Step¶
本节包含 distilabel
步骤的 API 参考,包括 _Step
基类和 Step
类。
有关如何使用现有步骤或创建自定义步骤的更多信息和示例,请参阅 教程 - 步骤。
base
¶
StepInput = Annotated[List[Dict[str, Any]], _STEP_INPUT_ANNOTATION]
module-attribute
¶
StepInput 只是 Annotated
别名,类型为 List[Dict[str, Any]]
,带有额外的元数据,允许 distilabel
对每个 Step
中定义的 process
步骤方法执行验证
_Step
¶
基类: RuntimeParametersMixin
, RequirementsMixin
, SignatureMixin
, BaseModel
, _Serializable
, ABC
可以包含在 Pipeline
中的步骤的基类。
Step
是一个定义某些处理逻辑的类。此处理逻辑的输入和输出是具有相同键的字典列表
```python
[
{"column1": "value1", "column2": "value2", ...},
{"column1": "value1", "column2": "value2", ...},
{"column1": "value1", "column2": "value2", ...},
]
```
处理逻辑在 process
方法中定义,根据之前的步骤数量,可以接收多个字典列表,每个列表包含先前步骤的输出。为了使 distilabel
知道先前步骤的输出位置,每个 Step
的 process
函数必须具有一个参数或位置参数,并使用 StepInput
进行注释。
```python
class StepWithOnePreviousStep(Step):
def process(self, inputs: StepInput) -> StepOutput:
yield [...]
class StepWithSeveralPreviousStep(Step):
# mind the * to indicate that the argument is a list of StepInput
def process(self, *inputs: StepInput) -> StepOutput:
yield [...]
```
为了执行静态验证并检查 Pipeline 中步骤的链接是否有效,Step
还必须定义 inputs
和 outputs
属性
inputs
:字符串列表,其中包含步骤作为输入所需的列的名称。如果步骤是生成器步骤,则可以为空列表。outputs
:字符串列表,其中包含步骤将作为输出生成的列的名称。
可选地,Step
可以覆盖 load
方法,以在调用 process
方法之前执行任何初始化逻辑。例如,加载 LLM,建立与数据库的连接等。
最后,Step
类继承自 pydantic.BaseModel
,因此可以轻松定义、验证、序列化属性,并将其包含在步骤的 __init__
方法中。
源代码在 src/distilabel/steps/base.py
中
139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 |
|
is_generator
property
¶
步骤是否为生成器步骤。
返回
类型 | 描述 |
---|---|
bool
|
如果步骤是生成器步骤,则为 |
is_global
property
¶
步骤是否为全局步骤。
返回
类型 | 描述 |
---|---|
bool
|
如果步骤是全局步骤,则为 |
is_normal
property
¶
步骤是否为普通步骤。
返回
类型 | 描述 |
---|---|
bool
|
如果步骤是普通步骤,则为 |
inputs
property
¶
字符串列表,其中包含步骤作为输入所需的强制列的名称,或者字典,其中键是步骤的输入列,值是布尔值,指示列是否为可选。
返回
类型 | 描述 |
---|---|
StepColumns
|
字符串列表,其中包含步骤作为输入所需的列的名称。 |
outputs
property
¶
字符串列表,其中包含步骤将作为输出生成的列的名称,或者字典,其中键是步骤的输出列,值是布尔值,指示列是否为可选。
返回
类型 | 描述 |
---|---|
StepColumns
|
字符串列表,其中包含步骤将生成的列的名称 |
StepColumns
|
输出。 |
process_parameters
cached
property
¶
返回步骤的 process
方法的参数。
返回
类型 | 描述 |
---|---|
List[Parameter]
|
步骤的 |
artifacts_directory
property
¶
获取步骤应保存其生成的工件的目录路径。
返回
类型 | 描述 |
---|---|
Union[Path, None]
|
步骤应保存生成的工件的目录路径,如果未设置 |
connect(*steps, routing_batch_function=None)
¶
将当前步骤连接到 Pipeline 中的另一个步骤,这意味着此步骤的输出将成为另一个步骤的输入。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
steps
|
_Step
|
要连接到当前步骤的步骤。 |
()
|
routing_batch_function
|
Optional[RoutingBatchFunction]
|
一个函数,接收步骤列表并返回应将此步骤生成的输出批次路由到的步骤列表。它应用于定义 Pipeline 的路由逻辑。如果未提供,输出批次将路由到所有连接的步骤。默认为 |
None
|
源代码在 src/distilabel/steps/base.py
中
__rshift__(other)
¶
允许使用 >>
运算符连接 Pipeline 中的步骤。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
other
|
Union[DownstreamConnectable, RoutingBatchFunction, List[DownstreamConnectableSteps]]
|
要连接的步骤,要连接到的步骤列表或要为步骤设置的路由批次函数。 |
required |
返回
类型 | 描述 |
---|---|
Union[DownstreamConnectable, RoutingBatchFunction, List[DownstreamConnectableSteps]]
|
连接的步骤,连接的步骤列表或路由批次函数。 |
示例
源代码在 src/distilabel/steps/base.py
中
__rrshift__(other)
¶
允许使用 [step1, step2] >> step3 运算符将 Pipeline 中的步骤列表连接到单个步骤,因为列表没有 rshift 运算符。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
other
|
List[UpstreamConnectableSteps]
|
要连接到的步骤。 |
required |
返回
类型 | 描述 |
---|---|
Self
|
连接的步骤 |
源代码在 src/distilabel/steps/base.py
中
load()
¶
在调用 process
方法之前执行任何初始化逻辑的方法。例如,加载 LLM,建立与数据库的连接等。
源代码在 src/distilabel/steps/base.py
中
unload()
¶
在调用 process
方法之后执行任何清理逻辑的方法。例如,关闭与数据库的连接等。
has_multiple_inputs()
¶
步骤的 process
方法是否接收多个输入,即是否具有使用 StepInput
注释的 *
参数。
返回
类型 | 描述 |
---|---|
bool
|
如果步骤的 |
bool
|
否则为 |
源代码在 src/distilabel/steps/base.py
中
get_process_step_input()
¶
返回使用 StepInput
注释的步骤的 process
方法的参数。
返回
类型 | 描述 |
---|---|
Union[Parameter, None]
|
使用 |
Union[Parameter, None]
|
如果没有使用 |
引发
类型 | 描述 |
---|---|
TypeError
|
如果步骤有多个使用 |
源代码在 src/distilabel/steps/base.py
中
verify_inputs_mappings()
¶
验证步骤的 inputs_mappings
是否有效,即输入列是否存在于步骤的输入中。
引发
类型 | 描述 |
---|---|
ValueError
|
如果步骤的 |
源代码在 src/distilabel/steps/base.py
中
verify_outputs_mappings()
¶
验证步骤的 outputs_mappings
是否有效,即输出列是否存在于步骤的输出中。
引发
类型 | 描述 |
---|---|
ValueError
|
如果步骤的 |
源代码在 src/distilabel/steps/base.py
中
get_inputs()
¶
获取应用 input_mappings
后的步骤的输入。此方法旨在用于对步骤的输入运行验证。
返回
类型 | 描述 |
---|---|
Dict[str, bool]
|
应用 |
Dict[str, bool]
|
不是。 |
源代码在 src/distilabel/steps/base.py
中
get_outputs()
¶
获取应用 outputs_mappings
后的步骤的输出。此方法旨在用于对步骤的输出运行验证。
返回
类型 | 描述 |
---|---|
Dict[str, bool]
|
应用 |
Dict[str, bool]
|
不是。 |
源代码在 src/distilabel/steps/base.py
中
set_pipeline_artifacts_path(path)
¶
设置 _pipeline_artifacts_path
属性。此方法旨在由 Pipeline
在知道缓存位置后使用。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
path
|
Path
|
Pipeline 步骤生成的工件应保存的路径。 |
required |
源代码在 src/distilabel/steps/base.py
中
save_artifact(name, write_function, metadata=None)
¶
保存 Step
生成的工件。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
name
|
str
|
工件的名称。 |
required |
write_function
|
Callable[[Path], None]
|
一个函数,它将接收应保存工件的路径。 |
required |
metadata
|
Optional[Dict[str, Any]]
|
工件元数据。默认为 |
None
|
源代码在 src/distilabel/steps/base.py
中
impute_step_outputs(step_output)
¶
推算步骤输出中不存在的步骤输出列。
源代码在 src/distilabel/steps/base.py
中
Step
¶
基类: _Step
, ABC
可以包含在 Pipeline
中的步骤的基类。
属性
名称 | 类型 | 描述 |
---|---|---|
input_batch_size |
RuntimeParameter[PositiveInt]
|
步骤处理的批次将包含的行数。默认为 |
运行时参数
input_batch_size
:步骤处理的批次将包含的行数。默认为50
。
源代码在 src/distilabel/steps/base.py
中
616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 |
|
process(*inputs)
abstractmethod
¶
定义步骤处理逻辑的方法。它应生成输出行。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
*inputs
|
StepInput
|
用于接收先前步骤输出的参数。参数的数量取决于先前步骤的数量。它不需要是 |
()
|
源代码在 src/distilabel/steps/base.py
中
process_applying_mappings(*args)
¶
运行步骤的 process
方法,将 input_mappings
应用于输入行,并将 outputs_mappings
应用于输出行。此函数应用于运行步骤的处理逻辑。
Yields
类型 | 描述 |
---|---|
StepOutput
|
输出行。 |