PipelineParameter Classe

Herança

builtins.object

PipelineParameter

Construtor

PipelineParameter(name, default_value)

Parâmetros

Observações

Os PipelineParameters podem ser adicionados a qualquer passo ao construir um Pipeline. Quando o Pipeline é submetido, os valores destes parâmetros podem ser especificados.

Um exemplo de adição de um PipelineParameter a um passo é o seguinte:

   from azureml.pipeline.steps import PythonScriptStep
   from azureml.pipeline.core import PipelineParameter

   pipeline_param = PipelineParameter(name="pipeline_arg", default_value="default_val")
   train_step = PythonScriptStep(script_name="train.py",
                                 arguments=["--param1", pipeline_param],
                                 target=compute_target,
                                 source_directory=project_folder)

Neste exemplo, foi adicionado um PipelineParameter com o nome "pipeline_arg" aos argumentos de um PythonScriptStep. Quando o script python é executado, o valor do PipelineParameter será fornecido através dos argumentos da linha de comandos. Este PipelineParameter também pode ser adicionado a outros passos no Pipeline para fornecer valores comuns a múltiplos passos no Pipeline. Os pipelines podem ter vários PipelineParameters especificados.

Para submeter este Pipeline e especificar o valor para a utilização do PipelineParameter "pipeline_arg":

   pipeline = Pipeline(workspace=ws, steps=[train_step])
   pipeline_run = Experiment(ws, 'train').submit(pipeline, pipeline_parameters={"pipeline_arg": "test_value"})

Nota: se "pipeline_arg" não tiver sido especificado no dicionário pipeline_parameters, o valor predefinido do PipelineParameter fornecido quando o Pipeline foi construído seria utilizado (neste caso, o valor predefinido fornecido era "default_val").

Os parâmetros de várias linhas não podem ser utilizados como PipelineParameters.

Os PipelineParameters também podem ser utilizados com DataPath e DataPathComputeBinding para especificar entradas de passos. Isto permite que um Pipeline seja executado com dados de entrada diferentes.

Um exemplo de utilização do DataPath com PipelineParameters é o seguinte:

   from azureml.core.datastore import Datastore
   from azureml.data.datapath import DataPath, DataPathComputeBinding
   from azureml.pipeline.steps import PythonScriptStep
   from azureml.pipeline.core import PipelineParameter

   datastore = Datastore(workspace=workspace, name="workspaceblobstore")
   datapath = DataPath(datastore=datastore, path_on_datastore='input_data')
   data_path_pipeline_param = (PipelineParameter(name="input_data", default_value=datapath),
                               DataPathComputeBinding(mode='mount'))

   train_step = PythonScriptStep(script_name="train.py",
                                 arguments=["--input", data_path_pipeline_param],
                                 inputs=[data_path_pipeline_param],
                                 compute_target=compute_target,
                                 source_directory=project_folder)

Neste caso, o valor predefinido do parâmetro "input_data" referencia um ficheiro no "workspaceblobstore" com o nome "input_data". Se o Pipeline for submetido sem especificar um valor para este PipelineParameter, será utilizado o valor predefinido. Para submeter este Pipeline e especificar o valor para a utilização do PipelineParameter "input_data":

   from azureml.pipeline.core import Pipeline
   from azureml.data.datapath import DataPath

   pipeline = Pipeline(workspace=ws, steps=[train_step])
   new_data_path = DataPath(datastore=datastore, path_on_datastore='new_input_data')
   pipeline_run = experiment.submit(pipeline,
                                    pipeline_parameters={"input_data": new_data_path})