MpiStep Classe

[Obrigatório] O nome do módulo.

[Obrigatório] Uma pasta que contém script Python, conda env e outros recursos usados na etapa.

[Obrigatório] O nome de um script Python relativo a source_directory.

[Obrigatório] Uma lista de argumentos de linha de comando.

[Obrigatório] Um destino de computação a ser usado.

[Obrigatório] O número de nós no destino de computação usado para treinamento. Se maior que 1, um trabalho distribuído mpi será executado. Somente o destino de computação AmlCompute é suportado para trabalhos distribuídos. Os valores PipelineParameter são suportados.

[Obrigatório] O número de processos por nó. Se maior que 1, um trabalho distribuído mpi será executado. Somente o destino de computação AmlCompute é suportado para trabalhos distribuídos. Os valores PipelineParameter são suportados.

Uma lista de ligações de porta de entrada.

Uma lista de ligações de porta de saída.

Um dicionário de pares nome-valor registrados como variáveis de ambiente com "AML_PARAMETER_".

Indica se a etapa deve reutilizar os resultados anteriores ao ser executada novamente com as mesmas configurações. A reutilização está ativada por predefinição. Se o conteúdo da etapa (scripts/dependências), bem como as entradas e os parâmetros permanecerem inalterados, a saída da execução anterior desta etapa será reutilizada. Ao reutilizar a etapa, em vez de enviar o trabalho para computação, os resultados da execução anterior são imediatamente disponibilizados para quaisquer etapas subsequentes. Se você usar conjuntos de dados do Aprendizado de Máquina do Azure como entradas, a reutilização será determinada se a definição do conjunto de dados foi alterada, não se os dados subjacentes foram alterados.

Uma tag de versão opcional para indicar uma alteração na funcionalidade do módulo.

DEPRECATED: não é mais necessário.

Uma lista de caminhos para hash ao verificar alterações no conteúdo da etapa. Se não forem detetadas alterações, o pipeline reutilizará o conteúdo da etapa de uma execução anterior. Por padrão, o conteúdo do source_directory é colocado em hash, exceto para arquivos listados em .amlignore ou .gitignore.

Indica se o ambiente para executar o experimento deve suportar GPUs. Se True, uma imagem padrão do Docker baseada em GPU será usada no ambiente. Se False, uma imagem baseada em CPU será usada. As imagens docker padrão (CPU ou GPU) serão usadas somente se o custom_docker_image parâmetro não estiver definido. Essa configuração é usada somente em destinos de computação habilitados para Docker.

Indica se o ambiente para executar o experimento deve ser baseado no Docker.

O nome da imagem do Docker a partir da qual a imagem a ser usada para treinamento será construída. Se não estiver definida, uma imagem padrão baseada em CPU será usada como imagem base.

Os detalhes do registro de imagem do Docker.

Indica se o Azure ML reutiliza um ambiente Python existente; False significa que o Azure ML criará um ambiente Python com base na especificação de dependências conda.

Uma lista de strings que representam pacotes conda a serem adicionados ao ambiente Python.

Uma lista de strings que representam pacotes pip a serem adicionados ao ambiente Python.

O caminho relativo para o arquivo de texto de requisitos pip. Este parâmetro pode ser especificado em combinação com o pip_packages parâmetro.

O EnvironmentDefinition para o experimento. Inclui PythonSection e DockerSection e variáveis de ambiente. Qualquer opção de ambiente não exposta diretamente através de outros parâmetros à construção MpiStep pode ser definida usando environment_definition parâmetro. Se esse parâmetro for especificado, ele terá precedência sobre outros parâmetros relacionados ao ambiente, como use_gpu, custom_docker_image, conda_packages ou pip_packages e erros serão relatados nessas combinações inválidas.

[Obrigatório] O nome do módulo.

[Obrigatório] Uma pasta que contém script Python, conda env e outros recursos usados na etapa.

[Obrigatório] O nome de um script Python relativo a source_directory.

[Obrigatório] Uma lista de argumentos de linha de comando.

[Obrigatório] Um destino de computação a ser usado.

[Obrigatório] Número de nós no destino de computação usado para treinamento. Se maior que 1, o trabalho distribuído mpi será executado. Somente o destino de computação AmlCompute é suportado para trabalhos distribuídos. Os valores PipelineParameter são suportados.

[Obrigatório] Número de processos por nó. Se maior que 1, o trabalho distribuído mpi será executado. Somente o destino de computação AmlCompute é suportado para trabalhos distribuídos. Os valores PipelineParameter são suportados.

Uma lista de ligações de porta de entrada.

Uma lista de ligações de porta de saída.

Um dicionário de pares nome-valor registrados como variáveis de ambiente com ">>AML_PARAMETER_<<".

Indica se a etapa deve reutilizar os resultados anteriores quando a execução repetida com os mesmos parâmetros permanece inalterada, a saída da execução anterior desta etapa é reutilizada. Ao reutilizar a etapa, em vez de enviar o trabalho para computação, os resultados da execução anterior são imediatamente disponibilizados para quaisquer etapas subsequentes. Se você usar conjuntos de dados do Aprendizado de Máquina do Azure como entradas, a reutilização será determinada se a definição do conjunto de dados foi alterada, não se os dados subjacentes foram alterados.

Tag de versão opcional para indicar uma alteração na funcionalidade do módulo

DEPRECATED: não é mais necessário.

Uma lista de caminhos para hash ao verificar alterações no conteúdo da etapa. Se não forem detetadas alterações, o pipeline reutilizará o conteúdo da etapa de uma execução anterior. Por padrão, o conteúdo do source_directory é colocado em hash, exceto para arquivos listados em .amlignore ou .gitignore.

Indica se o ambiente para executar o experimento deve suportar GPUs. Se True, uma imagem padrão do Docker baseada em GPU será usada no ambiente. Se False, uma imagem baseada em CPU será usada. As imagens docker padrão (CPU ou GPU) serão usadas somente se o custom_docker_image parâmetro não estiver definido. Essa configuração é usada somente em destinos de computação habilitados para Docker.

Indica se o ambiente para executar o experimento deve ser baseado no Docker. custom_docker_image (str): O nome da imagem docker a partir da qual a imagem a ser usada para o trabalho mpi será construída. Se não estiver definida, uma imagem padrão baseada em CPU será usada como imagem base.

O nome da imagem do Docker a partir da qual a imagem a ser usada para treinamento será construída. Se não estiver definida, uma imagem padrão baseada em CPU será usada como imagem base.

Os detalhes do registro de imagem do Docker.

Indica se o Azure ML reutiliza um ambiente Python existente; False significa que o Azure ML criará um ambiente Python com base na especificação de dependências conda.

Uma lista de strings que representam pacotes conda a serem adicionados ao ambiente Python.

Uma lista de strings que representam pacotes pip a serem adicionados ao ambiente Python.

O caminho relativo para o arquivo de texto de requisitos pip. Este parâmetro pode ser especificado em combinação com o pip_packages parâmetro.

O EnvironmentDefinition para o experimento. Inclui PythonSection e DockerSection e variáveis de ambiente. Qualquer opção de ambiente não exposta diretamente através de outros parâmetros à construção MpiStep pode ser definida usando environment_definition parâmetro. Se esse parâmetro for especificado, ele terá precedência sobre outros parâmetros relacionados ao ambiente, como use_gpu, custom_docker_image, conda_packages ou pip_packages e erros serão relatados nessas combinações inválidas.