CLI(v2) 기능 집합 YAML 스키마
적용 대상: 
Azure CLI ml 확장 v2(현재)
참고 항목
이 문서에 자세히 설명된 YAML 구문은 최신 버전의 ML CLI v2 확장에 대한 JSON 스키마를 기반으로 합니다. 이 구문은 최신 버전의 ML CLI v2 확장에서만 작동하도록 보장됩니다. https://azuremlschemasprod.azureedge.net/에서 이전 확장 버전에 대한 스키마를 찾을 수 있습니다.
YAML 구문
| 키 | 형식 | 설명 | 허용된 값 | Default value |
|---|---|---|---|---|
| $schema | string | YAML 스키마입니다. Azure Machine Learning VS Code 확장을 사용하여 YAML 파일을 제작하는 경우 파일 맨 위에 $schema를 포함하여 스키마 및 리소스 완료를 호출할 수 있습니다. | ||
| name | string | 필수입니다. 기능 집합 이름입니다. | ||
| version | string | 필수입니다. 기능 집합 버전입니다. | ||
| description | string | 기능 집합 설명입니다. | ||
| specification | 개체 | 필수입니다. 기능 집합 사양입니다. | ||
| specification.path | string | 필수 로컬 기능 집합 사양 폴더의 경로입니다. | ||
| 엔터티 | 개체(문자열 목록) | 필수입니다. 이 기능 집합이 연결된 엔터티입니다. | ||
| stage(단계) | string | 기능 집합 단계입니다. | 개발, 프로덕션, 보관 | 개발 |
| tags | 개체 | 기능 집합에 대한 태그 사전입니다. | ||
| materialization_settings | 개체 | 기능 집합 구체화 설정입니다. | ||
| materialization_settings.offline_enabled | 부울 값 | 기능값을 오프라인 스토리지로 구체화하는 기능이 사용하도록 설정되어 있는지 여부를 나타냅니다. | True, False | |
| materialization_settings.schedule | 개체 | 구체화 일정입니다. CLI(v2) 일정 YAML 스키마를 참조하세요. | ||
| materialization_settings.schedule.frequency | string | 일정이 구성된 경우 필수입니다. 되풀이 일정의 빈도를 설명하는 열거형입니다. | 일, 시, 분, 주, 월 | Day |
| materialization_settings.schedule.interval | 정수 | 일정이 구성된 경우 필수입니다. 되풀이 작업 사이의 간격입니다. | ||
| materialization_settings.schedule.time_zone | string | 일정 트리거 표준 시간대입니다. | UTC | |
| materialization_settings.schedule.start_time | string | 일정 트리거 시간입니다. | ||
| materialization_settings.notification | 개체 | 구체화 알림 설정입니다. | ||
| materialization_settings.notification.email_on | 개체(문자열 목록) | 알림이 구성된 경우 필수입니다. 작업 상태가 이 설정과 일치하면 이메일 알림이 전송됩니다. | JobFailed, JobCompleted, JobCancelled. | |
| materialization_settings.notification.emails | 개체(문자열 목록) | 알림이 구성된 경우 필수입니다. 알림이 전송되는 이메일 주소입니다. | ||
| materialization_settings.resource | 개체 | 구체화 작업에 사용되는 Azure Machine Learning Spark 컴퓨팅 리소스입니다. | ||
| materialization_settings.resource.instance_type | string | Azure Machine Learning Spark 컴퓨팅 인스턴스 형식입니다. | Standard_E4s_v3, Standard_E8s_v3, Standard_E16s_v3, Standard_E32s_v3, Standard_E64s_v3. 지원되는 형식의 업데이트된 목록을 보려면 Azure Machine Learning에서 Apache Spark를 사용한 대화형 데이터 랭글링(미리 보기)을 참조하세요. | |
| materialization_settings.spark_configuration | 사전 | Spark 구성 사전 |
설명
기능 집합을 관리하는 데 az ml feature-set 명령을 사용할 수 있습니다.
예제
예제는 예제 GitHub 리포지토리에서 사용할 수 있습니다. 몇 가지는 다음과 같습니다.
YAML: 기본
$schema: http://azureml/sdk-2-0/Featureset.json
name: transactions
version: "1"
description: 7-day and 3-day rolling aggregation of transactions featureset
specification:
path: ./spec # path to feature set specification folder. Can be local (absolute path or relative path to current location) or cloud uri. Contains FeatureSetSpec.yaml + transformation code
entities: # entities associated with this feature-set
- azureml:account:1
stage: Development
YAML: 구체화 구성 포함
name: transactions
version: "1"
description: 7-day and 3-day rolling aggregation of transactions featureset
specification:
path: ./spec # path to feature set specification folder. Can be local (absolute path or relative path to current location) or cloud uri. Contains FeatureSetSpec.yaml + transformation code
entities: # entities associated with this feature-set
- azureml:account:1
stage: Development
materialization_settings:
offline_enabled: True
schedule: # we use existing definition of schedule under job with some constraints. Recurrence pattern will not be supported.
type: recurrence # Only recurrence type would be supported
frequency: Day # Only support Day and Hour
interval: 1 #every day
time_zone: "Pacific Standard Time"
notification:
email_on:
- JobFailed
emails:
- alice@microsoft.com
resource:
instance_type: Standard_E8S_V3
spark_configuration:
spark.driver.cores: 4
spark.driver.memory: 36g
spark.executor.cores: 4
spark.executor.memory: 36g
spark.executor.instances: 2