|
DataBricks Notebook, Python 스크립트 또는 JAR을 노드로 추가하는 Azure ML 파이프라인 단계를 만듭니다.
DatabricksStep 사용의 예제는 Notebook https://aka.ms/pl-databricks를 참조하세요.
Azure ML 파이프라인 단계를 만들어 DataBricks Notebook, Python 스크립트 또는 JAR을 노드로 추가합니다.
DatabricksStep 사용의 예제는 Notebook https://aka.ms/pl-databricks를 참조하세요.
:p aram python_script_name:[필수] 에 상대적 source_directory인 Python 스크립트의 이름입니다.
스크립트가 입력과 출력을 사용하면 매개 변수로 스크립트에 전달됩니다.
python_script_name가 지정되면 source_directory도 지정되어야 합니다.
notebook_path, python_script_path, python_script_name 또는 main_class_name 중 정확히 하나를 지정합니다.
DataReference 개체를 data_reference_name=input1에 입력으로 지정하고 PipelineData 개체를 name=output1에 출력으로 지정하면 입력과 출력이 매개 변수로 스크립트에 전달됩니다. 그러면 다음과 같이 표시되며 각 입력 및 출력의 경로에 액세스하려면 스크립트의 인수를 구문 분석해야 합니다. "-input1","wasbs://test@storagename.blob.core.windows.net/test","-output1", "wasbs://test@storagename.blob.core.windows.net/b3e26de1-87a4-494d-a20f-1988d22b81a2/output1"
또한 스크립트 내에서 다음 매개 변수를 사용할 수 있습니다.
- AZUREML_RUN_TOKEN: Azure Machine Learning으로 인증하기 위한 AML 토큰입니다.
- AZUREML_RUN_TOKEN_EXPIRY: AML 토큰 만료 시간입니다.
- AZUREML_RUN_ID: 이 실행에 대한 Azure Machine Learning 실행 ID입니다.
- AZUREML_ARM_SUBSCRIPTION: AML 작업 영역에 대한 Azure 구독입니다.
- AZUREML_ARM_RESOURCEGROUP: Azure Machine Learning 작업 영역에 대한 Azure 리소스 그룹입니다.
- AZUREML_ARM_WORKSPACE_NAME: Azure Machine Learning 작업 영역의 이름입니다.
- AZUREML_ARM_PROJECT_NAME: Azure Machine Learning 실험의 이름입니다.
- AZUREML_SERVICE_ENDPOINT: AML 서비스의 엔드포인트 URL입니다.
- AZUREML_WORKSPACE_ID: Azure Machine Learning 작업 영역의 ID입니다.
- AZUREML_EXPERIMENT_ID: Azure Machine Learning 실험의 ID입니다.
- AZUREML_SCRIPT_DIRECTORY_NAME: source_directory가 복사된 DBFS의 디렉터리 경로입니다.
(This parameter is only populated when `python_script_name` is used. See more details below.)
DatabricksStep 매개 변수 source_directory 및 python_script_name을 사용하여 Databricks의 로컬 머신에서 Python 스크립트를 실행하는 경우 source_directory가 DBFS로 복사되고 DBFS의 디렉터리 경로가 실행을 시작할 때 스크립트에 매개 변수로 전달됩니다.
이 매개 변수의 레이블은 AZUREML_SCRIPT_DIRECTORY_NAME입니다. DBFS의 디렉터리에 액세스하려면 문자열 “dbfs:/” 또는 “/dbfs/”를 접두사로 추가해야 합니다.
|