data 包

包含 Azure 机器学习中数据集的抽象基类。

包含数据存储的基本功能，用于将连接信息保存到 Azure 存储服务。

包含用于将连接信息保存到 Azure Data Lake Storage 的数据存储的基本功能。

包含数据存储的基本功能，用于将连接信息保存到 Azure Database for MySQL。

包含数据存储的基本功能，用于将连接信息保存到 Azure Database for PostgreSQL。

包含数据存储的基本功能，用于将连接信息保存到 Azure SQL 数据库。

包含用于将连接信息保存到 Azure Blob 和 Azure 文件存储的数据存储的功能。

azureml.data package 中使用的常量。 仅供内部使用。

包含用于管理数据存储和数据集的数据上下文的功能。 仅供内部使用。

包含定义如何在数据存储中创建对数据的引用的功能。

包含用于在 Azure 机器学习中管理 DatacacheStore 和 Datacache 的功能。

仅供内部使用。

包含 DataCache 消耗配置的功能。

包含 Datacache Singularity 设置表示所需的对象。

包含用于在数据存储中创建对数据的引用的功能。

此模块包含 DataPath 表示数据位置的类，以及 DataPathComputeBinding 表示如何在计算目标上提供数据的类。

包含管理数据集作执行的功能。

本模块提供了创建数据集作并在完成后获取其结果的便利方法。

包含数据集消耗配置的功能。

包含用于管理数据集定义及其作的功能。

包含 Azure 机器学习中数据集错误处理的异常。

包含为 Azure 机器学习创建数据集的功能。

用于收集数据流生成的数据的摘要统计信息的类。

此模块中的功能包括收集有关生成配置文件的运行的信息，无论配置文件是否过时。

包含用于监视 Azure 机器学习中运行的数据集配置文件的配置。

本模块中的功能包括处理和监视与试验对象和单个运行 ID 关联的数据集配置文件运行。

包含用于在 Azure 机器学习中生成数据集的统计信息摘要的配置。

本模块中的功能包括用于提交本地或远程配置文件运行的方法，以及可视化提交的配置文件运行的结果。

包含用于管理数据集快照作的功能。

包含用于 Dataset. 的枚举值。

仅供内部使用。

包含用于将连接信息保存到 Databricks 文件 Sytem（DBFS）的数据存储的功能。

包含用于引用数据存储或公共 URL 中的单个或多个文件的功能。

有关详细信息，请参阅 “添加和注册数据集”一文。 若要开始使用文件数据集，请参阅 https://aka.ms/filedataset-samplenotebook。

包含数据存储的基本功能，用于将连接信息保存到 HDFS 群集。

包含用于指定作业的输出应如何上载和提升到数据集的配置。

有关详细信息，请参阅 有关如何指定输出的文章。

包含用于创建对数据存储中数据的引用的功能，用于将连接信息保存到 SQL 数据库。

包含用于创建要传递给 SQL 存储过程的参数的功能。

包含通过分析提供的文件或文件列表以表格格式表示数据的功能。

有关详细信息，请参阅 “添加和注册数据集”一文。 若要开始使用表格数据集，请参阅 https://aka.ms/tabulardataset-samplenotebook。

为在 Azure 机器学习中创建的数据集配置列数据类型。

DataType 方法用于 TabularDatasetFactory 类 from_* 方法，这些方法用于创建新的 TabularDataset 对象。

表示 Azure 机器学习存储帐户的存储抽象。

DatacacheStore 附加到工作区，用于存储与基础 datacache 解决方案相关的信息。 目前，仅支持已分区 Blob 解决方案。 Datacachestore 定义可用于缓存的各种 Blob 数据存储。

使用此类执行管理作，包括注册、列出、获取和更新 datacachestore。 使用此类的方法为每个服务创建 register* DatacacheStores。

按名称获取 datacachestore。 此调用将向 datacache 服务发出请求。

表示数据存储或公共 URL 中要用于 Azure 机器学习的文件引用的集合。

FileDataset 定义了一系列延迟评估的不可变作，用于将数据从数据源加载到文件流中。 在要求 FileDataset 提供数据之前，不会从源加载数据。

FileDataset 是使用 from_files FileDatasetFactory 类的方法创建的。

有关详细信息，请参阅 “添加和注册数据集”一文。 若要开始使用文件数据集，请参阅 https://aka.ms/filedataset-samplenotebook。

初始化 FileDataset 对象。

不应直接调用此构造函数。 数据集旨在使用 FileDatasetFactory 类创建。

表示如何输出到 HDFS 路径，并将其提升为 FileDataset。

初始化 HDFSOutputDatasetConfig。

表示如何链接运行输出并将其提升为 FileDataset。

LinkFileOutputDatasetConfig 允许将文件数据集作为输出数据集链接

   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)

初始化 LinkFileOutputDatasetConfig。

表示如何链接运行输出并将其提升为 TabularDataset。

LinkTabularOutputDatasetConfig 允许将文件表格作为输出数据集链接

   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)

初始化 LinkTabularOutputDatasetConfig。

表示如何复制运行的输出并将其提升为 FileDataset。

OutputFileDatasetConfig 允许指定将计算目标上的特定本地路径上传到指定目标的方式。 如果未将任何参数传递给构造函数，我们将自动生成名称、目标和本地路径。

不传递任何参数的示例：

   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)

创建输出并将其提升为表格数据集的示例，并将其注册为名称 foo：

   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)

初始化 OutputFileDatasetConfig。

OutputFileDatasetConfig 允许指定将计算目标上的特定本地路径上传到指定目标的方式。 如果未将任何参数传递给构造函数，我们将自动生成名称、目标和本地路径。

不传递任何参数的示例：

   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)

创建输出并将其提升为表格数据集的示例，并将其注册为名称 foo：

   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)

表示在 Azure 机器学习中使用的表格数据集。

TabularDataset 定义一系列延迟评估的不可变作，以将数据从数据源加载到表格表示形式。 在要求 TabularDataset 提供数据之前，不会从源加载数据。

使用类似于类的方法from_delimited_filesTabularDatasetFactory创建 TabularDataset。

有关详细信息，请参阅 “添加和注册数据集”一文。 若要开始使用表格数据集，请参阅 https://aka.ms/tabulardataset-samplenotebook。

初始化 TabularDataset 对象。

不应直接调用此构造函数。 数据集旨在使用 TabularDatasetFactory 类创建。