Delen via

ModuleStep Klas

Hiermee maakt u een Azure Machine Learning-pijplijnstap om een specifieke versie van een module uit te voeren.

Module objecten definiëren herbruikbare berekeningen, zoals scripts of uitvoerbare bestanden, die kunnen worden gebruikt in verschillende machine learning-scenario's en door verschillende gebruikers. Als u een specifieke versie van een module in een pijplijn wilt gebruiken, maakt u een ModuleStep. Een ModuleStep is een stap in de pijplijn die gebruikmaakt van een bestaande ModuleVersion.

Zie het notebook https://aka.ms/pl-modulestepvoor een voorbeeld van het gebruik van ModuleStep.

Maak een Azure ML-pijplijnstap om een specifieke versie van een module uit te voeren.

Constructor

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)

Parameters

Name Description
module
Module

De module die in de stap wordt gebruikt. Geef de module parameter of de module_version parameter op, maar niet beide.

Default value: None
version
str

De versie van de module die in de stap wordt gebruikt.

Default value: None
module_version
ModuleVersion

Een ModuleVersion van de module die in de stap wordt gebruikt. Geef de module parameter of de module_version parameter op, maar niet beide.

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

Een woordenlijst die de namen van poortdefinities van de ModuleVersion toewijst aan de invoer van de stap.

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

Een woordenlijst die de namen van poortdefinities van de ModuleVersion toewijst aan de uitvoer van de stap.

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

Het rekendoel dat moet worden gebruikt. Als dit niet is opgegeven, wordt het doel van de runconfig gebruikt. Dit kan een rekendoelobject zijn of de tekenreeksnaam van een rekendoel in de werkruimte. Als het rekendoel niet beschikbaar is tijdens het maken van de pijplijn, kunt u eventueel een tuple van ('naam van rekendoel', 'rekendoeltype') opgeven om te voorkomen dat het rekendoelobject wordt opgehaald (het type AmlCompute is 'AmlCompute' en het type RemoteCompute is 'VirtualMachine').

Default value: None
runconfig
RunConfiguration

Een optionele RunConfiguration die moet worden gebruikt. Een RunConfiguration kan worden gebruikt om aanvullende vereisten voor de uitvoering op te geven, zoals conda-afhankelijkheden en een Docker-installatiekopieën.

Default value: None
runconfig_pipeline_params
dict[str, PipelineParameter]

Een onderdrukking van runconfig-eigenschappen tijdens runtime met behulp van sleutel-waardeparen elk met de naam van de runconfig-eigenschap en PipelineParameter voor die eigenschap.

Ondersteunde waarden: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount'

Default value: None
arguments
list[str]

Een lijst met opdrachtregelargumenten voor het Python-scriptbestand. De argumenten worden via argumenten in RunConfiguration aan het rekendoel geleverd. Zie de argumenten in RunConfiguration

Default value: None
params
dict[str, str]

Een woordenlijst met naam-waardeparen.

Default value: None
name
str

De naam van de stap.

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

(Alleen intern gebruik.) De werkstroomprovider.

Default value: None
module
Vereist
Module

De module die in de stap wordt gebruikt. Geef de module parameter of de module_version parameter op, maar niet beide.
version
Vereist
str

De versie van de module die in de stap wordt gebruikt.
module_version
Vereist
ModuleVersion

De ModuleVersion van de module die in de stap wordt gebruikt. Geef de module parameter of de module_version parameter op, maar niet beide.
inputs_map
Vereist
dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, <xref:azureml.pipeline.core.pipeline_output_dataset.PipelineOutputDataset>, DatasetConsumptionConfig]]

Een woordenlijst die de namen van poortdefinities van de ModuleVersion toewijst aan de invoer van de stap.
outputs_map
Vereist
dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, <xref:azureml.pipeline.core.pipeline_output_dataset.PipelineOutputDataset>]]

Een woordenlijst die de namen van poortdefinities van de ModuleVersion toewijst aan de uitvoer van de stap.
compute_target
Vereist
Union[DsvmCompute, AmlCompute, RemoteCompute, HDInsightCompute, str, tuple]

Het rekendoel dat moet worden gebruikt. Als dit niet is opgegeven, wordt het doel van de runconfig gebruikt. Dit kan een rekendoelobject zijn of de tekenreeksnaam van een rekendoel in de werkruimte. Als het rekendoel niet beschikbaar is tijdens het maken van de pijplijn, kunt u eventueel een tuple van ('naam van rekendoel', 'rekendoeltype') opgeven om te voorkomen dat het rekendoelobject wordt opgehaald (het type AmlCompute is 'AmlCompute' en het type RemoteCompute is 'VirtualMachine').
runconfig
Vereist
RunConfiguration

Een optionele RunConfiguration die moet worden gebruikt. Een RunConfiguration kan worden gebruikt om aanvullende vereisten voor de uitvoering op te geven, zoals conda-afhankelijkheden en een Docker-installatiekopieën.
runconfig_pipeline_params
Vereist
dict[str, PipelineParameter]

Een onderdrukking van runconfig-eigenschappen tijdens runtime met behulp van sleutel-waardeparen elk met de naam van de runconfig-eigenschap en PipelineParameter voor die eigenschap.

Ondersteunde waarden: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount'
arguments
Vereist
list[str]

Een lijst met opdrachtregelargumenten voor het Python-scriptbestand. De argumenten worden via argumenten in RunConfiguration aan het rekendoel geleverd. Zie de argumenten in RunConfiguration
params
Vereist
dict[str, str]

Een woordenlijst met naam-waardeparen.
name
Vereist
str

De naam van de stap.
_wokflow_provider
Vereist

(Alleen intern gebruik.) De werkstroomprovider.

Opmerkingen

Een Module wordt gebruikt voor het maken en beheren van een herbruikbare rekenkundige eenheid van een Azure Machine Learning-pijplijn. ModuleStep is de ingebouwde stap in Azure Machine Learning die wordt gebruikt om een module te gebruiken. U kunt specifiek definiëren welke ModuleVersion moet worden gebruikt of azure Machine Learning laten oplossen welke ModuleVersion moet worden gebruikt na het oplossingsproces dat is gedefinieerd in de sectie opmerkingen van de Module klasse. Als u wilt definiëren welke ModuleVersion wordt gebruikt in een verzonden pijplijn, definieert u een van de volgende opties bij het maken van een ModuleStep:

  • Een ModuleVersion-object.

  • Een Module object en een versiewaarde.

  • Een Module object zonder versiewaarde. In dit geval kan versieomzetting per inzending verschillen.

U moet de toewijzing tussen de invoer en uitvoer van moduleStep definiëren voor de invoer en uitvoer van de ModuleVersion.

In het volgende voorbeeld ziet u hoe u een ModuleStep maakt als onderdeel van een pijplijn met meerdere ModuleStep-objecten:


   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])

Volledig voorbeeld is beschikbaar vanaf https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-how-to-use-modulestep.ipynb

Methoden

create_node

Maak een knooppunt uit de ModuleStep-stap en voeg dit toe aan de opgegeven grafiek.

Deze methode is niet bedoeld om rechtstreeks te worden gebruikt. Wanneer een pijplijn met deze stap wordt geïnstantieerd, worden in Azure ML automatisch de parameters doorgegeven die zijn vereist via deze methode, zodat de stap kan worden toegevoegd aan een pijplijngrafiek die de werkstroom vertegenwoordigt.

create_node

Maak een knooppunt uit de ModuleStep-stap en voeg dit toe aan de opgegeven grafiek.

Deze methode is niet bedoeld om rechtstreeks te worden gebruikt. Wanneer een pijplijn met deze stap wordt geïnstantieerd, worden in Azure ML automatisch de parameters doorgegeven die zijn vereist via deze methode, zodat de stap kan worden toegevoegd aan een pijplijngrafiek die de werkstroom vertegenwoordigt.

create_node(graph, default_datastore, context)

Parameters

Name Description
graph
Vereist
Graph

Het grafiekobject waaraan het knooppunt moet worden toegevoegd.
default_datastore
Vereist
Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]

Het standaardgegevensarchief.
context
Vereist
<xref:azureml.pipeline.core._GraphContext>

De grafiekcontext.

Retouren

Type Description
Node

Het knooppuntobject.