builder 모듈

Azure Machine Learning 파이프라인의 중간 데이터를 나타냅니다.

파이프라인에 사용되는 데이터는 한 단계에서 생성되고 PipelineData 개체를 한 단계의 출력으로 제공하고 하나 이상의 후속 단계를 입력하여 다른 단계에서 사용할 수 있습니다.

파이프라인 데이터를 사용하는 경우 사용된 디렉터리가 있는지 확인하세요.

디렉터리가 존재하는지 확인하는 Python 예제입니다. 한 파이프라인 단계에서 output_folder 출력 포트가 있다고 가정하고 이 폴더의 상대 경로에 일부 데이터를 쓰려고 합니다.

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

PipelineData는 데이터 액세스 및 배달에 더 이상 권장되지 않는 DataReference 기본을 사용합니다. 대신 OutputFileDatasetConfig 를 사용하세요. 여기에서 샘플을 찾을 수 있습니다. OutputFileDatasetConfig를 사용하는 파이프라인.

PipelineData를 초기화합니다.

Azure Machine Learning 파이프라인의 실행 단계를 나타냅니다.

파이프라인은 파이프라인의 고유한 계산 단위인 여러 파이프라인 단계에서 생성됩니다. 각 단계는 독립적으로 실행되고 격리된 컴퓨팅 리소스를 사용할 수 있습니다. 각 단계에는 일반적으로 고유한 명명된 입력, 출력 및 매개 변수가 있습니다.

PipelineStep 클래스는 일반적인 시나리오를 위해 설계된 다른 기본 제공 단계 클래스(예: PythonScriptStep, DataTransferStep및 HyperDriveStep)를 상속하는 기본 클래스입니다.

Pipelines 및 PipelineSteps의 관계에 대한 개요는 ML 파이프라인이란?을 참조하세요.

PipelineStep을 초기화합니다.

단계 Pipeline 목록과 실행 순서를 나타냅니다.

파이프라인을 초기화할 때 StepSequence를 사용하여 특정 순서로 실행하는 단계를 포함하는 워크플로를 만듭니다.

StepSequence를 초기화합니다.