共用方式為

JobResourceConfiguration 類別

  • 參考

作業資源組態類別，繼承和擴充了 ResourceConfiguration 的功能。

繼承
azure.ai.ml.entities._mixins.RestTranslatableMixin
JobResourceConfiguration
azure.ai.ml.entities._mixins.DictMixin
JobResourceConfiguration

建構函式

JobResourceConfiguration(*, locations: List[str] | None = None, instance_count: int | None = None, instance_type: str | List | None = None, properties: Properties | Dict | None = None, docker_args: str | None = None, shm_size: str | None = None, max_instance_count: int | None = None, **kwargs: Any)

僅限關鍵字的參數

名稱 Description
locations
Optional[List[str]]

作業可執行檔位置清單。
instance_count
Optional[int]

計算目標所使用的實例或節點數目。
instance_type
Optional[str]

要使用的 VM 類型，如計算目標所支援。
properties
Optional[dict[str, Any]]

作業屬性的字典。
docker_args
Optional[str]

傳遞至 Docker run 命令的額外引數。 這會覆寫系統或本節中已設定的任何參數。 此參數僅支援 Azure ML 計算類型。
shm_size
Optional[str]

Docker 容器的共用記憶體區塊大小。 這應該是 (number) (單位) 的格式，其中數位必須大於 0，而單位可以是 b (位元組) 、k (kb) 、m (MB) 或 g (GB) 的其中一個。
max_instance_count
Optional[int]

計算目標所使用的實例或節點數目上限。
kwargs
dict

其他組態參數的字典。

範例

使用 JobResourceConfiguration 設定 CommandJob。


   from azure.ai.ml import MpiDistribution
   from azure.ai.ml.entities import JobResourceConfiguration

   trial = CommandJob(
       environment="AzureML-sklearn-1.0-ubuntu20.04-py38-cpu:33",
       command="echo hello world",
       distribution=MpiDistribution(),
       environment_variables={"ENV1": "VAR1"},
       resources=JobResourceConfiguration(instance_count=2, instance_type="STANDARD_BLA"),
       code="./",
   )

方法

get
has_key
items
keys
update
values

get 

get(key: Any, default: Any | None = None) -> Any

參數

名稱 Description
key
必要
default
預設值: None

has_key 

has_key(k: Any) -> bool

參數

名稱 Description
k
必要

items 

items() -> list

keys 

keys() -> list

update 

update(*args: Any, **kwargs: Any) -> None

values 

values() -> list

屬性

properties

作業的屬性。

傳回

類型 Description
<xref:azure.ai.ml.entities._job.job_resource_configuration.Properties>