Azure / Azure/MachineLearningNotebooks

PipelineParameter parses my timestamp strings

Aberta
#1,402 5 comentários 0 reações 0 responsáveis Ver no GitHub
ADO Data4ML Pipelines product-issue
Linguagem predominante
Jupyter Notebook
Estrelas
4.4k
Forks
2.6k
Métricas de merge de PRs
Nenhum PR com merge em 30d

Descrição

I have the following PipelineParameters
```python
train_start_time = PipelineParameter(
name="train_start_time", default_value="2021-01-01T00:00:00"
)
train_end_time = PipelineParameter(
name="train_end_time", default_value="2021-01-31T00:00:00"
)
```
which are passed to my PythonScriptStep as follows:
```python
pipeline_step = PythonScriptStep(
..
arguments=[
"--train_start_time",
train_start_time,
"--train_end_time",
train_end_time,
],
...
)
```
But when I run this in a compute cluster it turns out that the timestamp strings have been parsed, and is passed on to the script in a different format! In `70_driver_log.txt` I see this:
```
[2021-03-23T14:30:23.703839] After variable expansion, calling script [...] with arguments:['--train_start_time', '01/01/2021 00:00:00 +00:00', '--train_end_time', '01/31/2021 00:00:00 +00:00']
```
Iso8601 is the only way to represent time as strings, any other way is abominations! How do I get my pretty strings?

**Edit for extra clarity**:
The problem is that my input string `2021-01-31T00:00:00` gets transformed to `01/31/2021 00:00:00 +00:00` before beeing passed to my script as arguments.

Guia de contribuição

Nenhum guia de contribuição indexado para este repositório

Direção de pesquisa

Reproduza o exemplo de PipelineParameter e PythonScriptStep com os valores de timestamp mostrados e, em seguida, inspecione 70_driver_log.txt em busca dos argumentos após a expansão de variáveis. Compare as strings ISO8601 originais com os valores transformados e rastreie onde essa conversão ocorre. Está concluído quando o script recebe as strings de timestamp originais sem alterações.

Escrita pelo modelo de indexação a partir do texto da issue.

Avaliação

Stack de tecnologia
azure, python
Domínio
machine-learning
Tipo de issue
Bug
Dificuldade
3/5
Tempo estimado
1-2 dias
Status de atividade
Estagnada
Clareza
Razoavelmente clara
Facilidade para iniciantes
35/100

Receba novas issues na sua caixa de entrada

Um resumo curto de issues do GitHub para quem está começando.