- Notes de publication
- Prérequis
- Installation
- Démarrage
- Projets
- Jeux de données
- Paquets ML
- Pipelines
- Compétences ML
- Journaux ML
- Document Understanding dans AI Fabric
- Guide de dépannage de base
Un pipeline est une description d'un workflow d'apprentissage automatique, contenant toutes les fonctions du workflow et tous les ordres d'exécution de ces fonctions. Le pipeline comprend la définition des entrées requises pour exécuter le pipeline et les sorties issues de ce pipeline.
Une exécution de pipeline est l'exécution d'un pipeline basée sur le code fourni par l'utilisateur. Une fois terminée, l'exécution de pipeline dispose de sorties et des journaux associés.
Il existe trois types de pipelines :
-
Pipeline d'entraînement (Training Pipeline) : prend pour entrée un package et un ensemble de données, et produit une nouvelle version de package.
-
Pipeline d'évaluation (Evaluation Pipeline) : prend pour entrée une version de package et un ensemble de données, et produit un ensemble de mesures et de journaux.
-
Full Pipeline - runs a processing function, a training pipeline, and immediately after an evaluation pipeline.
Astuce :The examples used to explain these concepts are based on a sample package, tutorialpackage.zip, that you can download by clicking the button below. We recommend you to upload this sample package if it's your first time when you learn about pipelines. Make sure you enable it for training.
La page Pipelines, accessible depuis le menu Pipelines après avoir sélectionné un projet, vous permet d'afficher tous les pipelines de ce projet, ainsi que des informations sur leur type et leur package associé, ainsi que la version, le statut, l'heure de création, la durée et le score du package. Vous pouvez ici créer de nouveaux pipelines, accéder aux détails des pipelines existants ou supprimer des pipelines.
État du pipeline
Une exécution de pipeline peut avoir l'un des statuts suivants :
-
Programmé : Un pipeline programmé pour un démarrage futur (par exemple à 01h00 du matin tous les lundis). À la date et à l'heure définies pour qu'un pipeline commence à s'exécuter, le pipeline se met en file d'attente pour s'exécuter.
-
Packaging : Un pipeline qui a commencé à créer l'image docker sur laquelle la tâche même sera exécuté. Si c'est la première fois que vous entraînez cette version spécifique du paquet ML, cela peut prendre jusqu'à 20 minutes.
-
En cours d'exécution : Un pipeline qui a démarré et qui est en cours d'exécution.
-
Échec : Un pipeline qui a échoué lors de l'exécution.
-
Arrêté de force : Un pipeline qui s'exécutait jusqu'à ce que l'utilisateur ait explicitement demandé son arrêt.
-
Réussi : Un pipeline qui a terminé l'exécution.
Remarque :Les pipelines sont automatiquement arrêtés après sept jours pour éviter d'être bloqués pendant de plus longues périodes et de consommer des licences.