data Pacote

Contém a classe base abstrata para conjuntos de dados no Azure Machine Learning.

Contém a funcionalidade base para armazenamentos de dados que salvam informações de conexão nos serviços de armazenamento do Azure.

Contém a funcionalidade base para armazenamentos de dados que salvam informações de conexão no Armazenamento do Azure Data Lake.

Contém a funcionalidade base para armazenamentos de dados que salvam informações de conexão no Banco de Dados do Azure para MySQL.

Contém a funcionalidade base para armazenamentos de dados que salvam informações de conexão no Banco de Dados do Azure para PostgreSQL.

Contém a funcionalidade base para armazenamentos de dados que salvam informações de conexão no Banco de Dados SQL do Azure.

Contém funcionalidade para armazenamentos de dados que salvam informações de conexão no Blob do Azure e no armazenamento de arquivos do Azure.

Constantes usadas no pacote azureml.data. Apenas para uso interno.

Contém funcionalidade para gerenciar o contexto de dados de armazenamentos de dados e conjuntos de dados. Apenas para uso interno.

Contém funcionalidade que define como criar referências a dados em armazenamentos de dados.

Contém funcionalidade para gerenciar DatacacheStore e Datacache no Azure Machine Learning.

Apenas para uso interno.

Contém funcionalidade para configuração de consumo de DataCache.

Contém objetos necessários para a representação das configurações de Singularidade do Datacache.

Contém funcionalidade para criar referências a dados em armazenamentos de dados.

Este módulo contém a DataPath classe, que representa o local dos dados, e a DataPathComputeBinding classe, que representa como os dados são disponibilizados nos destinos de computação.

Contém funcionalidade que gerencia a execução de ações do Conjunto de Dados.

Este módulo fornece métodos convenientes para criar ações de conjunto de dados e obter seus resultados após a conclusão.

Contém funcionalidade para configuração de consumo de conjunto de dados.

Contém funcionalidade para gerenciar a definição do conjunto de dados e suas operações.

Contém exceções para tratamento de erros de conjunto de dados no Aprendizado de Máquina do Azure.

Contém funcionalidade para criar conjuntos de dados para o Azure Machine Learning.

Classe para coletar estatísticas resumidas sobre os dados produzidos por um fluxo de dados.

A funcionalidade neste módulo inclui a coleta de informações sobre qual execução produziu o perfil, se o perfil está obsoleto ou não.

Contém a configuração para monitorar o perfil do conjunto de dados executado no Aprendizado de Máquina do Azure.

A funcionalidade neste módulo inclui manipulação e monitoramento da execução do perfil do conjunto de dados associada a um objeto de experimento e id de execução individual.

Contém configuração para gerar resumo de estatísticas de conjuntos de dados no Azure Machine Learning.

A funcionalidade neste módulo inclui métodos para enviar a execução do perfil local ou remoto e visualizar o resultado da execução do perfil enviado.

Contém funcionalidade para gerenciar operações de instantâneo do conjunto de dados.

Contém valores de enumeração usados com Dataset.

Apenas para uso interno.

Contém funcionalidade para armazenamentos de dados que salvam informações de conexão no Sistema de Arquivos Databricks (DBFS).

Contém funcionalidade para referenciar um ou vários arquivos em armazenamentos de dados ou URLs públicas.

Para obter mais informações, consulte o artigo Add & register datasets. Para começar a trabalhar com um conjunto de dados de arquivo, consulte https://aka.ms/filedataset-samplenotebook.

Contém a funcionalidade base para armazenamentos de dados que salvam informações de conexão em um cluster HDFS.

Contém configurações que especificam como as saídas de um trabalho devem ser carregadas e promovidas para um conjunto de dados.

Para obter mais informações, consulte o artigo Como especificar saídas.

Contém funcionalidade para criar referências a dados em armazenamentos de dados que salvam informações de conexão em bancos de dados SQL.

Contém funcionalidade para criar um parâmetro a ser passado para um procedimento armazenado SQL.

Contém funcionalidade para representar dados em um formato tabular analisando o arquivo fornecido ou a lista de arquivos.

Para obter mais informações, consulte o artigo Add & register datasets. Para começar a trabalhar com um conjunto de dados tabular, consulte https://aka.ms/tabulardataset-samplenotebook.

Configura tipos de dados de coluna para um conjunto de dados criado no Azure Machine Learning.

Os métodos DataType são usados nos métodos de TabularDatasetFactory classe from_* , que são usados para criar novos objetos TabularDataset.

Representa uma abstração de armazenamento sobre uma conta de armazenamento do Azure Machine Learning.

DatacacheStores são anexados a espaços de trabalho e são usados para armazenar informações relacionadas à solução de cache de dados subjacente. Atualmente, apenas a solução de blob particionado é suportada. Datacachestores define vários armazenamentos de dados Blob que podem ser usados para cache.

Use essa classe para executar operações de gerenciamento, incluindo registrar, listar, obter e atualizar datacachestores. DatacacheStores para cada serviço são criados com os register* métodos dessa classe.

Obtenha um datacachestore pelo nome. Essa chamada fará uma solicitação ao serviço de cache de dados.

Representa uma coleção de referências de arquivo em armazenamentos de dados ou URLs públicas para usar no Aprendizado de Máquina do Azure.

Um FileDataset define uma série de operações preguiçosamente avaliadas e imutáveis para carregar dados da fonte de dados em fluxos de arquivos. Os dados não são carregados da origem até que FileDataset seja solicitado a entregar dados.

Um FileDataset é criado usando o from_files método da classe FileDatasetFactory.

Para obter mais informações, consulte o artigo Add & register datasets. Para começar a trabalhar com um conjunto de dados de arquivo, consulte https://aka.ms/filedataset-samplenotebook.

Inicialize o objeto FileDataset.

Este construtor não deve ser invocado diretamente. O conjunto de dados destina-se a ser criado usando FileDatasetFactory a classe.

Represente como sair para um caminho HDFS e ser promovido como um FileDataset.

Inicialize um HDFSOutputDatasetConfig.

Represente como vincular a saída de uma execução e ser promovido como um FileDataset.

O LinkFileOutputDatasetConfig permite vincular um conjunto de dados de arquivo como conjunto de dados de saída

   workspace = Workspace.from_config()
   experiment = Experiment(workspace, 'output_example')

   output = LinkFileOutputDatasetConfig('link_output')

   script_run_config = ScriptRunConfig('.', 'link.py', arguments=[output])

   # within link.py
   # from azureml.core import Run, Dataset
   # run = Run.get_context()
   # workspace = run.experiment.workspace
   # dataset = Dataset.get_by_name(workspace, name='dataset_to_link')
   # run.output_datasets['link_output'].link(dataset)

   run = experiment.submit(script_run_config)
   print(run)

Inicialize um LinkFileOutputDatasetConfig.

Represente como vincular a saída de uma execução e ser promovido como um TabularDataset.

O LinkTabularOutputDatasetConfig permite vincular um arquivo tabular como conjunto de dados de saída

   workspace = Workspace.from_config()
   experiment = Experiment(workspace, 'output_example')

   output = LinkTabularOutputDatasetConfig('link_output')

   script_run_config = ScriptRunConfig('.', 'link.py', arguments=[output])

   # within link.py
   # from azureml.core import Run, Dataset
   # run = Run.get_context()
   # workspace = run.experiment.workspace
   # dataset = Dataset.get_by_name(workspace, name='dataset_to_link')
   # run.output_datasets['link_output'].link(dataset)

   run = experiment.submit(script_run_config)
   print(run)

Inicialize um LinkTabularOutputDatasetConfig.

Representar como copiar a saída de uma execução e ser promovido como um FileDataset.

O OutputFileDatasetConfig permite especificar como deseja que um caminho local específico no destino de computação seja carregado para o destino especificado. Se nenhum argumento for passado para o construtor, geraremos automaticamente um nome, um destino e um caminho local.

Um exemplo de não passar nenhum argumento:

   workspace = Workspace.from_config()
   experiment = Experiment(workspace, 'output_example')

   output = OutputFileDatasetConfig()

   script_run_config = ScriptRunConfig('.', 'train.py', arguments=[output])

   run = experiment.submit(script_run_config)
   print(run)

Um exemplo de criação de uma saída e, em seguida, promovendo a saída para um conjunto de dados tabular e registrá-la com o nome foo:

   workspace = Workspace.from_config()
   experiment = Experiment(workspace, 'output_example')

   datastore = Datastore(workspace, 'example_adls_gen2_datastore')

   # for more information on the parameters and methods, please look for the corresponding documentation.
   output = OutputFileDatasetConfig().read_delimited_files().register_on_complete('foo')

   script_run_config = ScriptRunConfig('.', 'train.py', arguments=[output])

   run = experiment.submit(script_run_config)
   print(run)

Inicialize um OutputFileDatasetConfig.

O OutputFileDatasetConfig permite especificar como deseja que um caminho local específico no destino de computação seja carregado para o destino especificado. Se nenhum argumento for passado para o construtor, geraremos automaticamente um nome, um destino e um caminho local.

Um exemplo de não passar nenhum argumento:

   workspace = Workspace.from_config()
   experiment = Experiment(workspace, 'output_example')

   output = OutputFileDatasetConfig()

   script_run_config = ScriptRunConfig('.', 'train.py', arguments=[output])

   run = experiment.submit(script_run_config)
   print(run)

Um exemplo de criação de uma saída e, em seguida, promovendo a saída para um conjunto de dados tabular e registrá-la com o nome foo:

   workspace = Workspace.from_config()
   experiment = Experiment(workspace, 'output_example')

   datastore = Datastore(workspace, 'example_adls_gen2_datastore')

   # for more information on the parameters and methods, please look for the corresponding documentation.
   output = OutputFileDatasetConfig().read_delimited_files().register_on_complete('foo')

   script_run_config = ScriptRunConfig('.', 'train.py', arguments=[output])

   run = experiment.submit(script_run_config)
   print(run)

Representa um conjunto de dados tabular a ser usado no Aprendizado de Máquina do Azure.

Um TabularDataset define uma série de operações preguiçosamente avaliadas e imutáveis para carregar dados da fonte de dados em representação tabular. Os dados não são carregados da fonte até que TabularDataset seja solicitado a fornecer dados.

TabularDataset é criado usando métodos como from_delimited_files da TabularDatasetFactory classe.

Para obter mais informações, consulte o artigo Add & register datasets. Para começar a trabalhar com um conjunto de dados tabular, consulte https://aka.ms/tabulardataset-samplenotebook.

Inicialize um objeto TabularDataset.

Este construtor não deve ser invocado diretamente. O conjunto de dados destina-se a ser criado usando TabularDatasetFactory a classe.