MachineLearningCommandJob Classe
Définition
Important
Certaines informations portent sur la préversion du produit qui est susceptible d’être en grande partie modifiée avant sa publication. Microsoft exclut toute garantie, expresse ou implicite, concernant les informations fournies ici.
Définition du travail de commande.
public class MachineLearningCommandJob : Azure.ResourceManager.MachineLearning.Models.MachineLearningJobPropertiestype MachineLearningCommandJob = class
inherit MachineLearningJobPropertiesPublic Class MachineLearningCommandJob
Inherits MachineLearningJobProperties- Héritage
Constructeurs
| MachineLearningCommandJob(String, ResourceIdentifier) |
Initialise une nouvelle instance de MachineLearningCommandJob. |
Propriétés
| CodeId |
ID de ressource ARM de la ressource de code. |
| Command |
[Obligatoire] Commande à exécuter au démarrage du travail. par exemple « python train.py ». |
| ComponentId |
ID de ressource ARM de la ressource de composant. (Hérité de MachineLearningJobProperties) |
| ComputeId |
ID de ressource ARM de la ressource de calcul. (Hérité de MachineLearningJobProperties) |
| Description |
Texte de description de la ressource. (Hérité de MachineLearningResourceBase) |
| DisplayName |
Nom d’affichage du travail. (Hérité de MachineLearningJobProperties) |
| Distribution |
Configuration de distribution du travail. S’il est défini, il doit s’agir de Mpi, Tensorflow, PyTorch, Ray ou null. Veuillez noter qu’il MachineLearningDistributionConfiguration s’agit de la classe de base. Selon le scénario, une classe dérivée de la classe de base peut avoir besoin d’être affectée ici, ou cette propriété doit être convertie en une des classes dérivées possibles. Les classes dérivées disponibles incluent MpiDistributionConfiguration, PyTorchDistributionConfigurationet TensorFlowDistributionConfigurationRayDistributionConfiguration . |
| EnvironmentId |
[Obligatoire] ID de ressource ARM de la spécification d’environnement pour le travail. |
| EnvironmentVariables |
Variables d’environnement incluses dans le travail. |
| ExperimentName |
Nom de l’expérience à laquelle appartient le travail. S’il n’est pas défini, le travail est placé dans l’expérience « Par défaut ». (Hérité de MachineLearningJobProperties) |
| Identity |
Configuration de l’identité. S’il est défini, il doit s’agir d’AmlToken, ManagedIdentity, UserIdentity ou null. La valeur par défaut est AmlToken si null. Veuillez noter qu’il MachineLearningIdentityConfiguration s’agit de la classe de base. Selon le scénario, une classe dérivée de la classe de base peut avoir besoin d’être affectée ici, ou cette propriété doit être convertie en une des classes dérivées possibles. Les classes dérivées disponibles incluent AmlToken, MachineLearningManagedIdentity et MachineLearningUserIdentity. (Hérité de MachineLearningJobProperties) |
| Inputs |
Mappage des liaisons de données d’entrée utilisées dans le travail. Veuillez noter qu’il MachineLearningJobInput s’agit de la classe de base. Selon le scénario, une classe dérivée de la classe de base peut avoir besoin d’être affectée ici, ou cette propriété doit être convertie en une des classes dérivées possibles. Les classes dérivées disponibles incluent MachineLearningCustomModelJobInput, MachineLearningLiteralJobInput, MachineLearningTableJobInputMachineLearningFlowModelJobInput, , MachineLearningUriFileJobInputMachineLearningTritonModelJobInputet MachineLearningUriFolderJobInput. |
| IsArchived |
La ressource est-elle archivée ?. (Hérité de MachineLearningJobProperties) |
| Limits |
Limite du travail de commande. |
| MlflowAutologger |
[Obligatoire] Indique si la journaliseur automatique mlflow est activée. |
| NotificationSetting |
Paramètre de notification pour le travail. (Hérité de MachineLearningJobProperties) |
| Outputs |
Mappage des liaisons de données de sortie utilisées dans le travail. Veuillez noter qu’il MachineLearningJobOutput s’agit de la classe de base. Selon le scénario, une classe dérivée de la classe de base peut avoir besoin d’être affectée ici, ou cette propriété doit être convertie en une des classes dérivées possibles. Les classes dérivées disponibles incluent MachineLearningCustomModelJobOutput, MachineLearningFlowModelJobOutput, MachineLearningTableJobOutput, MachineLearningUriFileJobOutputMachineLearningTritonModelJobOutputet MachineLearningUriFolderJobOutput. |
| Parameters |
Paramètres d’entrée. Pour affecter un objet à cette propriété, utilisez FromObjectAsJson<T>(T, JsonSerializerOptions). Pour affecter une chaîne json déjà mise en forme à cette propriété, utilisez FromString(String). Exemples :
|
| Properties |
Dictionnaire de propriétés de ressource. (Hérité de MachineLearningResourceBase) |
| QueueSettings |
Paramètres de file d’attente pour le travail. |
| Resources |
Configuration de la ressource de calcul pour le travail. |
| SecretsConfiguration |
Configuration des secrets à rendre disponibles pendant l’exécution. (Hérité de MachineLearningJobProperties) |
| Services |
Liste des jobEndpoints. Pour les travaux locaux, un point de terminaison de travail aura une valeur de point de terminaison FileStreamObject. (Hérité de MachineLearningJobProperties) |
| Status |
État du travail. (Hérité de MachineLearningJobProperties) |
| Tags |
Dictionnaire de balises. Les balises peuvent être ajoutées, supprimées et mises à jour. (Hérité de MachineLearningResourceBase) |