ModuleStep 类

创建 Azure 机器学习管道步骤以运行模块的特定版本。

Module 对象定义可重用计算，例如脚本或可执行文件，这些计算可用于不同的机器学习方案和不同用户。若要在管道中使用模块的特定版本，请创建 ModuleStep。 ModuleStep 是管道中使用现有 ModuleVersion步骤。

有关使用 ModuleStep 的示例，请参阅笔记本 https://aka.ms/pl-modulestep。

创建 Azure ML 管道步骤以运行模块的特定版本。

构造函数

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)

参数

名称	说明
module	Module 步骤中使用的模块。 `module`提供或`module_version`参数，但不同时提供两者。默认值: None
version	str 步骤中使用的模块版本。默认值: None
module_version	ModuleVersion 步骤中使用的模块的 ModuleVersion。 `module`提供或`module_version`参数，但不同时提供两者。默认值: None
inputs_map	dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset, DatasetConsumptionConfig]] 一个字典，用于将 ModuleVersion 的端口定义的名称映射到步骤的输入。默认值: None
outputs_map	dict[str, Union[OutputPortBinding, DataReference, PortDataReference, PipelineData, PipelineOutputAbstractDataset]] 一个字典，用于将 ModuleVersion 的端口定义的名称映射到步骤的输出。默认值: None
compute_target	Union[DsvmCompute, AmlCompute, RemoteCompute, HDInsightCompute, str, tuple] 要使用的计算目标。如果未指定，将使用 runconfig 中的目标。可以是计算目标对象或工作区上计算目标的字符串名称。（可选）如果计算目标在创建管道时不可用，则可以指定一个元组（“计算目标名称”、“计算目标类型”），以避免提取计算目标对象（AmlCompute 类型为“AmlCompute”，RemoteCompute 类型为“VirtualMachine”。默认值: None
runconfig	RunConfiguration 要使用的可选 RunConfiguration。 RunConfiguration 可用于指定运行的其他要求，例如 conda 依赖项和 Docker 映像。默认值: None
runconfig_pipeline_params	dict[str, PipelineParameter] 使用键值对在运行时重写 runconfig 属性和该属性的 PipelineParameter 的名称。支持的值：“NodeCount”、“MpiProcessCountPerNode”、“TensorflowWorkerCount”、“TensorflowParameterServerCount” 默认值: None
arguments	list[str] Python 脚本文件的命令行参数列表。参数将通过 RunConfiguration 中的参数传递到计算目标。有关如何处理参数（如特殊符号）的更多详细信息，请参阅中的参数 RunConfiguration 默认值: None
params	dict[str, str] 名称值对的字典。默认值: None
name	str 步骤的名称。默认值: None
_workflow_provider	<xref:azureml.pipeline.core._aeva_provider._AevaWorkflowProvider> （仅限内部使用。）工作流提供程序。默认值: None
module 必需	Module 步骤中使用的模块。 `module`提供或`module_version`参数，但不同时提供两者。
version 必需	str 步骤中使用的模块版本。
module_version 必需	ModuleVersion 步骤中使用的模块的 ModuleVersion。 `module`提供或`module_version`参数，但不同时提供两者。
inputs_map 必需	dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, <xref:azureml.pipeline.core.pipeline_output_dataset.PipelineOutputDataset>, DatasetConsumptionConfig]] 一个字典，用于将 ModuleVersion 的端口定义的名称映射到步骤的输入。
outputs_map 必需	dict[str, Union[InputPortBinding, DataReference, PortDataReference, PipelineData, <xref:azureml.pipeline.core.pipeline_output_dataset.PipelineOutputDataset>]] 一个字典，用于将 ModuleVersion 的端口定义的名称映射到步骤的输出。
compute_target 必需	Union[DsvmCompute, AmlCompute, RemoteCompute, HDInsightCompute, str, tuple] 要使用的计算目标。如果未指定，将使用 runconfig 中的目标。可以是计算目标对象或工作区上计算目标的字符串名称。（可选）如果计算目标在创建管道时不可用，则可以指定一个元组（“计算目标名称”、“计算目标类型”），以避免提取计算目标对象（AmlCompute 类型为“AmlCompute”，RemoteCompute 类型为“VirtualMachine”。
runconfig 必需	RunConfiguration 要使用的可选 RunConfiguration。 RunConfiguration 可用于指定运行的其他要求，例如 conda 依赖项和 Docker 映像。
runconfig_pipeline_params 必需	dict[str, PipelineParameter] 使用键值对在运行时重写 runconfig 属性和该属性的 PipelineParameter 的名称。支持的值：“NodeCount”、“MpiProcessCountPerNode”、“TensorflowWorkerCount”、“TensorflowParameterServerCount”
arguments 必需	list[str] Python 脚本文件的命令行参数列表。参数将通过 RunConfiguration 中的参数传递到计算目标。有关如何处理参数（如特殊符号）的更多详细信息，请参阅中的参数 RunConfiguration
params 必需	dict[str, str] 名称值对的字典。
name 必需	str 步骤的名称。
_wokflow_provider 必需	（仅限内部使用。）工作流提供程序。

注解

A Module 用于创建和管理 Azure 机器学习管道的可重用计算单元。 ModuleStep 是 Azure 机器学习中用于使用模块的内置步骤。可以具体定义要使用的 ModuleVersion，或者让 Azure 机器学习根据类的备注部分 Module 定义的解析过程解析要使用的 ModuleVersion。若要定义提交管道中使用的 ModuleVersion，请在创建 ModuleStep 时定义以下项之一：

ModuleVersion 对象。
对象 Module 和版本值。
Module没有版本值的对象。在这种情况下，版本解析可能因提交而异。

必须定义 ModuleStep 的输入和输出与 ModuleVersion 输入和输出之间的映射。

以下示例演示如何创建 ModuleStep 作为包含多个 ModuleStep 对象的管道的一部分：


   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])

完整示例可从 https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-how-to-use-modulestep.ipynb

方法

create_node

从 ModuleStep 步骤创建节点，并将其添加到指定的图形。

此方法不用于直接使用。使用此步骤实例化管道时，Azure ML 会自动传递通过此方法所需的参数，以便可以将该步骤添加到表示工作流的管道图中。

create_node

从 ModuleStep 步骤创建节点，并将其添加到指定的图形。

此方法不用于直接使用。使用此步骤实例化管道时，Azure ML 会自动传递通过此方法所需的参数，以便可以将该步骤添加到表示工作流的管道图中。

create_node(graph, default_datastore, context)

参数

名称	说明
graph 必需	Graph 要向其添加节点的图形对象。
default_datastore 必需	Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore] 默认数据存储。
context 必需	<xref:azureml.pipeline.core._GraphContext> 图形上下文。

类型	说明
Node	节点对象。

通过

ModuleStep 类

构造函数

参数

注解

方法

create_node

参数

返回

反馈