azure.ai.ml package

Cria um objeto de Comando que pode ser utilizado dentro de uma função dsl.pipeline ou utilizado como uma tarefa de Comando autónoma.

command(*, name: str | None = None, description: str | None = None, tags: Dict | None = None, properties: Dict | None = None, display_name: str | None = None, command: str | None = None, experiment_name: str | None = None, environment: str | Environment | None = None, environment_variables: Dict | None = None, distribution: Dict | MpiDistribution | TensorFlowDistribution | PyTorchDistribution | RayDistribution | None = None, compute: str | None = None, inputs: Dict | None = None, outputs: Dict | None = None, instance_count: int | None = None, instance_type: str | None = None, locations: List[str] | None = None, docker_args: str | None = None, shm_size: str | None = None, timeout: int | None = None, code: PathLike | str | None = None, identity: ManagedIdentityConfiguration | AmlTokenConfiguration | UserIdentityConfiguration | None = None, is_deterministic: bool = True, services: Dict[str, JobService | JupyterLabJobService | SshJobService | TensorBoardJobService | VsCodeJobService] | None = None, job_tier: str | None = None, priority: str | None = None, **kwargs) -> Command

Parâmetros

name: Optional[str]

O nome da tarefa de comando ou componente.

description: Optional[str]

A descrição do Comando. Predefinições para Nenhum.

tags: Optional[dict[str, str]]

Dicionário de etiquetas. As etiquetas podem ser adicionadas, removidas e atualizadas. Predefinições para Nenhum.

properties: Optional[dict[str, str]]

O dicionário de propriedades da tarefa. Predefinições para Nenhum.

display_name: Optional[str]

O nome a apresentar da tarefa. A predefinição é um nome gerado aleatoriamente.

command: Optional[str]

O comando a executar. Predefinições para Nenhum.

experiment_name: Optional[str]

O nome da experimentação em que a tarefa será criada. A predefinição é o nome do diretório atual.

environment: Optional[Union[str, Environment]]

O ambiente em que a tarefa será executada.

environment_variables: Optional[dict[str, str]]

Um dicionário de nomes e valores de variáveis de ambiente. Estas variáveis de ambiente são definidas no processo em que o script de utilizador está a ser executado. Predefinições para Nenhum.

distribution: Optional[Union[dict, PyTorchDistribution, MpiDistribution, TensorFlowDistribution, RayDistribution]]

A configuração para tarefas distribuídas. Predefinições para Nenhum.

compute: Optional[str]

O destino de computação em que a tarefa será executada. A predefinição é a computação predefinida.

inputs: Optional[dict[str, Union[Input, str, bool, int, float, <xref:Enum>]]]

Um mapeamento de nomes de entrada para origens de dados de entrada utilizadas na tarefa. Predefinições para Nenhum.

outputs: Optional[dict[str, Union[str, Output]]]

Um mapeamento de nomes de saída para origens de dados de saída utilizadas na tarefa. Predefinições para Nenhum.

instance_count: Optional[int]

O número de instâncias ou nós a utilizar pelo destino de computação. A predefinição é 1.

instance_type: Optional[str]

O tipo de VM a utilizar pelo destino de computação.

locations: Optional[list[str]]

A lista de localizações onde a tarefa será executada.

docker_args: Optional[str]

Argumentos adicionais para passar para o comando de execução do Docker. Isto substituiria quaisquer parâmetros que já tenham sido definidos pelo sistema ou nesta secção. Este parâmetro só é suportado para tipos de computação do Azure ML. Predefinições para Nenhum.

shm_size: Optional[str]

O tamanho do bloco de memória partilhado do contentor do Docker. Deve estar no formato de (número)(unidade) em que o número tem de ser superior a 0 e a unidade pode ser um dos b(bytes), k(kilobytes), m(megabytes) ou g(gigabytes).

timeout: Optional[int]

O número, em segundos, após o qual a tarefa será cancelada.

code: Optional[Union[str, PathLike]]

O código fonte para executar a tarefa. Pode ser um caminho local ou "http:", "https:" ou um url "azureml:" que aponta para uma localização remota.

identity: Optional[Union[ ManagedIdentityConfiguration, AmlTokenConfiguration, UserIdentityConfiguration]]

A identidade que a tarefa de comando utilizará durante a execução na computação.

is_deterministic: bool

Especifica se o Comando irá devolver o mesmo resultado dada a mesma entrada. Predefinições para Verdadeiro. Quando Verdadeiro, se um Componente de Comando for determinista e tiver sido executado anteriormente na área de trabalho atual com as mesmas entradas e definições, reutilizará os resultados de uma tarefa submetida anteriormente quando utilizado como nó ou passo num pipeline. Nesse cenário, não serão utilizados recursos de computação.

services: Optional[dict[str, Union[JobService, JupyterLabJobService, SshJobService, TensorBoardJobService, VsCodeJobService]]]

Os serviços interativos do nó. Predefinições para Nenhum. Este é um parâmetro experimental e pode ser alterado em qualquer altura. Para obter mais informações, veja https://aka.ms/azuremlexperimental.

job_tier: Optional[str]

O escalão de trabalho. Os valores aceites são "Spot", "Basic", "Standard" ou "Premium".

priority: Optional[str]

A prioridade da tarefa na computação. Os valores aceites são "baixo", "médio" e "alto". A predefinição é "média".

Devoluções

Um objeto de Comando.

Tipo de retorno

Command

Exemplos

Criar uma Tarefa de Comando com o método do construtor de comandos.


   from azure.ai.ml import Input, Output, command

   train_func = command(
       environment="AzureML-sklearn-1.0-ubuntu20.04-py38-cpu:33",
       command='echo "hello world"',
       distribution={"type": "Pytorch", "process_count_per_instance": 2},
       inputs={
           "training_data": Input(type="uri_folder"),
           "max_epochs": 20,
           "learning_rate": 1.8,
           "learning_rate_schedule": "time-based",
       },
       outputs={"model_output": Output(type="uri_folder")},
   )

Construa um objeto de implementação em lote a partir do ficheiro yaml.

load_batch_deployment(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> BatchDeployment

Parâmetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Necessário

A origem yaml local de um objeto de implementação de lote. Tem de ser um caminho para um ficheiro local ou um ficheiro já aberto. Se a origem for um caminho, será aberta e lida. É gerada uma exceção se o ficheiro não existir. Se a origem for um ficheiro aberto, o ficheiro será lido diretamente e será gerada uma exceção se o ficheiro não for legível.

relative_origin: str

A origem a utilizar ao deduzir as localizações relativas dos ficheiros referenciados no yaml analisado. A predefinição é o diretório da origem introduzido se for uma entrada de caminho de ficheiro ou ficheiro. A predefinição é "./" se a origem for uma entrada de fluxo sem valor de nome.

params_override: List[Dict]

Campos a substituir por cima do ficheiro yaml. O formato é [{"field1": "value1"}, {"field2": "value2"}]

Devoluções

Objeto de implementação de lote construído.

Tipo de retorno

BatchDeployment

Construa um objeto de ponto final de lote a partir do ficheiro yaml.

load_batch_endpoint(source: str | PathLike | IO, relative_origin: str | None = None, **kwargs) -> BatchEndpoint

Parâmetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Necessário

A origem yaml local de um objeto de ponto final de lote. Tem de ser um caminho para um ficheiro local ou um ficheiro já aberto. Se a origem for um caminho, será aberta e lida. É gerada uma exceção se o ficheiro não existir. Se a origem for um ficheiro aberto, o ficheiro será lido diretamente e será gerada uma exceção se o ficheiro não for legível.

relative_origin: str

valor predefinido: None

A origem a utilizar ao deduzir as localizações relativas dos ficheiros referenciados no yaml analisado. A predefinição é o diretório da origem introduzido se for uma entrada de caminho de ficheiro ou ficheiro. A predefinição é "./" se a origem for uma entrada de fluxo sem valor de nome.

params_override: List[Dict]

Campos a substituir por cima do ficheiro yaml. O formato é [{"field1": "value1"}, {"field2": "value2"}]

Devoluções

Objeto de ponto final de lote construído.

Tipo de retorno

BatchEndpoint

Carregar o componente de local ou remoto para uma função de componente.

load_component(source: str | PathLike | IO | None = None, *, relative_origin: str | None = None, **kwargs) -> CommandComponent | ParallelComponent | PipelineComponent

Parâmetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

valor predefinido: None

A origem yaml local de um componente. Tem de ser um caminho para um ficheiro local ou um ficheiro já aberto. Se a origem for um caminho, será aberta e lida. É gerada uma exceção se o ficheiro não existir. Se a origem for um ficheiro aberto, o ficheiro será lido diretamente e será gerada uma exceção se o ficheiro não for legível.

relative_origin: str

A origem a utilizar ao deduzir as localizações relativas dos ficheiros referenciados no yaml analisado. A predefinição é o diretório da origem introduzido se for uma entrada de caminho de ficheiro ou ficheiro. A predefinição é "./" se a origem for uma entrada de fluxo sem valor de nome.

params_override: List[Dict]

Campos a substituir por cima do ficheiro yaml. O formato é [{"field1": "value1"}, {"field2": "value2"}]

Devoluções

Um objeto Componente

Tipo de retorno

Union[CommandComponent, ParallelComponent, PipelineComponent]

Exemplos

Carregar um objeto Componente a partir de um ficheiro YAML, substituir a versão para "1.0.2" e registá-lo remotamente.


   from azure.ai.ml import load_component

   component = load_component(
       source="./sdk/ml/azure-ai-ml/tests/test_configs/components/helloworld_component.yml",
       params_override=[{"version": "1.0.2"}],
   )
   registered_component = ml_client.components.create_or_update(component)

Construa um objeto de computação a partir de um ficheiro yaml.

load_compute(source: str | PathLike | IO, *, relative_origin: str | None = None, params_override: List[Dict[str, str]] | None = None, **kwargs) -> Compute

Parâmetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Necessário

A origem yaml local de uma computação. Tem de ser um caminho para um ficheiro local ou um ficheiro já aberto. Se a origem for um caminho, será aberta e lida. É gerada uma exceção se o ficheiro não existir. Se a origem for um ficheiro aberto, o ficheiro será lido diretamente e será gerada uma exceção se o ficheiro não for legível.

relative_origin: Optional[str]

A origem a utilizar ao deduzir as localizações relativas dos ficheiros referenciados no yaml analisado. A predefinição é o diretório da origem introduzido se for uma entrada de caminho de ficheiro ou ficheiro. A predefinição é "./" se a origem for uma entrada de fluxo sem valor de nome.

params_override: Optional[List[Dict]]

Campos a substituir por cima do ficheiro yaml. O formato é [{"field1": "value1"}, {"field2": "value2"}]

Devoluções

Objeto de computação carregado.

Tipo de retorno

Compute

Exemplos

Carregar um objeto de Computação a partir de um ficheiro YAML e substituir a respetiva descrição.


   from azure.ai.ml import load_compute

   compute = load_compute(
       "../tests/test_configs/compute/compute-vm.yaml",
       params_override=[{"description": "loaded from compute-vm.yaml"}],
   )

Construir um objeto de dados a partir do ficheiro yaml.

load_data(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> Data

Parâmetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Necessário

A origem yaml local de um objeto de dados. Tem de ser um caminho para um ficheiro local ou um ficheiro já aberto. Se a origem for um caminho, será aberta e lida. É gerada uma exceção se o ficheiro não existir. Se a origem for um ficheiro aberto, o ficheiro será lido diretamente e será gerada uma exceção se o ficheiro não for legível.

relative_origin: str

A origem a utilizar ao deduzir as localizações relativas dos ficheiros referenciados no yaml analisado. A predefinição é o diretório da origem introduzido se for uma entrada de caminho de ficheiro ou ficheiro. A predefinição é "./" se a origem for uma entrada de fluxo sem valor de nome.

params_override: List[Dict]

Campos a substituir por cima do ficheiro yaml. O formato é [{"field1": "value1"}, {"field2": "value2"}]

Devoluções

Objeto Data ou DataImport construído.

Tipo de retorno

Data

Exceções

ValidationException

Gerado se os dados não puderem ser validados com êxito. Os detalhes serão fornecidos na mensagem de erro.

Construa um objeto arquivo de dados a partir de um ficheiro yaml.

load_datastore(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> Datastore

Parâmetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Necessário

A origem yaml local de um arquivo de dados. Tem de ser um caminho para um ficheiro local ou um ficheiro já aberto. Se a origem for um caminho, será aberta e lida. É gerada uma exceção se o ficheiro não existir. Se a origem for um ficheiro aberto, o ficheiro será lido diretamente e será gerada uma exceção se o ficheiro não for legível.

relative_origin: str

A origem a utilizar ao deduzir as localizações relativas dos ficheiros referenciados no yaml analisado. A predefinição é o diretório da origem introduzido se for uma entrada de caminho de ficheiro ou ficheiro. A predefinição é "./" se a origem for uma entrada de fluxo sem valor de nome.

params_override: List[Dict]

Campos a substituir por cima do ficheiro yaml. O formato é [{"field1": "value1"}, {"field2": "value2"}]

Devoluções

Objeto arquivo de dados carregado.

Tipo de retorno

Datastore

Exceções

ValidationException

Gerado se o Datastore não puder ser validado com êxito. Os detalhes serão fornecidos na mensagem de erro.

Construa um objeto de ambiente a partir do ficheiro yaml.

load_environment(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> Environment

Parâmetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Necessário

A origem yaml local de um ambiente. Tem de ser um caminho para um ficheiro local ou um ficheiro já aberto. Se a origem for um caminho, será aberta e lida. É gerada uma exceção se o ficheiro não existir. Se a origem for um ficheiro aberto, o ficheiro será lido diretamente e será gerada uma exceção se o ficheiro não for legível.

relative_origin: str

A origem a utilizar ao deduzir as localizações relativas dos ficheiros referenciados no yaml analisado. A predefinição é o diretório da origem introduzido se for uma entrada de caminho de ficheiro ou ficheiro. A predefinição é "./" se a origem for uma entrada de fluxo sem valor de nome.

params_override: List[Dict]

Campos a substituir por cima do ficheiro yaml. O formato é [{"field1": "value1"}, {"field2": "value2"}]

Devoluções

Objeto de ambiente construído.

Tipo de retorno

Environment

Exceções

ValidationException

Gerado se o Ambiente não puder ser validado com êxito. Os detalhes serão fornecidos na mensagem de erro.

Constrói um objeto tarefa a partir de um ficheiro YAML.

load_job(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> Job

Parâmetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Necessário

Um caminho para um ficheiro YAML local ou um objeto de ficheiro já aberto que contenha uma configuração de tarefa. Se a origem for um caminho, será aberta e lida. Se a origem for um ficheiro aberto, o ficheiro será lido diretamente.

relative_origin: Optional[str]

O diretório raiz do YAML. Este diretório será utilizado como a origem para deduzir as localizações relativas dos ficheiros referenciados no YAML analisado. A predefinição é o mesmo diretório que a origem se a origem for uma entrada de caminho de ficheiro ou ficheiro. A predefinição é "./" se a origem for uma entrada de fluxo sem valor de nome.

params_override: Optional[list[dict]]

Campos de parâmetros para substituir valores no ficheiro YAML.

Devoluções

Um objeto de Tarefa carregado.

Tipo de retorno

Job

Exceções

ValidationException

Gerado se a tarefa não puder ser validada com êxito. Os detalhes serão fornecidos na mensagem de erro.

Exemplos

Carregar uma Tarefa a partir de um ficheiro de configuração YAML.


   from azure.ai.ml import load_job

   job = load_job(source="./sdk/ml/azure-ai-ml/tests/test_configs/command_job/command_job_test_local_env.yml")

Constrói um objeto Modelo a partir de um ficheiro YAML.

load_model(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> Model

Parâmetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Necessário

Um caminho para um ficheiro YAML local ou um objeto de ficheiro já aberto que contenha uma configuração de tarefa. Se a origem for um caminho, será aberta e lida. Se a origem for um ficheiro aberto, o ficheiro será lido diretamente.

relative_origin: Optional[str]

O diretório raiz do YAML. Este diretório será utilizado como a origem para deduzir as localizações relativas dos ficheiros referenciados no YAML analisado. A predefinição é o mesmo diretório que a origem se a origem for uma entrada de caminho de ficheiro ou ficheiro. A predefinição é "./" se a origem for uma entrada de fluxo sem valor de nome.

params_override: Optional[list[dict]]

Campos de parâmetros para substituir valores no ficheiro YAML.

Devoluções

Um objeto de Modelo carregado.

Tipo de retorno

Model

Exceções

ValidationException

Gerado se a tarefa não puder ser validada com êxito. Os detalhes serão fornecidos na mensagem de erro.

Exemplos

Carregar um Modelo a partir de um ficheiro de configuração YAML, substituindo os parâmetros de nome e versão.


   from azure.ai.ml import load_model

   model = load_model(
       source="./sdk/ml/azure-ai-ml/tests/test_configs/model/model_with_stage.yml",
       params_override=[{"name": "new_model_name"}, {"version": "1"}],
   )

Nota

Este é um método experimental e pode ser alterado em qualquer altura. Para obter mais informações, veja https://aka.ms/azuremlexperimental.

Constrói um objeto ModelPackage a partir de um ficheiro YAML.

load_model_package(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> ModelPackage

Parâmetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Necessário

Um caminho para um ficheiro YAML local ou um objeto de ficheiro já aberto que contenha uma configuração de tarefa. Se a origem for um caminho, será aberta e lida. Se a origem for um ficheiro aberto, o ficheiro será lido diretamente.

relative_origin: Optional[str]

O diretório raiz do YAML. Este diretório será utilizado como a origem para deduzir as localizações relativas dos ficheiros referenciados no YAML analisado. A predefinição é o mesmo diretório que a origem se a origem for uma entrada de caminho de ficheiro ou ficheiro. A predefinição é "./" se a origem for uma entrada de fluxo sem valor de nome.

params_override: Optional[list[dict]]

Campos de parâmetros para substituir valores no ficheiro YAML.

Devoluções

Um objeto ModelPackage carregado.

Tipo de retorno

ModelPackage

Exceções

ValidationException

Gerado se a tarefa não puder ser validada com êxito. Os detalhes serão fornecidos na mensagem de erro.

Exemplos

Carregar um ModelPackage a partir de um ficheiro de configuração YAML.


   from azure.ai.ml import load_model_package

   model_package = load_model_package(
       "./sdk/ml/azure-ai-ml/tests/test_configs/model_package/model_package_simple.yml"
   )

Construa um objeto de implementação online a partir do ficheiro yaml.

load_online_deployment(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> OnlineDeployment

Parâmetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Necessário

A origem yaml local de um objeto de implementação online. Tem de ser um caminho para um ficheiro local ou um ficheiro já aberto. Se a origem for um caminho, será aberta e lida. É gerada uma exceção se o ficheiro não existir. Se a origem for um ficheiro aberto, o ficheiro será lido diretamente e será gerada uma exceção se o ficheiro não for legível.

relative_origin: str

A origem a utilizar ao deduzir as localizações relativas dos ficheiros referenciados no yaml analisado. A predefinição é o diretório da origem introduzido se for uma entrada de caminho de ficheiro ou ficheiro. A predefinição é "./" se a origem for uma entrada de fluxo sem valor de nome.

params_override: List[Dict]

Campos a substituir por cima do ficheiro yaml. O formato é [{"field1": "value1"}, {"field2": "value2"}]

Devoluções

Objeto de implementação online construído.

Tipo de retorno

OnlineDeployment

Exceções

ValidationException

Gerado se a Implementação Online não puder ser validada com êxito. Os detalhes serão fornecidos na mensagem de erro.

Construa um objeto de ponto final online a partir do ficheiro yaml.

load_online_endpoint(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> OnlineEndpoint

Parâmetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Necessário

A origem yaml local de um objeto de ponto final online. Tem de ser um caminho para um ficheiro local ou um ficheiro já aberto. Se a origem for um caminho, será aberta e lida. É gerada uma exceção se o ficheiro não existir. Se a origem for um ficheiro aberto, o ficheiro será lido diretamente e será gerada uma exceção se o ficheiro não for legível.

relative_origin: str

A origem a utilizar ao deduzir as localizações relativas dos ficheiros referenciados no yaml analisado. A predefinição é o diretório da origem introduzido se for uma entrada de caminho de ficheiro ou ficheiro. A predefinição é "./" se a origem for uma entrada de fluxo sem valor de nome.

params_override: List[Dict]

Campos a substituir por cima do ficheiro yaml. O formato é [{"field1": "value1"}, {"field2": "value2"}]

Devoluções

Objeto de ponto final online construído.

Tipo de retorno

OnlineEndpoint

Exceções

ValidationException

Gerado se o Ponto Final Online não puder ser validado com êxito. Os detalhes serão fornecidos na mensagem de erro.

Carregar um objeto de registo a partir de um ficheiro yaml.

load_registry(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> Registry

Parâmetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Necessário

A origem yaml local de um registo. Tem de ser um caminho para um ficheiro local ou um ficheiro já aberto. Se a origem for um caminho, será aberta e lida. É gerada uma exceção se o ficheiro não existir. Se a origem for um ficheiro aberto, o ficheiro será lido diretamente e será gerada uma exceção se o ficheiro não for legível.

relative_origin: str

A origem a utilizar ao deduzir as localizações relativas dos ficheiros referenciados no yaml analisado. A predefinição é o diretório da origem introduzido se for uma entrada de caminho de ficheiro ou ficheiro. A predefinição é "./" se a origem for uma entrada de fluxo sem valor de nome.

params_override: List[Dict]

Campos a substituir por cima do ficheiro yaml. O formato é [{"field1": "value1"}, {"field2": "value2"}]

Devoluções

Objeto de registo carregado.

Tipo de retorno

Registry

Carregar um objeto de área de trabalho a partir de um ficheiro yaml.

load_workspace(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> Workspace

Parâmetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Necessário

A origem yaml local de uma área de trabalho. Tem de ser um caminho para um ficheiro local ou um ficheiro já aberto. Se a origem for um caminho, será aberta e lida. É gerada uma exceção se o ficheiro não existir. Se a origem for um ficheiro aberto, o ficheiro será lido diretamente e será gerada uma exceção se o ficheiro não for legível.

relative_origin: str

A origem a utilizar ao deduzir as localizações relativas dos ficheiros referenciados no yaml analisado. A predefinição é o diretório da origem introduzido se for uma entrada de caminho de ficheiro ou ficheiro. A predefinição é "./" se a origem for uma entrada de fluxo sem valor de nome.

params_override: List[Dict]

Campos a substituir por cima do ficheiro yaml. O formato é [{"field1": "value1"}, {"field2": "value2"}]

Devoluções

Objeto de área de trabalho carregado.

Tipo de retorno

Workspace

Construa um objeto de ligação de área de trabalho a partir do ficheiro yaml.

load_workspace_connection(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> WorkspaceConnection

Parâmetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Necessário

A origem yaml local de um objeto de ligação de área de trabalho. Tem de ser um caminho para um ficheiro local ou um ficheiro já aberto. Se a origem for um caminho, será aberta e lida. É gerada uma exceção se o ficheiro não existir. Se a origem for um ficheiro aberto, o ficheiro será lido diretamente e será gerada uma exceção se o ficheiro não for legível.

relative_origin: str

A origem a utilizar ao deduzir as localizações relativas dos ficheiros referenciados no yaml analisado. A predefinição é o diretório da origem introduzido se for uma entrada de caminho de ficheiro ou ficheiro. A predefinição é "./" se a origem for uma entrada de fluxo sem valor de nome.

params_override: List[Dict]

Campos a substituir por cima do ficheiro yaml. O formato é [{"field1": "value1"}, {"field2": "value2"}]

Devoluções

Objeto de ligação de área de trabalho construído.

Tipo de retorno

WorkspaceConnection

Nota

Este é um método experimental e pode ser alterado em qualquer altura. Para obter mais informações, veja https://aka.ms/azuremlexperimental.

Carregar um objeto do WorkspaceHub a partir de um ficheiro yaml.

load_workspace_hub(source: str | PathLike | IO, *, relative_origin: str | None = None, **kwargs) -> WorkspaceHub

Parâmetros

source: Union[<xref:PathLike>, str, TextIOWrapper]

Necessário

A origem yaml local de um WorkspaceHub. Tem de ser um caminho para um ficheiro local ou um ficheiro já aberto. Se a origem for um caminho, será aberta e lida. É gerada uma exceção se o ficheiro não existir. Se a origem for um ficheiro aberto, o ficheiro será lido diretamente e será gerada uma exceção se o ficheiro não for legível.

relative_origin: str

A origem a utilizar ao deduzir as localizações relativas dos ficheiros referenciados no yaml analisado. A predefinição é o diretório da origem introduzido se for uma entrada de caminho de ficheiro ou ficheiro. A predefinição é "./" se a origem for uma entrada de fluxo sem valor de nome.

params_override: List[Dict]

Campos a substituir por cima do ficheiro yaml. O formato é [{"field1": "value1"}, {"field2": "value2"}]

Devoluções

Objeto Loaded WorkspaceHub.

Tipo de retorno

WorkspaceHub

Cria um objeto spark que pode ser utilizado dentro de uma função dsl.pipeline ou utilizado como uma tarefa autónoma do Spark.

spark(*, experiment_name: str | None = None, name: str | None = None, display_name: str | None = None, description: str | None = None, tags: Dict | None = None, code: PathLike | str | None = None, entry: Dict[str, str] | SparkJobEntry | None = None, py_files: List[str] | None = None, jars: List[str] | None = None, files: List[str] | None = None, archives: List[str] | None = None, identity: Dict[str, str] | ManagedIdentity | AmlToken | UserIdentity | None = None, driver_cores: int | None = None, driver_memory: str | None = None, executor_cores: int | None = None, executor_memory: str | None = None, executor_instances: int | None = None, dynamic_allocation_enabled: bool | None = None, dynamic_allocation_min_executors: int | None = None, dynamic_allocation_max_executors: int | None = None, conf: Dict[str, str] | None = None, environment: str | Environment | None = None, inputs: Dict | None = None, outputs: Dict | None = None, args: str | None = None, compute: str | None = None, resources: Dict | SparkResourceConfiguration | None = None, **kwargs) -> Spark

Parâmetros

experiment_name: Optional[str]

O nome da experimentação em que a tarefa será criada.

name: Optional[str]

O nome da tarefa.

display_name: Optional[str]

O nome a apresentar da tarefa.

description: Optional[str]

A descrição da tarefa. Predefinições para Nenhum.

tags: Optional[dict[str, str]]

O dicionário de etiquetas para a tarefa. As etiquetas podem ser adicionadas, removidas e atualizadas. A predefinição é Nenhuma.

code

O código fonte para executar a tarefa. Pode ser um caminho local ou "http:", "https:" ou um URL "azureml:" a apontar para uma localização remota.

entry: Optional[Union[dict[str, str], SparkJobEntry]]

O ponto de entrada de ficheiro ou classe.

py_files: Optional[list[str]]

A lista de ficheiros .zip, .egg ou .py a colocar nas aplicações PYTHONPATH para Python. A predefinição é Nenhuma.

jars: Optional[list[str]]

A lista de . Ficheiros JAR a incluir nos caminhos de classe do controlador e do executor. A predefinição é Nenhuma.

files: Optional[list[str]]

A lista de ficheiros a colocar no diretório de trabalho de cada executor. A predefinição é Nenhuma.

archives: Optional[list[str]]

A lista de arquivos a extrair para o diretório de trabalho de cada executor. A predefinição é Nenhuma.

identity: Optional[Union[ dict[str, str], ManagedIdentityConfiguration, AmlTokenConfiguration, UserIdentityConfiguration]]

A identidade que a tarefa do Spark utilizará durante a execução na computação.

driver_cores: Optional[int]

O número de núcleos a utilizar para o processo do controlador, apenas no modo de cluster.

driver_memory: Optional[str]

A quantidade de memória a utilizar para o processo do controlador, formatada como cadeias com um sufixo de unidade de tamanho ("k", "m", "g" ou "t") (por exemplo, "512m", "2g").

executor_cores: Optional[int]

O número de núcleos a utilizar em cada executor.

executor_memory: Optional[str]

A quantidade de memória a utilizar por processo do executor, formatada como cadeias com um sufixo de unidade de tamanho ("k", "m", "g" ou "t") (por exemplo, "512m", "2g").

executor_instances: Optional[int]

O número inicial de executores.

dynamic_allocation_enabled: Optional[bool]

Se pretende utilizar a alocação de recursos dinâmicos, o que dimensiona o número de executores registados nesta aplicação para cima e para baixo com base na carga de trabalho.

dynamic_allocation_min_executors: Optional[int]

O limite inferior para o número de executores se a alocação dinâmica estiver ativada.

dynamic_allocation_max_executors: Optional[int]

O limite superior para o número de executores se a alocação dinâmica estiver ativada.

conf: Optional[dict[str, str]]

Um dicionário com chave e valores de configurações predefinidos do Spark. A predefinição é Nenhuma.

environment: Optional[Union[str, Environment]]

O ambiente do Azure ML no qual executar a tarefa.

inputs: Optional[dict[str, Input]]

Um mapeamento de nomes de entrada para dados de entrada utilizados na tarefa. A predefinição é Nenhuma.

outputs: Optional[dict[str, Output]]

Um mapeamento de nomes de saída para dados de saída utilizados na tarefa. A predefinição é Nenhuma.

args: Optional[str]

Os argumentos para a tarefa.

compute: Optional[str]

O recurso de computação em que a tarefa é executada.

resources: Optional[Union[dict, SparkResourceConfiguration]]

A configuração do recurso de computação para a tarefa.

Devoluções

Um objeto spark.

Tipo de retorno

Spark

Exemplos

Criar um pipeline do Spark com o decorador de pipelines DSL


   from azure.ai.ml import Input, Output, dsl, spark
   from azure.ai.ml.constants import AssetTypes, InputOutputModes

   # define the spark task
   first_step = spark(
       code="/src",
       entry={"file": "add_greeting_column.py"},
       py_files=["utils.zip"],
       files=["my_files.txt"],
       driver_cores=2,
       driver_memory="1g",
       executor_cores=1,
       executor_memory="1g",
       executor_instances=1,
       inputs=dict(
           file_input=Input(path="/dataset/iris.csv", type=AssetTypes.URI_FILE, mode=InputOutputModes.DIRECT)
       ),
       args="--file_input ${{inputs.file_input}}",
       resources={"instance_type": "standard_e4s_v3", "runtime_version": "3.2.0"},
   )

   second_step = spark(
       code="/src",
       entry={"file": "count_by_row.py"},
       jars=["scala_project.jar"],
       files=["my_files.txt"],
       driver_cores=2,
       driver_memory="1g",
       executor_cores=1,
       executor_memory="1g",
       executor_instances=1,
       inputs=dict(
           file_input=Input(path="/dataset/iris.csv", type=AssetTypes.URI_FILE, mode=InputOutputModes.DIRECT)
       ),
       outputs=dict(output=Output(type="uri_folder", mode=InputOutputModes.DIRECT)),
       args="--file_input ${{inputs.file_input}} --output ${{outputs.output}}",
       resources={"instance_type": "standard_e4s_v3", "runtime_version": "3.2.0"},
   )

   # Define pipeline
   @dsl.pipeline(description="submit a pipeline with spark job")
   def spark_pipeline_from_builder(data):
       add_greeting_column = first_step(file_input=data)
       count_by_row = second_step(file_input=data)
       return {"output": count_by_row.outputs.output}

   pipeline = spark_pipeline_from_builder(
       data=Input(path="/dataset/iris.csv", type=AssetTypes.URI_FILE, mode=InputOutputModes.DIRECT),
   )

automl	Contém aulas automatizadas de machine learning para o SDKv2 do Azure Machine Learning. As áreas principais incluem a gestão de tarefas autoML.
constants	Este pacote define as constantes utilizadas no SDKv2 do Azure Machine Learning.
data_transfer
dsl
entities	Contém entidades e objetos SDK para o SDKv2 do Azure Machine Learning. As áreas principais incluem a gestão de destinos de computação, a criação/gestão de áreas de trabalho e tarefas e a submissão/acesso de modelos, execuções e execução de saída/registo, etc.
identity	Contém a Configuração de Identidade para o SDKv2 do Azure Machine Learning.
operations	Contém operações suportadas para o SDKv2 do Azure Machine Learning. As operações são classes que contêm lógica para interagir com serviços de back-end, normalmente chamadas de operações geradas automaticamente.
parallel
sweep

AmlTokenConfiguration	Configuração da identidade do Token do AzureML.
Input	Inicializar um objeto input.
MLClient	Uma classe de cliente para interagir com os serviços do Azure ML. Utilize este cliente para gerir recursos do Azure ML, como áreas de trabalho, trabalhos, modelos, etc.
ManagedIdentityConfiguration	Configuração de credenciais de Identidade Gerida.
MpiDistribution	Configuração de distribuição de MPI.
Output
PyTorchDistribution	Configuração de distribuição do PyTorch.
RayDistribution	Nota Esta é uma classe experimental e pode mudar em qualquer altura. Para obter mais informações, veja https://aka.ms/azuremlexperimental. Configuração de distribuição de raios.
TensorFlowDistribution	Configuração de distribuição do TensorFlow.
UserIdentityConfiguration	Configuração da identidade do utilizador.

Partilhar via

ml Pacote

Pacote

Módulos

Classes

Funções

command

Parâmetros

Devoluções

Tipo de retorno

Exemplos

load_batch_deployment

Parâmetros

Devoluções

Tipo de retorno

load_batch_endpoint

Parâmetros

Devoluções

Tipo de retorno

load_component

Parâmetros

Devoluções

Tipo de retorno

Exemplos

load_compute

Parâmetros

Devoluções

Tipo de retorno

Exemplos

load_data

Parâmetros

Devoluções

Tipo de retorno

Exceções

load_datastore

Parâmetros

Devoluções

Tipo de retorno

Exceções

load_environment

Parâmetros

Devoluções

Tipo de retorno

Exceções

load_job

Parâmetros

Devoluções

Tipo de retorno

Exceções

Exemplos

load_model

Parâmetros

Devoluções

Tipo de retorno

Exceções

Exemplos

load_model_package

Parâmetros

Devoluções

Tipo de retorno

Exceções

Exemplos

load_online_deployment

Parâmetros

Devoluções

Tipo de retorno

Exceções

load_online_endpoint

Parâmetros

Devoluções

Tipo de retorno

Exceções

load_registry

Parâmetros

Devoluções

Tipo de retorno

load_workspace

Parâmetros

Devoluções

Tipo de retorno