builder モジュール

Azure Machine Learning パイプライン内の中間データを表します。

パイプラインで使用されるデータは、1 つのステップの出力として PipelineData オブジェクトを指定し、1 つ以上の後続のステップの入力を指定することで、あるステップで生成し、別のステップで使用できます。

パイプライン データを使用している場合は、使用されているディレクトリが存在することを確認してください。

ディレクトリが存在することを確認する Python の例。1 つのパイプライン ステップで output_folder という名前の出力ポートがあり、このフォルダー内の相対パスにデータを書き込む必要があるとします。

   import os
   os.makedirs(args.output_folder, exist_ok=True)
   f = open(args.output_folder + '/relative_path/file_name', 'w+')

PipelineData では、データ アクセスと配信に推奨されるアプローチではなくなった基になる DataReference を使用します。代わりに OutputFileDatasetConfig を使用してください。サンプルについては、 OutputFileDatasetConfig を使用したパイプラインを参照してください。

PipelineData を初期化します。

Azure Machine Learning パイプラインの実行ステップを表します。

パイプラインは、パイプライン内の個別の計算単位である複数のパイプライン ステップから構築されます。 各ステップは個別に実行でき、分離されたコンピューティング リソースを使用できます。 各ステップには、通常、独自の名前付き入力、出力、およびパラメーターがあります。

PipelineStep クラスは、一般的なシナリオ用に設計された他の組み込みステップ クラス ( PythonScriptStep、 DataTransferStep、 HyperDriveStepなど) を継承する基本クラスです。

パイプラインと PipelineSteps の関係の概要については、「 ML パイプラインとは」を参照してください。

PipelineStep を初期化します。

Pipeline内のステップの一覧とその実行順序を表します。

パイプラインを初期化するときに StepSequence を使用して、特定の順序で実行するステップを含むワークフローを作成します。

StepSequence を初期化します。