu:33",
       limits=CommandJobLimits(timeout=120),
   )

Methoden

get
has_key
items
keys
update
values

get

get(key: Any, default: Any | None = None) -> Any

Parameter

Name	Beschreibung
key Erforderlich
default	Standardwert: None

has_key

has_key(k: Any) -> bool

Parameter

Name	Beschreibung
k Erforderlich

items

items() -> list

keys

keys() -> list

update

update(*args: Any, **kwargs: Any) -> None

values

values() -> list