HyperDriveStep Třída
Vytvoří krok kanálu Azure ML pro spuštění hyperparametrů pro trénování modelu služby Machine Learning.
Příklad použití HyperDriveStep najdete v poznámkovém bloku https://aka.ms/pl-hyperdrive.
Vytvořte krok kanálu Azure ML pro spuštění hyperparametrového zařazení pro trénování modelu služby Machine Learning.
- Dědičnost
-
HyperDriveStep
Konstruktor
HyperDriveStep(name, hyperdrive_config, estimator_entry_script_arguments=None, inputs=None, outputs=None, metrics_output=None, allow_reuse=True, version=None)
Parametry
Name | Description |
---|---|
name
Vyžadováno
|
[Povinné] Název kroku. |
hyperdrive_config
Vyžadováno
|
[Povinné] A HyperDriveConfig, který definuje konfiguraci pro spuštění HyperDrive. |
estimator_entry_script_arguments
|
Seznam argumentů příkazového řádku pro skript pro zadání odhadce. Pokud vstupní skript estimátoru nepřijímá argumenty příkazového řádku, nastavte tuto hodnotu parametru na prázdný seznam. výchozí hodnota: None
|
inputs
|
list[Union[InputPortBinding, PipelineOutputAbstractDataset, DataReference, PortDataReference, PipelineData, DatasetConsumptionConfig]]
Seznam vazeb vstupních portů výchozí hodnota: None
|
outputs
|
Seznam výstupních vazeb portů výchozí hodnota: None
|
metrics_output
|
Volitelná hodnota určující umístění pro ukládání metrik spuštění HyperDrive jako souboru JSON. výchozí hodnota: None
|
allow_reuse
|
Určuje, jestli má krok znovu použít předchozí výsledky při opětovném spuštění se stejným nastavením. Opakované použití je ve výchozím nastavení povolené. Pokud obsah kroku (skripty/závislosti) i vstupy a parametry zůstanou beze změny, výstup z předchozího spuštění tohoto kroku se znovu použije. Při opakovaném použití kroku se místo odeslání úlohy k výpočtu okamžitě zpřístupní výsledky z předchozího spuštění všem dalším krokům. Pokud jako vstupy použijete datové sady Azure Machine Learning, opakované použití závisí na tom, jestli se změnila definice datové sady, a ne na tom, jestli se změnila podkladová data. výchozí hodnota: True
|
version
|
Volitelná značka verze, která označuje změnu funkcí modulu. výchozí hodnota: None
|
name
Vyžadováno
|
[Povinné] Název kroku. |
hyperdrive_config
Vyžadováno
|
[Povinné] A HyperDriveConfig, který definuje konfiguraci pro spuštění HyperDrive. |
estimator_entry_script_arguments
Vyžadováno
|
Seznam argumentů příkazového řádku pro skript pro zadání odhadce. Pokud vstupní skript estimátoru nepřijímá argumenty příkazového řádku, nastavte tuto hodnotu parametru na prázdný seznam. |
inputs
Vyžadováno
|
list[Union[InputPortBinding, PipelineOutputAbstractDataset, DataReference, PortDataReference, PipelineData, DatasetConsumptionConfig]]
Seznam vazeb vstupních portů |
outputs
Vyžadováno
|
Seznam výstupních vazeb portů. |
metrics_output
Vyžadováno
|
Volitelná hodnota určující umístění pro ukládání metrik spuštění HyperDrivu jako souboru JSON. |
allow_reuse
Vyžadováno
|
Určuje, jestli má krok znovu použít předchozí výsledky při opětovném spuštění se stejným nastavením. Opakované použití je ve výchozím nastavení povolené. Pokud obsah kroku (skripty/závislosti) i vstupy a parametry zůstanou beze změny, výstup z předchozího spuštění tohoto kroku se znovu použije. Při opakovaném použití kroku se místo odeslání úlohy k výpočtu okamžitě zpřístupní výsledky z předchozího spuštění všem dalším krokům. Pokud jako vstupy použijete datové sady Azure Machine Learning, opakované použití závisí na tom, jestli se změnila definice datové sady, a ne na tom, jestli se změnila podkladová data. |
version
Vyžadováno
|
verze |
Poznámky
Všimněte si, že argumenty vstupního skriptu použitého v objektu estimátoru (např. objektu TensorFlow ) musí být zadány jako seznam pomocí parametru estimator_entry_script_arguments
při vytváření instance HyperDriveStep. Parametr script_params
estimátoru přijímá slovník. Parametr však estimator_entry_script_argument
očekává argumenty jako seznam.
Inicializace HyperDriveStep zahrnuje zadání seznamu DataReference objektů pomocí parametru inputs
. Ve službě Azure ML Pipelines může krok kanálu jako vstup převzít výstup jiného kroku nebo objekty DataReference. Proto při vytváření HyperDriveStep musí inputs
být parametry a outputs
explicitně nastaveny inputs
, což přepíše parametr zadaný v objektu Estimator.
Osvědčeným postupem pro práci s Nástrojem HyperDriveStep je použít samostatnou složku pro skripty a všechny závislé soubory přidružené ke kroku a určit tuto složku jako objekt source_directory
pro posouzení . Podívejte se například na source_directory
parametr TensorFlow třídy. To má dvě výhody. Za prvé to pomůže zmenšit velikost snímku vytvořeného pro krok, protože snímek se vytvoří jenom to, co je pro krok potřeba. Za druhé, výstup kroku z předchozího spuštění se dá znovu použít, pokud nedojde k source_directory
žádným změnám, které by aktivovaly opětovné nahrání snaphotu.
Následující příklad ukazuje, jak používat HyperDriveStep v kanálu Azure Machine Learning.
metrics_output_name = 'metrics_output'
metrics_data = PipelineData(name='metrics_data',
datastore=datastore,
pipeline_output_name=metrics_output_name,
training_output=TrainingOutput("Metrics"))
model_output_name = 'model_output'
saved_model = PipelineData(name='saved_model',
datastore=datastore,
pipeline_output_name=model_output_name,
training_output=TrainingOutput("Model",
model_file="outputs/model/saved_model.pb"))
hd_step_name='hd_step01'
hd_step = HyperDriveStep(
name=hd_step_name,
hyperdrive_config=hd_config,
inputs=[data_folder],
outputs=[metrics_data, saved_model])
Úplná ukázka je k dispozici od https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-parameter-tuning-with-hyperdrive.ipynb
Metody
create_node |
Vytvořte uzel z kroku HyperDrive a přidejte ho do daného grafu. Tato metoda není určena k přímému použití. Když se vytvoří instance kanálu pomocí tohoto kroku, Azure ML automaticky předává požadované parametry prostřednictvím této metody, aby se tento krok mohl přidat do grafu kanálu, který představuje pracovní postup. |
create_node
Vytvořte uzel z kroku HyperDrive a přidejte ho do daného grafu.
Tato metoda není určena k přímému použití. Když se vytvoří instance kanálu pomocí tohoto kroku, Azure ML automaticky předává požadované parametry prostřednictvím této metody, aby se tento krok mohl přidat do grafu kanálu, který představuje pracovní postup.
create_node(graph, default_datastore, context)
Parametry
Name | Description |
---|---|
graph
Vyžadováno
|
Objekt grafu, do který se má uzel přidat. |
default_datastore
Vyžadováno
|
Výchozí úložiště dat. |
context
Vyžadováno
|
<xref:azureml.pipeline.core._GraphContext>
Kontext grafu. |
Návraty
Typ | Description |
---|---|
Vytvořený uzel. |
Váš názor
https://aka.ms/ContentUserFeedback.
Připravujeme: V průběhu roku 2024 budeme postupně vyřazovat problémy z GitHub coby mechanismus zpětné vazby pro obsah a nahrazovat ho novým systémem zpětné vazby. Další informace naleznete v tématu:Odeslat a zobrazit názory pro