data パッケージ

Azure Machine Learning のデータセットの抽象基本クラスが含まれています。

Azure ストレージ サービスに接続情報を保存するデータストアの基本機能が含まれています。

Azure Data Lake Storage に接続情報を保存するデータストアの基本機能が含まれています。

Azure Database for MySQL への接続情報を保存するデータストアの基本機能が含まれています。

Azure Database for PostgreSQL への接続情報を保存するデータストアの基本機能が含まれています。

Azure SQL データベースに接続情報を保存するデータストアの基本機能が含まれています。

Azure BLOB と Azure File Storage に接続情報を保存するデータストアの機能が含まれています。

azureml.data パッケージで使用される定数。 内部のみで使用します。

データストアとデータセットのデータ コンテキストを管理する機能が含まれています。 内部のみで使用します。

データストア内のデータへの参照を作成する方法を定義する機能が含まれています。

Azure Machine Learning で DatacacheStore と Datacache を管理するための機能が含まれています。

内部のみで使用します。

DataCache の使用構成の機能が含まれています。

Datacache の特異点設定の表現に必要なオブジェクトが含まれています。

データストア内のデータへの参照を作成する機能が含まれています。

このモジュールには、データの場所を表す DataPath クラスと、コンピューティング 先でデータを使用できるようにする方法を表す DataPathComputeBinding クラスが含まれています。

データセット アクションの実行を管理する機能が含まれています。

このモジュールでは、データセット アクションを作成し、完了後にその結果を取得するための便利なメソッドを提供します。

データセットの使用構成の機能が含まれています。

データセット定義とその操作を管理する機能が含まれています。

Azure Machine Learning でのデータセット エラー処理の例外が含まれています。

Azure Machine Learning 用のデータセットを作成する機能が含まれています。

データフローによって生成されたデータに関する概要統計を収集するためのクラス。

このモジュールの機能には、プロファイルが古いかどうかにかかわらず、プロファイルを生成した実行に関する情報の収集が含まれます。

Azure Machine Learning で実行されるデータセット プロファイルを監視するための構成が含まれています。

このモジュールの機能には、実験オブジェクトと個々の実行 ID に関連付けられたデータセット プロファイル実行の処理と監視が含まれます。

Azure Machine Learning でデータセットの統計情報の概要を生成するための構成が含まれています。

このモジュールの機能には、ローカルまたはリモートのプロファイル実行を送信し、送信されたプロファイル実行の結果を視覚化するためのメソッドが含まれています。

データセット スナップショット操作を管理する機能が含まれています。

Datasetで使用される列挙値が含まれています。

内部のみで使用します。

Databricks File Sytem (DBFS) への接続情報を保存するデータストアの機能が含まれています。

データストアまたはパブリック URL 内の 1 つまたは複数のファイルを参照するための機能が含まれています。

詳細については、 データセットの追加と登録に関する記事を参照してください。 ファイル データセットの操作を開始するには、 https://aka.ms/filedataset-samplenotebookを参照してください。

HDFS クラスターに接続情報を保存するデータストアの基本機能が含まれています。

ジョブの出力をアップロードしてデータセットに昇格させる方法を指定する構成が含まれています。

詳細については、 出力を指定する方法に関する記事を参照してください。

SQL データベースへの接続情報を保存するデータストア内のデータへの参照を作成するための機能が含まれています。

SQL ストアド プロシージャに渡すパラメーターを作成するための機能が含まれています。

指定されたファイルまたはファイルの一覧を解析して、データを表形式で表す機能が含まれています。

詳細については、 データセットの追加と登録に関する記事を参照してください。 表形式データセットの操作を開始するには、 https://aka.ms/tabulardataset-samplenotebookを参照してください。

Azure Machine Learning で作成されたデータセットの列データ型を構成します。

DataType メソッドは、 TabularDatasetFactory クラス from_* メソッドで使用され、新しい TabularDataset オブジェクトを作成するために使用されます。

Azure Machine Learning ストレージ アカウントに対するストレージの抽象化を表します。

DatacacheStore はワークスペースにアタッチされ、基になるデータ キャッシュ ソリューションに関連する情報を格納するために使用されます。 現時点では、パーティション分割された BLOB ソリューションのみがサポートされています。 データストアは、キャッシュに使用できるさまざまな BLOB データストアを定義します。

このクラスを使用して、データストアの登録、一覧表示、取得、更新などの管理操作を実行します。 各サービスの DatacacheStore は、このクラスの register* メソッドを使用して作成されます。

名前でデータストアを取得します。 この呼び出しは、データ キャッシュ サービスに対して要求を行います。

Azure Machine Learning で使用するデータストアまたはパブリック URL 内のファイル参照のコレクションを表します。

FileDataset は、データ ソースからファイル ストリームにデータを読み込む一連の遅延評価された不変操作を定義します。 FileDataset がデータの配信を求められるまで、データはソースから読み込まれません。

FileDataset は、FileDatasetFactory クラスの from_files メソッドを使用して作成されます。

詳細については、 データセットの追加と登録に関する記事を参照してください。 ファイル データセットの操作を開始するには、 https://aka.ms/filedataset-samplenotebookを参照してください。

FileDataset オブジェクトを初期化します。

このコンストラクターは、直接呼び出すことはできません。 データセットは、 FileDatasetFactory クラスを使用して作成することを目的としています。

HDFS パスに出力し、FileDataset として昇格する方法を表します。

HDFSOutputDatasetConfig を初期化します。

実行の出力をリンクし、FileDataset として昇格する方法を表します。

LinkFileOutputDatasetConfig を使用すると、ファイル データセットを出力データセットとしてリンクできます。

   workspace = Workspace.from_config()
   experiment = Experiment(workspace, 'output_example')

   output = LinkFileOutputDatasetConfig('link_output')

   script_run_config = ScriptRunConfig('.', 'link.py', arguments=[output])

   # within link.py
   # from azureml.core import Run, Dataset
   # run = Run.get_context()
   # workspace = run.experiment.workspace
   # dataset = Dataset.get_by_name(workspace, name='dataset_to_link')
   # run.output_datasets['link_output'].link(dataset)

   run = experiment.submit(script_run_config)
   print(run)

LinkFileOutputDatasetConfig を初期化します。

実行の出力をリンクし、TabularDataset として昇格させる方法を表します。

LinkTabularOutputDatasetConfig を使用すると、テーブル形式のファイルを出力データセットとしてリンクできます。

   workspace = Workspace.from_config()
   experiment = Experiment(workspace, 'output_example')

   output = LinkTabularOutputDatasetConfig('link_output')

   script_run_config = ScriptRunConfig('.', 'link.py', arguments=[output])

   # within link.py
   # from azureml.core import Run, Dataset
   # run = Run.get_context()
   # workspace = run.experiment.workspace
   # dataset = Dataset.get_by_name(workspace, name='dataset_to_link')
   # run.output_datasets['link_output'].link(dataset)

   run = experiment.submit(script_run_config)
   print(run)

LinkTabularOutputDatasetConfig を初期化します。

実行の出力をコピーし、FileDataset として昇格させる方法を表します。

OutputFileDatasetConfig を使用すると、コンピューティング 先の特定のローカル パスを指定した宛先にアップロードする方法を指定できます。 コンストラクターに引数が渡されない場合は、名前、宛先、およびローカル パスが自動的に生成されます。

引数を渡さない例を次に示します。

   workspace = Workspace.from_config()
   experiment = Experiment(workspace, 'output_example')

   output = OutputFileDatasetConfig()

   script_run_config = ScriptRunConfig('.', 'train.py', arguments=[output])

   run = experiment.submit(script_run_config)
   print(run)

出力を作成し、出力を表形式のデータセットに昇格させ、foo という名前で登録する例:

   workspace = Workspace.from_config()
   experiment = Experiment(workspace, 'output_example')

   datastore = Datastore(workspace, 'example_adls_gen2_datastore')

   # for more information on the parameters and methods, please look for the corresponding documentation.
   output = OutputFileDatasetConfig().read_delimited_files().register_on_complete('foo')

   script_run_config = ScriptRunConfig('.', 'train.py', arguments=[output])

   run = experiment.submit(script_run_config)
   print(run)

OutputFileDatasetConfig を初期化します。

OutputFileDatasetConfig を使用すると、コンピューティング 先の特定のローカル パスを指定した宛先にアップロードする方法を指定できます。 コンストラクターに引数が渡されない場合は、名前、宛先、およびローカル パスが自動的に生成されます。

引数を渡さない例を次に示します。

   workspace = Workspace.from_config()
   experiment = Experiment(workspace, 'output_example')

   output = OutputFileDatasetConfig()

   script_run_config = ScriptRunConfig('.', 'train.py', arguments=[output])

   run = experiment.submit(script_run_config)
   print(run)

出力を作成し、出力を表形式のデータセットに昇格させ、foo という名前で登録する例:

   workspace = Workspace.from_config()
   experiment = Experiment(workspace, 'output_example')

   datastore = Datastore(workspace, 'example_adls_gen2_datastore')

   # for more information on the parameters and methods, please look for the corresponding documentation.
   output = OutputFileDatasetConfig().read_delimited_files().register_on_complete('foo')

   script_run_config = ScriptRunConfig('.', 'train.py', arguments=[output])

   run = experiment.submit(script_run_config)
   print(run)

Azure Machine Learning で使用する表形式データセットを表します。

TabularDataset は、データ ソースから表形式にデータを読み込む一連の遅延評価された不変操作を定義します。 TabularDataset がデータの配信を求められるまで、データはソースから読み込まれません。

TabularDataset は、from_delimited_files クラスのTabularDatasetFactoryなどのメソッドを使用して作成されます。

詳細については、 データセットの追加と登録に関する記事を参照してください。 表形式データセットの操作を開始するには、 https://aka.ms/tabulardataset-samplenotebookを参照してください。

TabularDataset オブジェクトを初期化します。

このコンストラクターは、直接呼び出すことはできません。 データセットは、 TabularDatasetFactory クラスを使用して作成することを目的としています。