Esquema YAML do componente de pipeline da CLI (v2)
APLICA-SE A: 
Extensão de ML da CLI do Azurev2 (atual)
O esquema JSON de origem pode ser encontrado em https://azuremlschemas.azureedge.net/latest/pipelineComponent.schema.json.
Observação
A sintaxe YAML detalhada neste documento baseia-se no esquema JSON da última versão da extensão de ML da CLI v2. Essa sintaxe só tem a garantia de funcionar com a última versão da extensão de ML da CLI v2. Encontre os esquemas para as versões mais antigas da extensão em https://azuremlschemasprod.azureedge.net/.
Sintaxe YAML
| Chave | Type | Descrição | Valores permitidos | Valor padrão |
|---|---|---|---|---|
$schema |
string | O esquema YAML. Se você usar a extensão do Azure Machine Learning para VS Code para criar o arquivo YAML, a inclusão de $schema no início do arquivo permitirá invocar conclusões de esquema e recursos. |
||
type |
const | O tipo de componente. | pipeline |
pipeline |
name |
string | Obrigatórios. Nome do componente. Deve começar com letra minúscula. Os caracteres permitidos são letras minúsculas, números e sublinhado (_). O comprimento máximo é de 255 caracteres. | ||
version |
string | A versão do componente. Se isso for omitido, o Azure Machine Learning vai gerar uma versão automaticamente. | ||
display_name |
string | Nome de exibição do componente na interface do usuário no estúdio. Pode ser não exclusivo dentro do workspace. | ||
description |
string | Descrição do componente. | ||
tags |
objeto | Dicionário de marcas para o componente. | ||
jobs |
objeto | Obrigatórios. Dicionário do conjunto de trabalhos individuais a serem executados como etapas no pipeline. Esses trabalhos são considerados trabalhos filho do trabalho do pipeline pai. A chave é o nome da etapa no contexto do trabalho de pipeline. Esse nome é diferente do nome de trabalho exclusivo do trabalho filho. O valor é a especificação de trabalho, que pode seguir o esquema do trabalho de comando ou o esquema do trabalho de sweep. Atualmente, somente trabalhos de comando e de sweep podem ser executados em um pipeline. |
||
inputs |
objeto | Dicionário de entradas para o trabalho de pipeline. A chave é um nome para a entrada dentro do contexto do trabalho e o valor é o valor de entrada. Essas entradas de pipeline podem ser referenciadas pelas entradas de um trabalho de etapa individual no pipeline por meio da expressão ${{ parent.inputs.<input_name> }}. Para obter mais informações sobre como associar as entradas de uma etapa de pipeline às entradas do trabalho de pipeline de nível superior, consulte a sintaxe Expression para associar entradas e saídas entre as etapas em um trabalho de pipeline. |
||
inputs.<input_name> |
número, número inteiro, booliano, cadeia de caracteres ou objeto | Um dos valores literais (de número de tipo, inteiro, booliano ou cadeia de caracteres) ou um objeto que contém uma especificação de dados de entrada de componente. | ||
outputs |
objeto | Dicionário de configurações de saída do trabalho de pipeline. A chave é um nome para a saída dentro do contexto do trabalho e o valor é a configuração de saída. Essas saídas de pipeline podem ser referenciadas pelas saídas de um trabalho de etapa individual no pipeline por meio da expressão ${{ parents.outputs.<output_name> }}. Para obter mais informações sobre como associar as entradas de uma etapa de pipeline às entradas do trabalho de pipeline de nível superior, consulte a sintaxe Expression para associar entradas e saídas entre as etapas em um trabalho de pipeline. |
||
outputs.<output_name> |
objeto | Você pode deixar o objeto vazio. Nesse caso, a saída será do tipo uri_folder por padrão e o Azure Machine Learning vai gerar pelo sistema um local de saída para a saída com base no seguinte caminho de modelo: {settings.datastore}/azureml/{job-name}/{output-name}/. Os arquivos no diretório de saída serão gravados por meio da montagem de leitura/gravação. Se você desejar especificar um modo diferente para a saída, forneça um objeto que contenha a especificação de saída do componente. |
Entrada do componente
| Chave | Type | Descrição | Valores permitidos | Valor padrão |
|---|---|---|---|---|
type |
string | Obrigatórios. O tipo de entrada do componente. Saiba mais sobre acesso aos dados | number, integer, boolean, string, uri_file, uri_folder, mltable, mlflow_model, custom_model |
|
description |
string | Descrição da entrada. | ||
default |
número, número inteiro, booliano ou cadeia de caracteres | O valor padrão para a entrada. | ||
optional |
booleano | Se a entrada for necessária. Se definido como true, você precisa usar o comando inclui entradas opcionais com $[[]] |
false |
|
min |
número inteiro ou número | O valor mínimo aceito para a entrada. Esse campo somente pode ser especificado se o campo type for number ou integer. |
||
max |
número inteiro ou número | O valor máximo aceito para a entrada. Esse campo somente pode ser especificado se o campo type for number ou integer. |
||
enum |
array | A lista de valores permitidos para a entrada. Somente aplicável se o campo type for string. |
Saída do componente
| Chave | Type | Descrição | Valores permitidos | Valor padrão |
|---|---|---|---|---|
type |
string | Obrigatórios. O tipo de saída do componente. | uri_file, uri_folder, mltable, mlflow_model, custom_model |
|
description |
string | Descrição da saída. |
Comentários
Os comandos az ml component podem ser usados para gerenciar os componentes do Azure Machine Learning.
Exemplos
Os exemplos estão disponíveis no repositório de exemplos do GitHub.