实用程序

这包含开箱即用的 TorchX 实用程序组件。这些是 仅执行众所周知的二进制文件（例如 ） ，并用作教程材料或之间的粘合作 工作流中有意义的阶段。cp

torchx.components.utils 中。echo（msg： str = 'hello world'， image： str = 'ghcr.io/pytorch/torchx:0.1.2dev0'， num_replicas： int = 1） → torchx.specs.api.AppDef

将消息回显到 stdout（调用 echo）

参数

• msg – 消息回声

• image – 要使用的图像

• num_replicas – 要运行的副本数

torchx.components.utils 中。touch（文件：str，图像：str = 'ghcr.io/pytorch/torchx:0.1.2dev0'） → torchx.specs.api.AppDef

触摸文件（调用 touch）

参数

• file （文件） – 要创建的文件

• image – 要使用的镜像

torchx.components.utils 中。sh（*args： str， image： str = 'ghcr.io/pytorch/torchx:0.1.2dev0'， num_replicas： int = 1，cpu：int = 1，gpu：int = 0，memMB：int = 1024， h： 可选[str] = 无） → torchx.specs.api.AppDef

通过 sh 运行提供的命令。目前 sh 不支持 环境变量替换。

参数

• args – bash 参数

• image – 要使用的图像

• num_replicas – 要运行的副本数

• cpu – 每个副本的 CPU 数量

• gpu – 每个副本的 GPU 数量

• memMB – 每个副本的 CPU 内存（以 MB 为单位）

• h – 已注册的命名资源（如果指定，则优先于 cpu、gpu、memMB）

torchx.components.utils 中。copy（src： str， dst： str， image： str = 'ghcr.io/pytorch/torchx:0.1.2dev0'） → torchx.specs.api.AppDef

copy 将文件从 src 复制到 DST。src 和 dst 可以是任何有效的 fsspec url 的 URL 中。

这不支持递归副本或目录。

参数

• src – 源 fsspec 文件位置

• dst – 目标 fsspec 文件位置

• image （图像） – 包含 Copy app （复制应用程序） 的图像

torchx.components.utils 中。python（*args： str， m： 可选[str] = 无， c： 可选[str] = 无，脚本：可选[str] = 无，图像：str = 'ghcr.io/pytorch/torchx:0.1.2dev0'，名称：str = 'torchx_utils_python'，CPU：int = 1，GPU：int = 0，memMB：int = 1024，h：可选[str] = 无，num_副本：int = 1） → torchx.specs.api.AppDef

在指定的 image 和 host 中。用于分隔组件 args 和程序 args （例如python--torchx run utils.python --m foo.main -- --args to --main)

注意：（cpu、gpu、memMB）参数与 （named resource） 互斥，其中h

h如果为设置资源要求指定，则优先。 请参阅注册命名资源。

参数

• args – 在 sys.argv[1：] 中传递给程序的参数（用 –c 忽略)

• m – 将库模块作为脚本运行

• c – 作为字符串传递的程序（如果调度器对 args 有长度限制，可能会出错）

• script – .py要运行的脚本

• image – 要在其上运行的镜像

• name （名称） – 任务的名称

• cpu – 每个副本的 CPU 数量

• gpu – 每个副本的 GPU 数量

• memMB – 每个副本的 CPU 内存（以 MB 为单位）

• h – 已注册的命名资源（如果指定，则优先于 cpu、gpu、memMB）

• num_replicas – 要运行的副本数（每个副本都在自己的容器上）

返回

torchx.components.utils 中。booth（x1： float， x2： float， trial_idx： int = 0， tracker_base： str = '/tmp/torchx-util-booth'， 图片： str = 'ghcr.io/pytorch/torchx:0.1.2dev0'） → torchx.specs.api.AppDef

评估 booth 函数 。 输出结果可通过以下方式访问f(x1, x2) = (x1 + 2*x2 - 7)^2 + (2*x1 + x2 - 5)^2FsspecResultTracker(outdir)[trial_idx]

参数

• x1 – x1

• x2 – x2

• trial_idx – 如果未运行 HPO，则忽略

• tracker_base – 跟踪链接的基本输出目录的 URI（例如 s3：//foo/bar）

• image – 包含 booth 应用程序的映像

torchx.components.utils 中。binary（*args： str， entrypoint： str， name： str = 'torchx_utils_binary'， num_副本数：int = 1，CPU：int = 1，GPU：int = 0，memMB： int = 1024， h： 可选[str] = None） → torchx.specs.api.AppDef

测试组件

参数

• args – 在 sys.argv[1：] 中传递给程序的参数（用 –c 忽略)

• name （名称） – 任务的名称

• num_replicas – 要运行的副本数（每个副本都在自己的容器上）

• cpu – 每个副本的 CPU 数量

• gpu – 每个副本的 GPU 数量

• memMB – 每个副本的 CPU 内存（以 MB 为单位）

• h – 已注册的命名资源（如果指定，则优先于 cpu、gpu、memMB）

返回