ModuleStep Classe

  • Referência

Cria um passo de pipeline do Azure Machine Learning para executar uma versão específica de um Módulo.

Module Os objetos definem cálculos reutilizáveis, como scripts ou executáveis, que podem ser utilizados em diferentes cenários de machine learning e por utilizadores diferentes. Para utilizar uma versão específica de um Módulo num pipeline, crie um ModuleStep. Um ModuleStep é um passo no pipeline que utiliza um existente ModuleVersion.

Para obter um exemplo de utilização de ModuleStep, consulte o bloco de notas https://aka.ms/pl-modulestep.

Crie um passo de pipeline do Azure ML para executar uma versão específica de um Módulo.

Herança
ModuleStepBase
ModuleStep

Construtor

ModuleStep(module=None, version=None, module_version=None, inputs_map=None, outputs_map=None, compute_target=None, runconfig=None, runconfig_pipeline_params=None, arguments=None, params=None, name=None, _workflow_provider=None)

Parâmetros

Name Description
module
Module

O módulo utilizado no passo . Forneça o module parâmetro ou, module_version mas não ambos.

Default value: None
version
str

A versão do módulo utilizado no passo .

Default value: None
module_version
ModuleVersion

ModuleVersion do módulo utilizado no passo . Forneça o module parâmetro ou, module_version mas não ambos.

Default value: None
inputs_map
dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset, DatasetConsumptionConfig]]

Um dicionário que mapeia os nomes das definições de porta de ModuleVersion para as entradas do passo.

Default value: None
outputs_map
dict[str, Union[OutputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset]]

Um dicionário que mapeia os nomes das definições de porta do ModuleVersion para as saídas do passo.

Default value: None
compute_target
Union[DsvmCompute, AmlCompute, RemoteCompute, HDInsightCompute, str, tuple]

O destino de computação a utilizar. Se não for especificado, será utilizado o destino do runconfig. Pode ser um objeto de destino de computação ou o nome da cadeia de carateres de um destino de computação na área de trabalho. Opcionalmente, se o destino de computação não estiver disponível no momento da criação do pipeline, poderá especificar uma cadeia de identificação de ("nome de destino de computação", "tipo de destino de computação") para evitar obter o objeto de destino de computação (o tipo AmlCompute é "AmlCompute" e o tipo RemoteCompute é "VirtualMachine").

Default value: None
runconfig
RunConfiguration

Uma RunConfiguration opcional a utilizar. Uma RunConfiguration pode ser utilizada para especificar requisitos adicionais para a execução, como dependências conda e uma imagem do Docker.

Default value: None
runconfig_pipeline_params
dict[str, PipelineParameter]

Uma substituição das propriedades de runconfig no runtime com o valor-chave emparelha cada uma com o nome da propriedade runconfig e PipelineParameter para essa propriedade.

Valores suportados: "NodeCount", "MpiProcessCountPerNode", "TensorflowWorkerCount", "TensorflowParameterServerCount"

Default value: None
arguments
list[str]

Uma lista de argumentos da linha de comandos para o ficheiro de script python. Os argumentos serão entregues ao destino de computação através de argumentos em RunConfiguration. Para obter mais detalhes sobre como lidar com argumentos como símbolos especiais, veja os argumentos em RunConfiguration

Default value: None
params
dict[str, str]

Um dicionário de pares nome-valor.

Default value: None
name
str

O nome do passo.

Default value: None
_workflow_provider
<xref:azureml.pipeline.core._aeva_provider._AevaWorkflowProvider>

(Apenas utilização interna.) O fornecedor de fluxo de trabalho.

Default value: None
module
Necessário
Module

O módulo utilizado no passo . Forneça o module parâmetro ou, module_version mas não ambos.
version
Necessário
str

A versão do módulo utilizado no passo .
module_version
Necessário
ModuleVersion

ModuleVersion do módulo utilizado no passo . Forneça o module parâmetro ou, module_version mas não ambos.
inputs_map
Necessário
dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, <xref:azureml.pipeline.core.pipeline_output_dataset.PipelineOutputDataset>, DatasetConsumptionConfig]]

Um dicionário que mapeia os nomes das definições de porta de ModuleVersion para as entradas do passo.
outputs_map
Necessário
dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, <xref:azureml.pipeline.core.pipeline_output_dataset.PipelineOutputDataset>]]

Um dicionário que mapeia os nomes das definições de porta do ModuleVersion para as saídas do passo.
compute_target
Necessário
Union[DsvmCompute, AmlCompute, RemoteCompute, HDInsightCompute, str, tuple]

O destino de computação a utilizar. Se não for especificado, será utilizado o destino do runconfig. Pode ser um objeto de destino de computação ou o nome da cadeia de carateres de um destino de computação na área de trabalho. Opcionalmente, se o destino de computação não estiver disponível no momento da criação do pipeline, poderá especificar uma cadeia de identificação de ("nome de destino de computação", "tipo de destino de computação") para evitar obter o objeto de destino de computação (o tipo AmlCompute é "AmlCompute" e o tipo RemoteCompute é "VirtualMachine").
runconfig
Necessário
RunConfiguration

Uma RunConfiguration opcional a utilizar. Uma RunConfiguration pode ser utilizada para especificar requisitos adicionais para a execução, como dependências conda e uma imagem do Docker.
runconfig_pipeline_params
Necessário
dict[str, PipelineParameter]

Uma substituição das propriedades de runconfig no runtime com o valor-chave emparelha cada uma com o nome da propriedade runconfig e PipelineParameter para essa propriedade.

Valores suportados: "NodeCount", "MpiProcessCountPerNode", "TensorflowWorkerCount", "TensorflowParameterServerCount"
arguments
Necessário
list[str]

Uma lista de argumentos da linha de comandos para o ficheiro de script python. Os argumentos serão entregues ao destino de computação através de argumentos em RunConfiguration. Para obter mais detalhes sobre como lidar com argumentos como símbolos especiais, veja os argumentos em RunConfiguration
params
Necessário
dict[str, str]

Um dicionário de pares nome-valor.
name
Necessário
str

O nome do passo.
_wokflow_provider
Necessário

(Apenas utilização interna.) O fornecedor de fluxo de trabalho.

Observações

A Module é utilizado para criar e gerir uma unidade computacional resutilizável de um pipeline do Azure Machine Learning. ModuleStep é o passo incorporado no Azure Machine Learning utilizado para consumir um módulo. Pode definir especificamente que ModuleVersion utilizar ou permitir que o Azure Machine Learning resolva que ModuleVersion utilizar ao seguir o processo de resolução definido na secção de observações da Module classe. Para definir que ModuleVersion é utilizado num pipeline submetido, defina um dos seguintes ao criar um ModuleStep:

  • Um ModuleVersion objeto.

  • Um Module objeto e um valor de versão.

  • Um Module objeto sem um valor de versão. Neste caso, a resolução de versões pode variar consoante as submissões.

Tem de definir o mapeamento entre as entradas e saídas do ModuleStep para as entradas e saídas do ModuleVersion.

O exemplo seguinte mostra como criar um ModuleStep como parte do pipeline com vários objetos ModuleStep:


   middle_step = ModuleStep(module=module,
                            inputs_map= middle_step_input_wiring,
                            outputs_map= middle_step_output_wiring,
                            runconfig=RunConfiguration(), compute_target=aml_compute,
                            arguments = ["--file_num1", first_sum, "--file_num2", first_prod,
                                         "--output_sum", middle_sum, "--output_product", middle_prod])

O exemplo completo está disponível a partir de https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-how-to-use-modulestep.ipynb

Métodos

create_node

Crie um nó a partir do passo ModuleStep e adicione-o ao gráfico especificado.

Este método não se destina a ser utilizado diretamente. Quando um pipeline é instanciado com este passo, o Azure ML transmite automaticamente os parâmetros necessários através deste método para que esse passo possa ser adicionado a um gráfico de pipeline que representa o fluxo de trabalho.

create_node

Crie um nó a partir do passo ModuleStep e adicione-o ao gráfico especificado.

Este método não se destina a ser utilizado diretamente. Quando um pipeline é instanciado com este passo, o Azure ML transmite automaticamente os parâmetros necessários através deste método para que esse passo possa ser adicionado a um gráfico de pipeline que representa o fluxo de trabalho.

create_node(graph, default_datastore, context)

Parâmetros

Name Description
graph
Necessário
Graph

O objeto de gráfico ao que adicionar o nó.
default_datastore
Necessário
Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]

O arquivo de dados predefinido.
context
Necessário
<xref:azureml.pipeline.core._GraphContext>

O contexto do gráfico.

Devoluções

Tipo Description
Node

O objeto do nó.