Input Classe

Inicializar um objeto input.

Herança
azure.ai.ml.entities._inputs_outputs.base._InputOutputBase
Input

Construtor

Input(*, type: str, path: str | None = None, mode: str | None = None, optional: bool | None = None, description: str | None = None, **kwargs: Any)

Parâmetros Só de Palavra-Chave

Name Description
type
str

O tipo de entrada de dados. Os valores aceites são "uri_folder", "uri_file", "mltable", "mlflow_model", "custom_model", "número inteiro", "número", "cadeia" e "booleano". A predefinição é "uri_folder".

valor predefinido: uri_folder
path

O caminho para os dados de entrada. Os caminhos podem ser caminhos locais, uris de dados remotos ou um ID de recurso do AzureML registado.

mode

O modo de acesso da entrada de dados. Os valores aceites são:

  • "ro_mount": Montar os dados no destino de computação como só de leitura,
  • "download": transfira os dados para o destino de computação,
  • "direto": Transmitir o URI como uma cadeia a ser acedida no runtime
default

O valor predefinido da entrada. Se uma predefinição estiver definida, os dados de entrada serão opcionais.

min

O valor mínimo para a entrada. Se um valor inferior ao mínimo for transmitido para a tarefa, a execução da tarefa falhará.

max

O valor máximo para a entrada. Se um valor maior do que o máximo for transmitido para uma tarefa, a execução da tarefa falhará.

optional

Especifica se a entrada é opcional.

description

Descrição da entrada

datastore
str

O arquivo de dados para onde carregar ficheiros locais.

intellectual_property

Propriedade intelectual para a entrada.

enum
Necessário

Exemplos

Criar um CommandJob com duas entradas.


   from azure.ai.ml import Input, Output
   from azure.ai.ml.entities import CommandJob, CommandJobLimits

   command_job = CommandJob(
       code="./src",
       command="python train.py --ss {search_space.ss}",
       inputs={
           "input1": Input(path="trial.csv", mode="ro_mount", description="trial input data"),
           "input_2": Input(
               path="azureml:list_data_v2_test:2", type="uri_folder", description="registered data asset"
           ),
       },
       outputs={"default": Output(path="./foo")},
       compute="trial",
       environment="AzureML-sklearn-1.0-ubuntu20.04-py38-cpu:33",
       limits=CommandJobLimits(timeout=120),
   )

Métodos

get
has_key
items
keys
update
values

get

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

Parâmetros

Name Description
key
Necessário
default
valor predefinido: None

has_key

has_key(k: Any) -> bool

Parâmetros

Name Description
k
Necessário

items

items() -> list

keys

keys() -> list

update

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

values

values() -> list