azure.ai.ml package

Crea un objeto Command que se puede usar dentro de una función dsl.pipeline o como un trabajo de comando independiente.

command(*, name: str | None = None, description: str | None = None, tags: Dict | None = None, properties: Dict | None = None, display_name: str | None = None, command: str | None = None, experiment_name: str | None = None, environment: str | Environment | None = None, environment_variables: Dict | None = None, distribution: Dict | MpiDistribution | TensorFlowDistribution | PyTorchDistribution | RayDistribution | None = None, compute: str | None = None, inputs: Dict | None = None, outputs: Dict | None = None, instance_count: int | None = None, instance_type: str | None = None, locations: List[str] | None = None, docker_args: str | None = None, shm_size: str | None = None, timeout: int | None = None, code: PathLike | str | None = None, identity: ManagedIdentityConfiguration | AmlTokenConfiguration | UserIdentityConfiguration | None = None, is_deterministic: bool = True, services: Dict[str, JobService | JupyterLabJobService | SshJobService | TensorBoardJobService | VsCodeJobService] | None = None, job_tier: str | None = None, priority: str | None = None, **kwargs) -> Command

Parámetros

name: Optional[str]

Nombre del trabajo de comando o componente.

description: Optional[str]

Descripción del comando. El valor predeterminado es None.

tags: Optional[dict[str, str]]

Diccionario de etiquetas. Las etiquetas se pueden agregar, quitar y actualizar. El valor predeterminado es None.

properties: Optional[dict[str, str]]

Diccionario de propiedades de trabajo. El valor predeterminado es None.

display_name: Optional[str]

El nombre para mostrar del trabajo. El valor predeterminado es un nombre generado aleatoriamente.

command: Optional[str]

Comando que se va a ejecutar. El valor predeterminado es None.

experiment_name: Optional[str]

Nombre del experimento en el que se creará el trabajo. El valor predeterminado es el nombre del directorio actual.

environment: Optional[Union[str, Environment]]

Entorno en el que se ejecutará el trabajo.

environment_variables: Optional[dict[str, str]]

Diccionario de nombres y valores de variables de entorno. Estas variables de entorno se establecen en el proceso donde se ejecuta el script de usuario. El valor predeterminado es None.

distribution: Optional[Union[dict, PyTorchDistribution, MpiDistribution, TensorFlowDistribution, RayDistribution]]

Configuración de trabajos distribuidos. El valor predeterminado es None.

compute: Optional[str]

Destino de proceso en el que se ejecutará el trabajo. El valor predeterminado es el proceso predeterminado.

inputs: Optional[dict[str, Union[Input, str, bool, int, float, <xref:Enum>]]]

Asignación de nombres de entrada a orígenes de datos de entrada usados en el trabajo. El valor predeterminado es None.

outputs: Optional[dict[str, Union[str, Output]]]

Asignación de nombres de salida a orígenes de datos de salida usados en el trabajo. El valor predeterminado es None.

instance_count: Optional[int]

Número de instancias o nodos que va a usar el destino de proceso. De manera predeterminada, su valor es 1.

instance_type: Optional[str]

Tipo de máquina virtual que va a usar el destino de proceso.

locations: Optional[list[str]]

Lista de ubicaciones donde se ejecutará el trabajo.

docker_args: Optional[str]

Argumentos adicionales para pasar al comando de ejecución de Docker. Esto invalidaría los parámetros ya establecidos por el sistema o en esta sección. Este parámetro solo se admite para los tipos de proceso de Azure ML. El valor predeterminado es None.

shm_size: Optional[str]

Tamaño del bloque de memoria compartida del contenedor Docker. Debe estar en el formato de (número)(unidad) donde el número debe ser mayor que 0 y la unidad puede ser uno de b(bytes), k(kilobytes), m(megabytes) o g(gigabytes).

timeout: Optional[int]

Número, en segundos, después del cual se cancelará el trabajo.

code: Optional[Union[str, PathLike]]

Código fuente para ejecutar el trabajo. Puede ser una ruta de acceso local o "http:", "https:" o "azureml:" que apunte a una ubicación remota.

identity: Optional[Union[ ManagedIdentityConfiguration, AmlTokenConfiguration, UserIdentityConfiguration]]

Identidad que usará el trabajo de comando mientras se ejecuta en proceso.

is_deterministic: bool

Especifica si el comando devolverá la misma salida según la misma entrada. El valor predeterminado es True. Cuando es True, si un componente de comando es determinista y se ha ejecutado antes en el área de trabajo actual con la misma entrada y configuración, reutilizará los resultados de un trabajo enviado anteriormente cuando se usa como nodo o paso en una canalización. En ese escenario, no se usará ningún recurso de proceso.

services: Optional[dict[str, Union[JobService, JupyterLabJobService, SshJobService, TensorBoardJobService, VsCodeJobService]]]

Servicios interactivos para el nodo. El valor predeterminado es None. Se trata de un parámetro experimental y puede cambiar en cualquier momento. Consulte https://aka.ms/azuremlexperimental para más información.

job_tier: Optional[str]

Nivel de trabajo. Los valores aceptados son "Spot", "Basic", "Standard" o "Premium".

priority: Optional[str]

Prioridad del trabajo en el proceso. Los valores aceptados son "low", "medium" y "high". El valor predeterminado es "medio".

Devoluciones

Objeto Command.

Tipo de valor devuelto

Command

Ejemplos

Crear un trabajo de comando mediante el método command().


   from azure.ai.ml import Input, Output, command

   train_func = command(
       environment="AzureML-sklearn-1.0-ubuntu20.04-py38-cpu:33",
       command='echo "hello world"',
       distribution={"type": "Pytorch", "process_count_per_instance": 2},
       inputs={
           "training_data": Input(type="uri_folder"),
           "max_epochs": 20,
           "learning_rate": 1.8,
           "learning_rate_schedule": "time-based",
       },
       outputs={"model_output": Output(type="uri_folder")},
   )

Construya un objeto de implementación por lotes a partir del archivo yaml.

load_batch_deployment(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> BatchDeployment

Parámetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Requerido

Origen yaml local de un objeto de implementación por lotes. Debe ser una ruta de acceso a un archivo local o un archivo ya abierto. Si el origen es una ruta de acceso, se abrirá y leerá. Se produce una excepción si el archivo no existe. Si el origen es un archivo abierto, el archivo se leerá directamente y se generará una excepción si el archivo no es legible.

relative_origin: str

Origen que se va a usar al deducir las ubicaciones relativas de los archivos a los que se hace referencia en el archivo yaml analizado. El valor predeterminado es el directorio del origen de entrada si es una entrada de ruta de acceso de archivo o archivo. El valor predeterminado es "./" si el origen es una entrada de flujo sin ningún valor de nombre.

params_override: List[Dict]

Campos para sobrescribir en la parte superior del archivo yaml. El formato es [{"field1": "value1"}, {"field2": "value2"}]

Devoluciones

Objeto de implementación por lotes construido.

Tipo de valor devuelto

BatchDeployment

Construya un objeto de punto de conexión por lotes a partir del archivo yaml.

load_batch_endpoint(source: str | PathLike | IO, relative_origin: str | None = None, **kwargs) -> BatchEndpoint

Parámetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Requerido

Origen yaml local de un objeto de punto de conexión por lotes. Debe ser una ruta de acceso a un archivo local o un archivo ya abierto. Si el origen es una ruta de acceso, se abrirá y leerá. Se produce una excepción si el archivo no existe. Si el origen es un archivo abierto, el archivo se leerá directamente y se generará una excepción si el archivo no es legible.

relative_origin: str

valor predeterminado: None

Origen que se va a usar al deducir las ubicaciones relativas de los archivos a los que se hace referencia en el archivo yaml analizado. El valor predeterminado es el directorio del origen de entrada si es una entrada de ruta de acceso de archivo o archivo. El valor predeterminado es "./" si el origen es una entrada de flujo sin ningún valor de nombre.

params_override: List[Dict]

Campos para sobrescribir en la parte superior del archivo yaml. El formato es [{"field1": "value1"}, {"field2": "value2"}]

Devoluciones

Objeto de punto de conexión por lotes construido.

Tipo de valor devuelto

BatchEndpoint

Cargue el componente desde local o remoto a una función de componente.

load_component(source: str | PathLike | IO | None = None, *, relative_origin: str | None = None, **kwargs) -> CommandComponent | ParallelComponent | PipelineComponent

Parámetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

valor predeterminado: None

Origen yaml local de un componente. Debe ser una ruta de acceso a un archivo local o un archivo ya abierto. Si el origen es una ruta de acceso, se abrirá y leerá. Se produce una excepción si el archivo no existe. Si el origen es un archivo abierto, el archivo se leerá directamente y se generará una excepción si el archivo no es legible.

relative_origin: str

Origen que se va a usar al deducir las ubicaciones relativas de los archivos a los que se hace referencia en el archivo yaml analizado. El valor predeterminado es el directorio del origen de entrada si es una entrada de ruta de acceso de archivo o archivo. El valor predeterminado es "./" si el origen es una entrada de flujo sin ningún valor de nombre.

params_override: List[Dict]

Campos para sobrescribir en la parte superior del archivo yaml. El formato es [{"field1": "value1"}, {"field2": "value2"}]

Devoluciones

Un objeto Component

Tipo de valor devuelto

Union[CommandComponent, ParallelComponent, PipelineComponent]

Ejemplos

Carga de un objeto Component desde un archivo YAML, reemplazando su versión a "1.0.2" y registrándola de forma remota.


   from azure.ai.ml import load_component

   component = load_component(
       source="./sdk/ml/azure-ai-ml/tests/test_configs/components/helloworld_component.yml",
       params_override=[{"version": "1.0.2"}],
   )
   registered_component = ml_client.components.create_or_update(component)

Construya un objeto de proceso a partir de un archivo yaml.

load_compute(source: str | PathLike | IO, *, relative_origin: str | None = None, params_override: List[Dict[str, str]] | None = None, **kwargs) -> Compute

Parámetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Requerido

Origen yaml local de un proceso. Debe ser una ruta de acceso a un archivo local o un archivo ya abierto. Si el origen es una ruta de acceso, se abrirá y leerá. Se produce una excepción si el archivo no existe. Si el origen es un archivo abierto, el archivo se leerá directamente y se generará una excepción si el archivo no es legible.

relative_origin: Optional[str]

Origen que se va a usar al deducir las ubicaciones relativas de los archivos a los que se hace referencia en el archivo yaml analizado. El valor predeterminado es el directorio del origen de entrada si es una entrada de ruta de acceso de archivo o archivo. El valor predeterminado es "./" si el origen es una entrada de flujo sin ningún valor de nombre.

params_override: Optional[List[Dict]]

Campos para sobrescribir en la parte superior del archivo yaml. El formato es [{"field1": "value1"}, {"field2": "value2"}]

Devoluciones

Objeto de proceso cargado.

Tipo de valor devuelto

Compute

Ejemplos

Cargar un objeto Compute desde un archivo YAML y invalidar su descripción.


   from azure.ai.ml import load_compute

   compute = load_compute(
       "../tests/test_configs/compute/compute-vm.yaml",
       params_override=[{"description": "loaded from compute-vm.yaml"}],
   )

Construya un objeto de datos a partir del archivo yaml.

load_data(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> Data

Parámetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Requerido

Origen yaml local de un objeto de datos. Debe ser una ruta de acceso a un archivo local o un archivo ya abierto. Si el origen es una ruta de acceso, se abrirá y leerá. Se produce una excepción si el archivo no existe. Si el origen es un archivo abierto, el archivo se leerá directamente y se generará una excepción si el archivo no es legible.

relative_origin: str

Origen que se va a usar al deducir las ubicaciones relativas de los archivos a los que se hace referencia en el archivo yaml analizado. El valor predeterminado es el directorio del origen de entrada si es una entrada de ruta de acceso de archivo o archivo. El valor predeterminado es "./" si el origen es una entrada de flujo sin ningún valor de nombre.

params_override: List[Dict]

Campos para sobrescribir en la parte superior del archivo yaml. El formato es [{"field1": "value1"}, {"field2": "value2"}]

Devoluciones

Objeto Data o DataImport construido.

Tipo de valor devuelto

Data

Excepciones

ValidationException

Se genera si los datos no se pueden validar correctamente. Los detalles se proporcionarán en el mensaje de error.

Construya un objeto de almacén de datos a partir de un archivo yaml.

load_datastore(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> Datastore

Parámetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Requerido

Origen yaml local de un almacén de datos. Debe ser una ruta de acceso a un archivo local o un archivo ya abierto. Si el origen es una ruta de acceso, se abrirá y leerá. Se produce una excepción si el archivo no existe. Si el origen es un archivo abierto, el archivo se leerá directamente y se generará una excepción si el archivo no es legible.

relative_origin: str

Origen que se va a usar al deducir las ubicaciones relativas de los archivos a los que se hace referencia en el archivo yaml analizado. El valor predeterminado es el directorio del origen de entrada si es una entrada de ruta de acceso de archivo o archivo. El valor predeterminado es "./" si el origen es una entrada de flujo sin ningún valor de nombre.

params_override: List[Dict]

Campos para sobrescribir en la parte superior del archivo yaml. El formato es [{"field1": "value1"}, {"field2": "value2"}]

Devoluciones

Objeto de almacén de datos cargado.

Tipo de valor devuelto

Datastore

Excepciones

ValidationException

Se genera si el almacén de datos no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

Construya un objeto de entorno a partir del archivo yaml.

load_environment(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> Environment

Parámetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Requerido

Origen yaml local de un entorno. Debe ser una ruta de acceso a un archivo local o un archivo ya abierto. Si el origen es una ruta de acceso, se abrirá y leerá. Se produce una excepción si el archivo no existe. Si el origen es un archivo abierto, el archivo se leerá directamente y se generará una excepción si el archivo no es legible.

relative_origin: str

Origen que se va a usar al deducir las ubicaciones relativas de los archivos a los que se hace referencia en el archivo yaml analizado. El valor predeterminado es el directorio del origen de entrada si es una entrada de ruta de acceso de archivo o archivo. El valor predeterminado es "./" si el origen es una entrada de flujo sin ningún valor de nombre.

params_override: List[Dict]

Campos para sobrescribir en la parte superior del archivo yaml. El formato es [{"field1": "value1"}, {"field2": "value2"}]

Devoluciones

Objeto de entorno construido.

Tipo de valor devuelto

Environment

Excepciones

ValidationException

Se genera si el entorno no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

Construye un objeto Job a partir de un archivo YAML.

load_job(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> Job

Parámetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Requerido

Ruta de acceso a un archivo YAML local o a un objeto de archivo ya abierto que contiene una configuración de trabajo. Si el origen es una ruta de acceso, se abrirá y leerá. Si el origen es un archivo abierto, el archivo se leerá directamente.

relative_origin: Optional[str]

Directorio raíz del ARCHIVO YAML. Este directorio se usará como origen para deducir las ubicaciones relativas de los archivos a los que se hace referencia en el YAML analizado. El valor predeterminado es el mismo directorio que el origen si source es una entrada de ruta de acceso de archivo o archivo. El valor predeterminado es "./" si el origen es una entrada de flujo sin ningún valor de nombre.

params_override: Optional[list[dict]]

Campos de parámetro para sobrescribir valores en el archivo YAML.

Devoluciones

Objeto Job cargado.

Tipo de valor devuelto

Job

Excepciones

ValidationException

Se genera si el trabajo no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

Ejemplos

Carga de un trabajo desde un archivo de configuración de YAML.


   from azure.ai.ml import load_job

   job = load_job(source="./sdk/ml/azure-ai-ml/tests/test_configs/command_job/command_job_test_local_env.yml")

Construye un objeto Model a partir de un archivo YAML.

load_model(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> Model

Parámetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Requerido

Ruta de acceso a un archivo YAML local o a un objeto de archivo ya abierto que contiene una configuración de trabajo. Si el origen es una ruta de acceso, se abrirá y leerá. Si el origen es un archivo abierto, el archivo se leerá directamente.

relative_origin: Optional[str]

Directorio raíz del ARCHIVO YAML. Este directorio se usará como origen para deducir las ubicaciones relativas de los archivos a los que se hace referencia en el YAML analizado. El valor predeterminado es el mismo directorio que el origen si source es una entrada de ruta de acceso de archivo o archivo. El valor predeterminado es "./" si el origen es una entrada de flujo sin ningún valor de nombre.

params_override: Optional[list[dict]]

Campos de parámetro para sobrescribir valores en el archivo YAML.

Devoluciones

Objeto Model cargado.

Tipo de valor devuelto

Model

Excepciones

ValidationException

Se genera si el trabajo no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

Ejemplos

Carga de un modelo desde un archivo de configuración de YAML, reemplazando los parámetros de nombre y versión.


   from azure.ai.ml import load_model

   model = load_model(
       source="./sdk/ml/azure-ai-ml/tests/test_configs/model/model_with_stage.yml",
       params_override=[{"name": "new_model_name"}, {"version": "1"}],
   )

Nota

Se trata de un método experimental y puede cambiar en cualquier momento. Consulte https://aka.ms/azuremlexperimental para más información.

Construye un objeto ModelPackage a partir de un archivo YAML.

load_model_package(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> ModelPackage

Parámetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Requerido

Ruta de acceso a un archivo YAML local o a un objeto de archivo ya abierto que contiene una configuración de trabajo. Si el origen es una ruta de acceso, se abrirá y leerá. Si el origen es un archivo abierto, el archivo se leerá directamente.

relative_origin: Optional[str]

Directorio raíz del ARCHIVO YAML. Este directorio se usará como origen para deducir las ubicaciones relativas de los archivos a los que se hace referencia en el YAML analizado. El valor predeterminado es el mismo directorio que el origen si source es una entrada de ruta de acceso de archivo o archivo. El valor predeterminado es "./" si el origen es una entrada de flujo sin ningún valor de nombre.

params_override: Optional[list[dict]]

Campos de parámetro para sobrescribir valores en el archivo YAML.

Devoluciones

Objeto ModelPackage cargado.

Tipo de valor devuelto

ModelPackage

Excepciones

ValidationException

Se genera si el trabajo no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

Ejemplos

Carga de un ModelPackage desde un archivo de configuración de YAML.


   from azure.ai.ml import load_model_package

   model_package = load_model_package(
       "./sdk/ml/azure-ai-ml/tests/test_configs/model_package/model_package_simple.yml"
   )

Construya un objeto de implementación en línea a partir del archivo yaml.

load_online_deployment(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> OnlineDeployment

Parámetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Requerido

Origen yaml local de un objeto de implementación en línea. Debe ser una ruta de acceso a un archivo local o un archivo ya abierto. Si el origen es una ruta de acceso, se abrirá y leerá. Se produce una excepción si el archivo no existe. Si el origen es un archivo abierto, el archivo se leerá directamente y se generará una excepción si el archivo no es legible.

relative_origin: str

Origen que se va a usar al deducir las ubicaciones relativas de los archivos a los que se hace referencia en el archivo yaml analizado. El valor predeterminado es el directorio del origen de entrada si es una entrada de ruta de acceso de archivo o archivo. El valor predeterminado es "./" si el origen es una entrada de flujo sin ningún valor de nombre.

params_override: List[Dict]

Campos para sobrescribir en la parte superior del archivo yaml. El formato es [{"field1": "value1"}, {"field2": "value2"}]

Devoluciones

Objeto de implementación en línea construido.

Tipo de valor devuelto

OnlineDeployment

Excepciones

ValidationException

Se genera si la implementación en línea no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

Construya un objeto de punto de conexión en línea a partir del archivo yaml.

load_online_endpoint(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> OnlineEndpoint

Parámetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Requerido

Origen yaml local de un objeto de punto de conexión en línea. Debe ser una ruta de acceso a un archivo local o un archivo ya abierto. Si el origen es una ruta de acceso, se abrirá y leerá. Se produce una excepción si el archivo no existe. Si el origen es un archivo abierto, el archivo se leerá directamente y se generará una excepción si el archivo no es legible.

relative_origin: str

Origen que se va a usar al deducir las ubicaciones relativas de los archivos a los que se hace referencia en el archivo yaml analizado. El valor predeterminado es el directorio del origen de entrada si es una entrada de ruta de acceso de archivo o archivo. El valor predeterminado es "./" si el origen es una entrada de flujo sin ningún valor de nombre.

params_override: List[Dict]

Campos para sobrescribir en la parte superior del archivo yaml. El formato es [{"field1": "value1"}, {"field2": "value2"}]

Devoluciones

Objeto de punto de conexión en línea construido.

Tipo de valor devuelto

OnlineEndpoint

Excepciones

ValidationException

Se genera si el punto de conexión en línea no se puede validar correctamente. Los detalles se proporcionarán en el mensaje de error.

Cargue un objeto del Registro desde un archivo yaml.

load_registry(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> Registry

Parámetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Requerido

Origen yaml local de un registro. Debe ser una ruta de acceso a un archivo local o un archivo ya abierto. Si el origen es una ruta de acceso, se abrirá y leerá. Se produce una excepción si el archivo no existe. Si el origen es un archivo abierto, el archivo se leerá directamente y se generará una excepción si el archivo no es legible.

relative_origin: str

Origen que se va a usar al deducir las ubicaciones relativas de los archivos a los que se hace referencia en el archivo yaml analizado. El valor predeterminado es el directorio del origen de entrada si es una entrada de ruta de acceso de archivo o archivo. El valor predeterminado es "./" si el origen es una entrada de flujo sin ningún valor de nombre.

params_override: List[Dict]

Campos para sobrescribir en la parte superior del archivo yaml. El formato es [{"field1": "value1"}, {"field2": "value2"}]

Devoluciones

Objeto del Registro cargado.

Tipo de valor devuelto

Registry

Cargue un objeto de área de trabajo desde un archivo yaml.

load_workspace(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> Workspace

Parámetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Requerido

Origen yaml local de un área de trabajo. Debe ser una ruta de acceso a un archivo local o un archivo ya abierto. Si el origen es una ruta de acceso, se abrirá y leerá. Se produce una excepción si el archivo no existe. Si el origen es un archivo abierto, el archivo se leerá directamente y se generará una excepción si el archivo no es legible.

relative_origin: str

Origen que se va a usar al deducir las ubicaciones relativas de los archivos a los que se hace referencia en el archivo yaml analizado. El valor predeterminado es el directorio del origen de entrada si es una entrada de ruta de acceso de archivo o archivo. El valor predeterminado es "./" si el origen es una entrada de flujo sin ningún valor de nombre.

params_override: List[Dict]

Campos para sobrescribir en la parte superior del archivo yaml. El formato es [{"field1": "value1"}, {"field2": "value2"}]

Devoluciones

Objeto del área de trabajo cargada.

Tipo de valor devuelto

Workspace

Construya un objeto de conexión del área de trabajo a partir del archivo yaml.

load_workspace_connection(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> WorkspaceConnection

Parámetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Requerido

Origen yaml local de un objeto de conexión del área de trabajo. Debe ser una ruta de acceso a un archivo local o un archivo ya abierto. Si el origen es una ruta de acceso, se abrirá y leerá. Se produce una excepción si el archivo no existe. Si el origen es un archivo abierto, el archivo se leerá directamente y se generará una excepción si el archivo no es legible.

relative_origin: str

Origen que se va a usar al deducir las ubicaciones relativas de los archivos a los que se hace referencia en el archivo yaml analizado. El valor predeterminado es el directorio del origen de entrada si es una entrada de ruta de acceso de archivo o archivo. El valor predeterminado es "./" si el origen es una entrada de flujo sin ningún valor de nombre.

params_override: List[Dict]

Campos para sobrescribir en la parte superior del archivo yaml. El formato es [{"field1": "value1"}, {"field2": "value2"}]

Devoluciones

Objeto de conexión del área de trabajo construido.

Tipo de valor devuelto

WorkspaceConnection

Nota

Se trata de un método experimental y puede cambiar en cualquier momento. Consulte https://aka.ms/azuremlexperimental para más información.

Cargue un objeto WorkspaceHub desde un archivo yaml.

load_workspace_hub(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> WorkspaceHub

Parámetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Requerido

Origen yaml local de workspaceHub. Debe ser una ruta de acceso a un archivo local o un archivo ya abierto. Si el origen es una ruta de acceso, se abrirá y leerá. Se produce una excepción si el archivo no existe. Si el origen es un archivo abierto, el archivo se leerá directamente y se generará una excepción si el archivo no es legible.

relative_origin: str

Origen que se va a usar al deducir las ubicaciones relativas de los archivos a los que se hace referencia en el archivo yaml analizado. El valor predeterminado es el directorio del origen de entrada si es una entrada de ruta de acceso de archivo o archivo. El valor predeterminado es "./" si el origen es una entrada de flujo sin ningún valor de nombre.

params_override: List[Dict]

Campos para sobrescribir en la parte superior del archivo yaml. El formato es [{"field1": "value1"}, {"field2": "value2"}]

Devoluciones

Objeto WorkspaceHub cargado.

Tipo de valor devuelto

WorkspaceHub

Crea un objeto Spark que se puede usar dentro de una función dsl.pipeline o como un trabajo de Spark independiente.

spark(*, experiment_name: str | None = None, name: str | None = None, display_name: str | None = None, description: str | None = None, tags: Dict | None = None, code: PathLike | str | None = None, entry: Dict[str, str] | SparkJobEntry | None = None, py_files: List[str] | None = None, jars: List[str] | None = None, files: List[str] | None = None, archives: List[str] | None = None, identity: Dict[str, str] | ManagedIdentity | AmlToken | UserIdentity | None = None, driver_cores: int | None = None, driver_memory: str | None = None, executor_cores: int | None = None, executor_memory: str | None = None, executor_instances: int | None = None, dynamic_allocation_enabled: bool | None = None, dynamic_allocation_min_executors: int | None = None, dynamic_allocation_max_executors: int | None = None, conf: Dict[str, str] | None = None, environment: str | Environment | None = None, inputs: Dict | None = None, outputs: Dict | None = None, args: str | None = None, compute: str | None = None, resources: Dict | SparkResourceConfiguration | None = None, **kwargs) -> Spark

Parámetros

experiment_name: Optional[str]

Nombre del experimento en el que se creará el trabajo.

name: Optional[str]

Nombre del trabajo.

display_name: Optional[str]

Nombre para mostrar del trabajo.

description: Optional[str]

Descripción del trabajo. El valor predeterminado es None.

tags: Optional[dict[str, str]]

Diccionario de etiquetas para el trabajo. Las etiquetas se pueden agregar, quitar y actualizar. El valor predeterminado es None.

code

Código fuente para ejecutar el trabajo. Puede ser una ruta de acceso local o "http:", "https:" o "azureml:" url que apunte a una ubicación remota.

entry: Optional[Union[dict[str, str], SparkJobEntry]]

Punto de entrada de archivo o clase.

py_files: Optional[list[str]]

Lista de archivos .zip, .egg o .py que se van a colocar en pythonPATH para aplicaciones de Python. El valor predeterminado es None.

jars: Optional[list[str]]

Lista de . Archivos JAR que se van a incluir en las rutas de clase del controlador y del ejecutor. El valor predeterminado es None.

files: Optional[list[str]]

Lista de archivos que se van a colocar en el directorio de trabajo de cada ejecutor. El valor predeterminado es None.

archives: Optional[list[str]]

Lista de archivos que se van a extraer en el directorio de trabajo de cada ejecutor. El valor predeterminado es None.

identity: Optional[Union[ dict[str, str], ManagedIdentityConfiguration, AmlTokenConfiguration, UserIdentityConfiguration]]

La identidad que usará el trabajo de Spark mientras se ejecuta en proceso.

driver_cores: Optional[int]

Número de núcleos que se van a usar para el proceso de controlador, solo en modo de clúster.

driver_memory: Optional[str]

Cantidad de memoria que se va a usar para el proceso del controlador, con formato de cadenas con un sufijo de unidad de tamaño ("k", "m", "g" o "t") (por ejemplo, "512m", "2g").

executor_cores: Optional[int]

Número de núcleos que se usarán para cada ejecutor.

executor_memory: Optional[str]

Cantidad de memoria que se va a usar por proceso de ejecutor, con formato de cadenas con un sufijo de unidad de tamaño ("k", "m", "g" o "t") (por ejemplo, "512m", "2g").

executor_instances: Optional[int]

Número inicial de ejecutores.

dynamic_allocation_enabled: Optional[bool]

Si se va a usar la asignación dinámica de recursos, que escala el número de ejecutores registrados en esta aplicación en función de la carga de trabajo.

dynamic_allocation_min_executors: Optional[int]

Límite inferior para el número de ejecutores si está habilitada la asignación dinámica.

dynamic_allocation_max_executors: Optional[int]

Límite superior del número de ejecutores si está habilitada la asignación dinámica.

conf: Optional[dict[str, str]]

Diccionario con valores y clave de configuraciones de Spark predefinidos. El valor predeterminado es None.

environment: Optional[Union[str, Environment]]

Entorno de Azure ML en el que se va a ejecutar el trabajo.

inputs: Optional[dict[str, Input]]

Asignación de nombres de entrada a los datos de entrada usados en el trabajo. El valor predeterminado es None.

outputs: Optional[dict[str, Output]]

Asignación de nombres de salida a los datos de salida usados en el trabajo. El valor predeterminado es None.

args: Optional[str]

Argumentos del trabajo.

compute: Optional[str]

Recurso de proceso en el que se ejecuta el trabajo.

resources: Optional[Union[dict, SparkResourceConfiguration]]

Configuración de recursos de proceso para el trabajo.

Devoluciones

Un objeto Spark.

Tipo de valor devuelto

Spark

Ejemplos

Creación de una canalización de Spark mediante el decorador de canalización dsl


   from azure.ai.ml import Input, Output, dsl, spark
   from azure.ai.ml.constants import AssetTypes, InputOutputModes

   # define the spark task
   first_step = spark(
       code="/src",
       entry={"file": "add_greeting_column.py"},
       py_files=["utils.zip"],
       files=["my_files.txt"],
       driver_cores=2,
       driver_memory="1g",
       executor_cores=1,
       executor_memory="1g",
       executor_instances=1,
       inputs=dict(
           file_input=Input(path="/dataset/iris.csv", type=AssetTypes.URI_FILE, mode=InputOutputModes.DIRECT)
       ),
       args="--file_input ${{inputs.file_input}}",
       resources={"instance_type": "standard_e4s_v3", "runtime_version": "3.2.0"},
   )

   second_step = spark(
       code="/src",
       entry={"file": "count_by_row.py"},
       jars=["scala_project.jar"],
       files=["my_files.txt"],
       driver_cores=2,
       driver_memory="1g",
       executor_cores=1,
       executor_memory="1g",
       executor_instances=1,
       inputs=dict(
           file_input=Input(path="/dataset/iris.csv", type=AssetTypes.URI_FILE, mode=InputOutputModes.DIRECT)
       ),
       outputs=dict(output=Output(type="uri_folder", mode=InputOutputModes.DIRECT)),
       args="--file_input ${{inputs.file_input}} --output ${{outputs.output}}",
       resources={"instance_type": "standard_e4s_v3", "runtime_version": "3.2.0"},
   )

   # Define pipeline
   @dsl.pipeline(description="submit a pipeline with spark job")
   def spark_pipeline_from_builder(data):
       add_greeting_column = first_step(file_input=data)
       count_by_row = second_step(file_input=data)
       return {"output": count_by_row.outputs.output}

   pipeline = spark_pipeline_from_builder(
       data=Input(path="/dataset/iris.csv", type=AssetTypes.URI_FILE, mode=InputOutputModes.DIRECT),
   )

automl	Contiene clases de aprendizaje automático automatizado para el SDK de Azure Machine Learningv2. Las áreas principales incluyen la administración de tareas de AutoML.
constants	Este paquete define constantes usadas en el SDK de Azure Machine Learningv2.
data_transfer
dsl
entities	Contiene entidades y objetos sdk para el SDK de Azure Machine Learning SDKv2. Entre las áreas principales se incluyen la administración de destinos de proceso, la creación y administración de áreas de trabajo y los trabajos, el envío y el acceso al modelo, las ejecuciones y la ejecución de salida o registro, etc.
identity	Contiene la configuración de identidad para el SDKv2 de Azure Machine Learning.
operations	Contiene operaciones admitidas para el SDKv2 de Azure Machine Learning. Las operaciones son clases que contienen lógica para interactuar con los servicios back-end, normalmente llamada a operaciones generadas automáticamente.
parallel
sweep

AmlTokenConfiguration	Configuración de identidad de token de AzureML.
Input	Inicialice un objeto Input.
MLClient	Una clase de cliente para interactuar con los servicios de Azure ML. Use este cliente para administrar recursos de Azure ML, como áreas de trabajo, trabajos, modelos, etc.
ManagedIdentityConfiguration	Configuración de credenciales de identidad administrada.
MpiDistribution	Configuración de distribución de MPI.
Output
PyTorchDistribution	Configuración de distribución de PyTorch.
RayDistribution	Nota Se trata de una clase experimental y puede cambiar en cualquier momento. Consulte https://aka.ms/azuremlexperimental para más información. Configuración de distribución de rayos.
TensorFlowDistribution	Configuración de distribución de TensorFlow.
UserIdentityConfiguration	Configuración de identidad de usuario.

Compartir a través de

ml Paquete

Paquetes

Módulos

Clases

Funciones

command

Parámetros

Devoluciones

Tipo de valor devuelto

Ejemplos

load_batch_deployment

Parámetros

Devoluciones

Tipo de valor devuelto

load_batch_endpoint

Parámetros

Devoluciones

Tipo de valor devuelto

load_component

Parámetros

Devoluciones

Tipo de valor devuelto

Ejemplos

load_compute

Parámetros

Devoluciones

Tipo de valor devuelto

Ejemplos

load_data

Parámetros

Devoluciones

Tipo de valor devuelto

Excepciones

load_datastore

Parámetros

Devoluciones

Tipo de valor devuelto

Excepciones

load_environment

Parámetros

Devoluciones

Tipo de valor devuelto

Excepciones

load_job

Parámetros

Devoluciones

Tipo de valor devuelto

Excepciones

Ejemplos

load_model

Parámetros

Devoluciones

Tipo de valor devuelto

Excepciones

Ejemplos

load_model_package

Parámetros

Devoluciones

Tipo de valor devuelto

Excepciones

Ejemplos

load_online_deployment

Parámetros

Devoluciones

Tipo de valor devuelto

Excepciones

load_online_endpoint

Parámetros

Devoluciones

Tipo de valor devuelto

Excepciones

load_registry

Parámetros

Devoluciones

Tipo de valor devuelto

load_workspace

Parámetros

Devoluciones

Tipo de valor devuelto