Схемы YAML для командного компонента CLI (версия 2)

ОБЛАСТЬ ПРИМЕНЕНИЯ: расширение машинного обучения Azure CLI версии 2 (текущее)

Исходную схему JSON можно найти по адресу https://azuremlschemas.azureedge.net/latest/commandComponent.schema.json.

Синтаксис YAML

Конфигурации распределения

MpiConfiguration

PyTorchConfiguration

TensorFlowConfiguration

Входные данные компонента

Выходные данные компонента

Замечания

С помощью команд az ml component вы можете управлять компонентами Машинного обучения Azure.

Примеры

Примеры компонентов команд доступны в репозитории примеров GitHub. Ниже приведены отдельные примеры.

Примеры доступны в репозитории примеров GitHub. Ниже показаны некоторые из них.

YAML: компонент команды Hello World

$schema: https://azuremlschemas.azureedge.net/latest/commandComponent.schema.json
type: command

name: hello_python_world
display_name: Hello_Python_World
version: 1

code: ./src

environment: 
  image: python

command: >-
  python hello.py

YAML: компонент с различными типами входных данных

$schema: https://azuremlschemas.azureedge.net/latest/commandComponent.schema.json
name: train_data_component_cli
display_name: train_data
description: A example train component
tags:
  author: azureml-sdk-team
type: command
inputs:
  training_data: 
    type: uri_folder
  max_epocs:
    type: integer
    optional: true
  learning_rate: 
    type: number
    default: 0.01
    optional: true
  learning_rate_schedule: 
    type: string
    default: time-based
    optional: true
outputs:
  model_output:
    type: uri_folder
code: ./train_src
environment: azureml://registries/azureml/environments/sklearn-1.5/labels/latest
command: >-
  python train.py 
  --training_data ${{inputs.training_data}} 
  $[[--max_epocs ${{inputs.max_epocs}}]]
  $[[--learning_rate ${{inputs.learning_rate}}]]
  $[[--learning_rate_schedule ${{inputs.learning_rate_schedule}}]]
  --model_output ${{outputs.model_output}}

Определение необязательных входных данных в командной строке

Если входные данные заданы как optional = true, необходимо использовать для $[[]] применения командной строки с входными данными. Например, $[[--input1 ${{inputs.input1}}]. Командная строка во время выполнения может иметь разные входные данные.

• Если вы используете только необходимые training_data и model_output параметры, командная строка будет выглядеть следующим образом:

python train.py --training_data some_input_path --learning_rate 0.01 --learning_rate_schedule time-based --model_output some_output_path

Если значение не указано во время выполнения, learning_rate и learning_rate_schedule будет использоваться значение по умолчанию.

• Если все входные и выходные данные предоставляют значения во время выполнения, командная строка будет выглядеть следующим образом:

python train.py --training_data some_input_path --max_epocs 10 --learning_rate 0.01 --learning_rate_schedule time-based --model_output some_output_path

Распространенные ошибки и рекомендации

Ниже приведены некоторые распространенные ошибки и соответствующие рекомендуемые предложения при определении компонента.

Следующие шаги

• Установка и использование интерфейса командной строки (версия 2)
• Создание конвейеров машинного обучения с помощью компонентов (CLI версии 2)