builder Module

Vertegenwoordigt tussenliggende gegevens in een Azure Machine Learning-pijplijn.

Gegevens die in de pijplijn worden gebruikt, kunnen in één stap worden geproduceerd en in een andere stap worden gebruikt door een PipelineData-object op te geven als uitvoer van één stap en een invoer van een of meer volgende stappen.

Als u de pijplijngegevens gebruikt, controleert u of de gebruikte map bestaat.

Een Python-voorbeeld om ervoor te zorgen dat de map bestaat, stel dat u een uitvoerpoort hebt met de naam output_folder in één pijplijnstap. U wilt enkele gegevens naar het relatieve pad in deze map schrijven.

   import os
   os.makedirs(args.output_folder, exist_ok=True)
   f = open(args.output_folder + '/relative_path/file_name', 'w+')

PipelineData gebruikt DataReference-onderliggende gegevens die niet langer de aanbevolen benadering voor gegevenstoegang en -levering is. Gebruik in plaats daarvan OutputFileDatasetConfig . Hier vindt u een voorbeeld: Pipeline using OutputFileDatasetConfig.

Initialiseer PipelineData.

Vertegenwoordigt een uitvoeringsstap in een Azure Machine Learning-pijplijn.

Pijplijnen worden samengesteld uit meerdere pijplijnstappen, die afzonderlijke rekeneenheden in de pijplijn zijn. Elke stap kan onafhankelijk worden uitgevoerd en geïsoleerde rekenresources gebruiken. Elke stap heeft doorgaans een eigen benoemde invoer, uitvoer en parameters.

De klasse PipelineStep is de basisklasse waaruit andere ingebouwde stapklassen zijn ontworpen voor veelvoorkomende scenario's, zoals PythonScriptStep, DataTransferStepen HyperDriveStep.

Zie Wat zijn ML-pijplijnen voor een overzicht van de relatie tussen pijplijnen en pipelineSteps.

Initialiseer PipelineStep.

Vertegenwoordigt een lijst met stappen in een Pipeline en de volgorde waarin deze moeten worden uitgevoerd.

Gebruik een StepSequence bij het initialiseren van een pijplijn om een werkstroom te maken die stappen bevat om in een specifieke volgorde uit te voeren.

Initialiseer StepSequence.