説明
注: パイプラインで使用されるデータは、あるステップの出力および 1 つ以上の後続のステップの入力として PipelineData オブジェクトを提供することにより、あるステップで生成され、別のステップで消費されます。
この例と比較すると、パイプライン トレイン ステップはパイプライン プロセス ステップの process_step_output 出力に依存します。
azureml.pipeline.core からインポート パイプライン、パイプラインデータ
azureml.pipeline.steps から PythonScriptStep をインポートします
データストア = ws.get_default_datastore()
process_step_output = PipelineData("processed_data", datastore=datastore) process_step = PythonScriptStep(script_name="process.py", argument=["--data_for_train", process_step_output]、outputs=[process_step_output]、compute_target=aml_compute、source_directory=process_directory) train_step = PythonScriptStep(script_name = "train.py", argument = ["--data_for_train", process_step_output]、inputs = [process_step_output]、compute_target = aml_compute、source_directory = train_directory) Pipeline = Pipeline(workspace = ws、steps = [process_step]) 、train_step]) 参考:
https://docs.microsoft.com/en-us/python/api/azureml-pipeline-core/azureml.pipeline.core.pipelinedata?view=azu

Azure Machine Learning SDK は、AKS クラスターのスケーリングをサポートしていません。クラスター内のノードをスケーリングするには、Azure Machine Learning スタジオで AKS クラスターの UI を使用します。変更できるのはノード数のみであり、クラスターの VM サイズは変更できません。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-create-attach-kubernetes

参照：
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-deploy-and-where

説明

参照：
https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.datastore.datastore