DataBricks ノートブック、Python スクリプト、または JAR をノードとして追加するための Azure ML パイプライン ステップが作成されます。
DatabricksStep の使用例については、ノートブック https://aka.ms/pl-databricks を参照してください。
DataBricks ノートブック、Python スクリプト、または JAR をノードとして追加する Azure ML パイプライン ステップを作成します。
DatabricksStep の使用例については、ノートブック https://aka.ms/pl-databricks を参照してください。
:p aram python_script_name:[必須] を基準 source_directory とした Python スクリプトの名前。
スクリプトが入力と出力を受け取る場合、それらがパラメーターとしてスクリプトに渡されます。
python_script_name が指定されている場合は、source_directory も必要です。
notebook_path 、python_script_path 、python_script_name 、または main_class_name のいずれか 1 つのみを指定します。
DataReference オブジェクトを data_reference_name=input1 の入力として指定し、PipelineData オブジェクトを name=output1 の出力として指定した場合、入力と出力はパラメーターとしてスクリプトに渡されます。 これは次のようになります。各入力と出力のパスにアクセスするには、スクリプト内の引数を解析する必要があります: "-input1","wasbs://test@storagename.blob.core.windows.net/test","-output1", "wasbs://test@storagename.blob.core.windows.net/b3e26de1-87a4-494d-a20f-1988d22b81a2/output1"
さらに、スクリプト内で次のパラメーターを使用できます。
- AZUREML_RUN_TOKEN: Azure Machine Learning を使用して認証を行うための AML トークン。
- AZUREML_RUN_TOKEN_EXPIRY: AML トークンの有効期限。
- AZUREML_RUN_ID: この実行の Azure Machine Learning 実行 ID。
- AZUREML_ARM_SUBSCRIPTION: AML ワークスペースの Azure サブスクリプション。
- AZUREML_ARM_RESOURCEGROUP: Azure Machine Learning ワークスペースの Azure リソース グループ。
- AZUREML_ARM_WORKSPACE_NAME: Azure Machine Learning ワークスペースの名前。
- AZUREML_ARM_PROJECT_NAME: Azure Machine Learning の実験の名前。
- AZUREML_SERVICE_ENDPOINT: AML サービスのエンドポイント URL。
- AZUREML_WORKSPACE_ID: Azure Machine Learning ワークスペースの ID。
- AZUREML_EXPERIMENT_ID: Azure Machine Learning の実験の ID。
- AZUREML_SCRIPT_DIRECTORY_NAME: source_directory がコピーされている DBFS のディレクトリ パス。
(This parameter is only populated when `python_script_name` is used. See more details below.)
DatabricksStep パラメーター source_directory と python_script_name を使用して Databricks 上のローカル コンピューターから Python スクリプトを実行すると、source_directory が DBFS にコピーされ、DBFS 上のディレクトリ パスが実行の開始時にパラメーターとしてスクリプトに渡されます。
このパラメーターには、–AZUREML_SCRIPT_DIRECTORY_NAME というラベルが付けられます。 DBFS 内のディレクトリにアクセスするには、先頭に "dbfs:/" または "/dbfs/" という文字列を付ける必要があります。
|