CLI(v2) 명령 구성 요소 YAML 스키마

적용 대상: Azure CLI ml 확장 v2(현재)

원본 JSON 스키마는 .에서 https://azuremlschemas.azureedge.net/latest/commandComponent.schema.json찾을 수 있습니다.

YAML 구문

배포 구성

MpiConfiguration

PyTorchConfiguration

TensorFlowConfiguration

구성 요소 입력

구성 요소 출력

설명

az ml component 명령은 Azure Machine Learning 구성 요소를 관리하는 데 사용할 수 있습니다.

예제

명령 구성 요소 예제는 예제 GitHub 리포지토리에서 사용할 수 있습니다. 선택 예제는 다음과 같습니다.

예제는 예제 GitHub 리포지토리에서 사용할 수 있습니다. 몇 가지는 다음과 같습니다.

YAML: Hello world 명령 구성 요소

$schema: https://azuremlschemas.azureedge.net/latest/commandComponent.schema.json
type: command

name: hello_python_world
display_name: Hello_Python_World
version: 1

code: ./src

environment: 
  image: python

command: >-
  python hello.py

YAML: 입력 형식이 다른 구성 요소

$schema: https://azuremlschemas.azureedge.net/latest/commandComponent.schema.json
name: train_data_component_cli
display_name: train_data
description: A example train component
tags:
  author: azureml-sdk-team
type: command
inputs:
  training_data: 
    type: uri_folder
  max_epocs:
    type: integer
    optional: true
  learning_rate: 
    type: number
    default: 0.01
    optional: true
  learning_rate_schedule: 
    type: string
    default: time-based
    optional: true
outputs:
  model_output:
    type: uri_folder
code: ./train_src
environment: azureml://registries/azureml/environments/sklearn-1.5/labels/latest
command: >-
  python train.py 
  --training_data ${{inputs.training_data}} 
  $[[--max_epocs ${{inputs.max_epocs}}]]
  $[[--learning_rate ${{inputs.learning_rate}}]]
  $[[--learning_rate_schedule ${{inputs.learning_rate_schedule}}]]
  --model_output ${{outputs.model_output}}

명령줄에서 선택적 입력 정의

입력이 optional = true로 설정된 경우 $[[]]를 사용하여 입력이 있는 명령줄을 수용해야 합니다. 예: $[[--input1 ${{inputs.input1}}]. 런타임 시 명령줄에는 다른 입력이 있을 수 있습니다.

• 필수 training_data 및 model_output 매개 변수만 지정하여 사용하는 경우 명령줄은 다음과 같습니다.

python train.py --training_data some_input_path --learning_rate 0.01 --learning_rate_schedule time-based --model_output some_output_path

런타임 시 값이 지정되지 않으면 learning_rate 및 learning_rate_schedule은 기본값을 사용합니다.

• 런타임 중에 모든 입력/출력이 값을 제공하는 경우 명령줄은 다음과 같습니다.

python train.py --training_data some_input_path --max_epocs 10 --learning_rate 0.01 --learning_rate_schedule time-based --model_output some_output_path

일반적인 오류 및 권장 사항

다음은 구성 요소를 정의할 때 발생하는 몇 가지 일반적인 오류와 해당 권장 제안 사항입니다.

다음 단계

• CLI(v2) 설치 및 사용
• 구성 요소를 사용하여 ML 파이프라인 만들기(CLI v2)