TruncationSelectionPolicy الفصل

‏‏المرجع

يحدد نهج الإنهاء المبكر الذي يلغي نسبة مئوية معينة من عمليات التشغيل في كل فاصل زمني للتقييم.

توريث: azure.ai.ml.entities._job.sweep.early_termination_policy.EarlyTerminationPolicy

TruncationSelectionPolicy

الدالمنشئ

TruncationSelectionPolicy(*, delay_evaluation: int = 0, evaluation_interval: int = 0, truncation_percentage: int = 0)

معلمات الكلمة الأساسية فقط

الاسم	الوصف
delay_evaluation	int عدد الفواصل الزمنية التي يتم من خلالها تأخير التقييم الأول. الافتراضي 0.
evaluation_interval	int الفاصل الزمني (عدد عمليات التشغيل) بين تقييمات النهج. الافتراضي 0.
truncation_percentage	int النسبة المئوية لعمليات التشغيل التي يجب إلغاؤها في كل فاصل زمني للتقييم. الافتراضي 0.

أمثلة

تكوين نهج إنهاء مبكر لمهمة مسح المعلمات الفائقة باستخدام TruncationStoppingPolicy


   from azure.ai.ml import command

   job = command(
       inputs=dict(kernel="linear", penalty=1.0),
       compute=cpu_cluster,
       environment=f"{job_env.name}:{job_env.version}",
       code="./scripts",
       command="python scripts/train.py --kernel $kernel --penalty $penalty",
       experiment_name="sklearn-iris-flowers",
   )

   # we can reuse an existing Command Job as a function that we can apply inputs to for the sweep configurations
   from azure.ai.ml.sweep import QUniform, TruncationSelectionPolicy, Uniform

   job_for_sweep = job(
       kernel=Uniform(min_value=0.0005, max_value=0.005),
       penalty=QUniform(min_value=0.05, max_value=0.75, q=1),
   )

   sweep_job = job_for_sweep.sweep(
       sampling_algorithm="random",
       primary_metric="best_val_acc",
       goal="Maximize",
       max_total_trials=8,
       max_concurrent_trials=4,
       early_termination_policy=TruncationSelectionPolicy(delay_evaluation=5, evaluation_interval=2),
   )

مشاركة عبر

TruncationSelectionPolicy الفصل

الدالمنشئ

معلمات الكلمة الأساسية فقط

أمثلة

الموارد الإضافية