こちらのドキュメントの指示に従ってみ ました(以下のコードを参照)。パイプラインは正常に動作しているようです。しかし、ML Studio で表示すると、コンテナーが存在しないため、パイプラインが失敗したと表示されます。
さらに悪いことに、Microsoft Azure Storage Explorer にログインすると、デフォルトのデータストアが何らかの理由で破損しているように見え、次のメッセージが表示されますThe specified container does not exist.。これを実行する前に、ファイルとフォルダーをコンテナーに追加できました。
これを 2 つの別々の ML インスタンスで試しました。
誰かが理由を知っていますか？
一部のデータを永続化する必要があるため、OutputFileDatasetConfigオブジェクトを使用しており、Azure ML コンピューティング インスタンスで以下のコードを実行しています。
from azureml.core import Workspace, Dataset, Datastore
from azureml.core.compute.compute import ComputeTarget
import azureml.core
from azureml.core import Workspace, Experiment
from azureml.core.environment import Environment
from azureml.pipeline.core import Pipeline
from azureml.pipeline.steps import PythonScriptStep
from azureml.core.runconfig import RunConfiguration
from azureml.data import OutputFileDatasetConfig
interactive_auth = InteractiveLoginAuthentication(tenant_id=tenant_id)
workspace = Workspace(
subscription_id, resource_group, workspace_name, auth=interactive_auth)
output_datastore = Datastore(
workspace=workspace,
name=resource_manager.get_output_datastore())
output_config = OutputFileDatasetConfig(
destination=(output_datastore, 'DomainConfiguration'))
step1 = PythonScriptStep(
name="Script",
script_name="script.py",
compute_target=compute_target,
source_directory=source_directory,
arguments=[
"--output_configuration",
output_config.as_mount(),
],
allow_reuse=True,
runconfig=runconfig,
)
steps.append(step1)
pipeline = Pipeline(workspace=workspace, steps=steps)
pipeline.validate()
experiment = Experiment(workspace,'ExperimentName')
run = experiment.submit(pipeline, regenerate_outputs=False)