Esquema YAML del componente de canalización CLI (v2)
SE APLICA A: 
Extensión de ML de la CLI de Azure v2 (actual)
El esquema JSON de origen se puede encontrar en https://azuremlschemas.azureedge.net/latest/pipelineComponent.schema.json.
Nota
La sintaxis de YAML que se detalla en este documento se basa en el esquema JSON de la versión más reciente de la extensión ML de la CLI v2. Se garantiza que esta sintaxis solo funciona con la versión más reciente de la extensión ML de la CLI v2. Dispone de los esquemas de las versiones de anteriores de la extensión en https://azuremlschemasprod.azureedge.net/.
Sintaxis de YAML
| Clave | Tipo | Descripción | Valores permitidos | Valor predeterminado |
|---|---|---|---|---|
$schema |
string | Esquema de YAML. Si usa la extensión VS Code de Azure Machine Learning para crear el archivo YAML, la inclusión de $schema en la parte superior del archivo le permite invocar las finalizaciones del esquema y los recursos. |
||
type |
const | Tipo de componente. | pipeline |
pipeline |
name |
string | Necesario. Nombre del componente. Debe comenzar con una letra minúscula. Los caracteres permitidos son letras minúsculas, números y subrayado(_). La longitud máxima es de 255 caracteres. | ||
version |
string | Versión del componente. Si se omite, Azure Machine Learning genera automáticamente una versión. | ||
display_name |
string | Nombre para mostrar del componente en la interfaz de usuario de Studio. Puede no ser único dentro del área de trabajo. | ||
description |
string | Descripción del componente. | ||
tags |
object | Diccionario de etiquetas del componente. | ||
jobs |
object | Necesario. Diccionario del conjunto de trabajos individuales que se ejecutarán como pasos dentro de la canalización. Estos trabajos se consideran trabajos secundarios del trabajo de canalización primario. La clave es el nombre del paso en el contexto del trabajo de canalización. Este nombre es diferente del nombre de trabajo único del trabajo secundario. El valor es la especificación del trabajo, que puede seguir el esquema de trabajo del comando o el esquema de trabajo de barrido. Actualmente, solo los trabajos de comando y los trabajos de barrido pueden ejecutarse en la canalización. |
||
inputs |
object | Diccionario de entradas para el trabajo de canalización. La clave es un nombre para la entrada dentro del contexto del trabajo y el valor es el valor de entrada. Las entradas de un trabajo de paso individual de la canalización pueden hacer referencia a estas entradas de canalización mediante la expresión ${{ parent.inputs.<input_name> }}. Para obtener más información sobre cómo enlazar las entradas de un paso de canalización a las entradas del trabajo de canalización de nivel superior, consulte la sintaxis de expresión para enlazar entradas y salidas entre los pasos de un trabajo de canalización. |
||
inputs.<input_name> |
number, integer, boolean, string u object | Uno de un valor literal (de tipo número, entero, booleano o cadena) o un objeto que contiene una especificación de datos de entrada de componente. | ||
outputs |
object | Diccionario de configuraciones de salida del trabajo de canalización. La clave es un nombre para la salida dentro del contexto del trabajo y el valor es la configuración de salida. Las salidas de un trabajo de paso individual de la canalización pueden hacer referencia a estas salidas de canalización mediante la expresión ${{ parents.outputs.<output_name> }}. Para obtener más información sobre cómo enlazar las entradas de un paso de canalización a las entradas del trabajo de canalización de nivel superior, consulte la sintaxis de expresión para enlazar entradas y salidas entre los pasos de un trabajo de canalización. |
||
outputs.<output_name> |
object | Puede dejar el objeto vacío, en cuyo caso, de manera predeterminada, la salida será del tipo uri_folder y Azure Machine Learning generará en el sistema una ubicación de salida para la salida en función de la siguiente ruta de plantilla: {settings.datastore}/azureml/{job-name}/{output-name}/. Los archivos en el directorio de salida se escribirán a través del montaje de lectura y escritura. Si desea especificar un modo diferente para la salida, proporcione un objeto que contenga la especificación de salida del componente. |
Entrada del componente
| Clave | Tipo | Descripción | Valores permitidos | Valor predeterminado |
|---|---|---|---|---|
type |
string | Necesario. Tipo de entrada del componente. Más información sobre el acceso a datos | number, integer, boolean, string, uri_file, uri_folder, mltable, mlflow_model, custom_model |
|
description |
string | Descripción de la entrada. | ||
default |
número, entero, booleano o cadena | El valor predeterminado de la entrada. | ||
optional |
boolean | Determina si la entrada es obligatoria. Si se establece en true, debe usar el comando includes optional inputs con $[[]]. |
false |
|
min |
entero o número | Valor mínimo aceptado para la entrada. Este campo solo se puede especificar si el campo type es number o integer. |
||
max |
entero o número | Valor máximo aceptado para la entrada. Este campo solo se puede especificar si el campo type es number o integer. |
||
enum |
array | Lista de valores permitidos para la entrada. Solo aplicable si el campo type es string. |
Salida del componente
| Clave | Tipo | Descripción | Valores permitidos | Valor predeterminado |
|---|---|---|---|---|
type |
string | Necesario. Tipo de salida del componente. | uri_file, uri_folder, mltable, mlflow_model, custom_model |
|
description |
string | Descripción de la salida. |
Observaciones
Los comandos az ml component se pueden usar para administrar los componentes de Azure Machine Learning.
Ejemplos
Hay ejemplos disponibles en el repositorio de GitHub de ejemplos.