我正在尝试将管道从Azure机器学习SDK V1迁移到V2，但有时我不理解V2背后的逻辑，我会卡住。
在V1中，我只需要创建PythonScriptStep并将其 Package 到StepSequence中并部署管道。我的脚本很简单，没有输入，没有输出。我们将数据存储在ADLS Gen 2中，并使用数据块表作为输入。这就是为什么我没有任何输入/输出。

script_step_1 = PythonScriptStep(
    name="step1",
    script_name="main.py",
    arguments=arguments, # list of PipelineParameter
    compute_target=ComputeTarget(workspace=ws, name="cpu-16-128"),
    source_directory="./my_project_folder",
    runconfig=runconfig, # Conda + extra index url + custom dockerfile
    allow_reuse=False,
)

script_step_2 = PythonScriptStep(
    name="step2",
    ...
)

step_sequence = StepSequence(
    steps=[
        script_step_1,
        script_step_2,
    ]
)

# Create Pipeline
pipeline = Pipeline(
    workspace=ws,
    steps=step_sequence,
)

pipeline_run = experiment.submit(pipeline)

对于V2，我们需要在组件中创建一个将由管道使用的“节点”。
我用带有BuildContext的dockerfile创建了我的Environment，并将requirements.txt的表示形式提供给我添加了额外索引URL的条件字典。

azureml_env = Environment(
    build=BuildContext(
        path="./docker_folder", # With Dockerfile and requirements.txt
    ),
    name="my-project-env",
)

现在我创建一个命令组件，它将调用python和一个带有一些参数的脚本：

step_1 = command(
       environment=azureml_env ,
       command="python main.py",
       code="./my_project_folder",
   )

现在我在SDK V2中有了step1和step2，我不知道如何在没有输入/输出的情况下创建序列

@pipeline(compute="serverless")
def default_pipeline():
    return {
        "my_pipeline": [step_1, step_2]
    }

我不能设法使pipeline的工作，使一个基本的运行2连续的步骤。
我想在我成功地做到这一点之后，我可以像这样创建/更新管道：

my_pipeline = default_pipeline()

# submit the pipeline job
pipeline_job = ml_client.jobs.create_or_update(
    my_pipeline,
    experiment_name=experiment_name,
)

更新1：
尝试创建我自己的StepSequence（非常天真）与假人输入/输出

class CommandSequence:
    def __init__(self, commands, ml_client):
        self.commands = commands
        self.ml_client = ml_client

    def build(self):
        for i in range(len(self.commands)):
            cmd = self.commands[i]
            if i == 0:
                cmd = command(
                    display_name=cmd.display_name,
                    description=cmd.description,
                    environment=cmd.environment,
                    command=cmd.command,
                    code=cmd.code,
                    is_deterministic=cmd.is_deterministic,
                    outputs=dict(
                        my_output=Output(type="uri_folder", mode="rw_mount"),
                    ),
                )
            else:
                cmd = command(
                    display_name=cmd.display_name,
                    description=cmd.description,
                    environment=cmd.environment,
                    command=cmd.command,
                    code=cmd.code,
                    is_deterministic=cmd.is_deterministic,
                    inputs=self.commands[i - 1].outputs.my_output,
                    outputs=dict(
                        my_output=Output(type="uri_folder", mode="rw_mount"),
                    ),
                )
            cmd = self.ml_client.create_or_update(cmd.component)
            self.commands[i] = cmd
            print(self.commands[i])

        return self.commands

我不得不重新创建command，因为它们保护了对象中的很多东西。

@pipeline(compute="serverless")
def default_pipeline():
    command_sequence = CommandSequence([step_1, step_2], ml_client).build()
    return {
        "my_pipeline": command_sequence[-1].outputs.my_output
    }

但它未能将步骤1的输出链接到步骤2的输入。
inputs=self.commands[i - 1]. outputs.my_output，AttributeError：“dict”对象没有属性“my_output”