AutoMLRun Třída

Představuje spuštění automatizovaného experimentu ML ve službě Azure Machine Learning.

Třídu AutoMLRun lze použít ke správě spuštění, kontrole stavu spuštění a načtení podrobností o spuštění po odeslání spuštění automatizovaného strojového učení. Další informace o práci se spuštěními experimentů najdete ve Run třídě .

Inicializace spuštění Automatizovaného strojového učení

Dědičnost

Run

AutoMLRun

Konstruktor

AutoMLRun(experiment, run_id, **kwargs)

Parametry

experiment

Experiment

Vyžadováno

Experiment přidružený k běhu.

run_id

str

Vyžadováno

ID spuštění.

experiment

Experiment

Vyžadováno

Experiment přidružený k běhu.

run_id

str

Vyžadováno

ID spuštění.

Poznámky

Objekt AutoMLRun se vrátí, když použijete submit metodu experimentu.

Pokud chcete načíst spuštění, které už bylo spuštěno, použijte následující kód:

   from azureml.train.automl.run import AutoMLRun
   ws = Workspace.from_config()
   experiment = ws.experiments['my-experiment-name']
   automl_run = AutoMLRun(experiment, run_id = 'AutoML_9fe201fe-89fd-41cc-905f-2f41a5a98883')

Metody

cancel	Zrušte spuštění AutoML. Pokud bylo spuštění automatického strojového učení úspěšně zrušeno, vraťte hodnotu True.
cancel_iteration	Zrušení určitého podřízeného spuštění
complete	Dokončete spuštění AutoML.
continue_experiment	Pokračujte v existujícím experimentu AutoML.
fail	Selhání spuštění autoML Volitelně můžete nastavit vlastnost Error spuštění se zprávou nebo výjimkou předanou do error_details.
get_best_child	Vraťte podřízené spuštění s nejlepším skóre pro toto spuštění automatického strojového učení.
get_guardrails	Vytiskněte a vraťte podrobné výsledky ze spuštění ověření guardrailu.
get_output	Vraťte spuštění s odpovídajícím nejlepším kanálem, který už byl testován. Pokud nejsou zadány žádné vstupní parametry, get_output vrátí nejlepší kanál podle primární metriky. Případně můžete použít parametr iteration nebo metric k načtení konkrétní iterace nebo nejlepšího spuštění podle zadané metriky.
get_run_sdk_dependencies	Získejte závislosti spuštění sady SDK pro dané spuštění.
pause	Pokud bylo spuštění automatického strojového učení úspěšně pozastaveno, vraťte hodnotu True. Tato metoda není implementována.
register_model	Zaregistrujte model ve službě AzureML ACI.
resume	Pokud bylo spuštění Automatizovaného strojového učení úspěšně obnoveno, vrátí hodnotu True. Tato metoda není implementována.
retry	Pokud se spuštění Automatizovaného strojového učení úspěšně zkusilo znovu, vrátí hodnotu True. Tato metoda není implementována.
summary	Získejte tabulku obsahující souhrn pokusů o algoritmy a jejich skóre.
wait_for_completion	Počkejte na dokončení tohoto spuštění. Vrátí objekt stavu po čekání.

cancel

Zrušte spuštění AutoML.

Pokud bylo spuštění automatického strojového učení úspěšně zrušeno, vraťte hodnotu True.

cancel()

Návraty

Žádné

cancel_iteration

Zrušení určitého podřízeného spuštění

cancel_iteration(iteration)

Parametry

iteration

int

Vyžadováno

Iterace, která se má zrušit.

Návraty

Žádné

complete

Dokončete spuštění AutoML.

complete(**kwargs)

Návraty

Žádné

continue_experiment

Pokračujte v existujícím experimentu AutoML.

continue_experiment(X=None, y=None, sample_weight=None, X_valid=None, y_valid=None, sample_weight_valid=None, data=None, label=None, columns=None, cv_splits_indices=None, spark_context=None, experiment_timeout_hours=None, experiment_exit_score=None, iterations=None, show_output=False, training_data=None, validation_data=None, **kwargs)

Parametry

X

DataFrame nebo ndarray nebo <xref:azureml.dataprep.Dataflow>

výchozí hodnota: None

Trénovací funkce.

y

DataFrame nebo ndarray nebo <xref:azureml.dataprep.Dataflow>

výchozí hodnota: None

Trénovací popisky.

sample_weight

DataFrame nebo ndarray nebo <xref:azureml.dataprep.Dataflow>

výchozí hodnota: None

Ukázkové váhy pro trénovací data

X_valid

DataFrame nebo ndarray nebo <xref:azureml.dataprep.Dataflow>

výchozí hodnota: None

Funkce ověřování.

y_valid

DataFrame nebo ndarray nebo <xref:azureml.dataprep.Dataflow>

výchozí hodnota: None

Ověřovací popisky.

sample_weight_valid

DataFrame nebo ndarray nebo <xref:azureml.dataprep.Dataflow>

výchozí hodnota: None

ukázkové váhy sady ověření.

data

DataFrame

výchozí hodnota: None

Trénovací funkce a popisek.

label

str

výchozí hodnota: None

Popisek sloupce v datech.

columns

list(str)

výchozí hodnota: None

Seznam povolených sloupců v datech, které se mají použít jako funkce.

cv_splits_indices

ndarray

výchozí hodnota: None

Indexy, kde se mají rozdělit trénovací data pro křížové ověření. Každý řádek je samostatný křížek a v rámci každého křížku poskytuje 2 matice, první s indexy pro vzorky, které se mají použít pro trénovací data, a druhý s indexy, které se mají použít pro ověřovací data. tj. [[t1, v1], [t2, v2], ...] kde t1 jsou trénovací indexy pro první křížový překřížení a v1 jsou ověřovací indexy pro první kříž.

spark_context

<xref:SparkContext>

výchozí hodnota: None

Kontext Sparku, který se použije jenom v prostředí Azure databricks/Spark.

experiment_timeout_hours

float

výchozí hodnota: None

Kolik hodin navíc se má experiment spustit.

experiment_exit_score

int

výchozí hodnota: None

Pokud je zadaný, znamená to, že experiment je ukončen při dosažení této hodnoty.

iterations

int

výchozí hodnota: None

Kolik dalších iterací se má pro tento experiment spustit.

show_output

bool

výchozí hodnota: False

Příznak označující, jestli se má výstup vytisknout do konzoly.

training_data

<xref:azureml.dataprep.Dataflow> nebo DataFrame

výchozí hodnota: None

Zadejte trénovací data.

validation_data

<xref:azureml.dataprep.Dataflow> nebo DataFrame

výchozí hodnota: None

Ověřovací data.

Návraty

Spustí se nadřazený jazyk AutoML.

Návratový typ

AutoMLRun

Výjimky

ConfigException

InvalidRunState

fail

Selhání spuštění autoML

Volitelně můžete nastavit vlastnost Error spuštění se zprávou nebo výjimkou předanou do error_details.

fail(error_details=None, error_code=None, _set_status=True, **kwargs)

Parametry

error_details

str nebo BaseException

výchozí hodnota: None

Volitelné podrobnosti o chybě.

error_code

str

výchozí hodnota: None

Volitelný kód chyby pro klasifikaci chyb.

_set_status

bool

výchozí hodnota: True

Určuje, jestli se má odeslat událost stavu pro sledování.

get_best_child

Vraťte podřízené spuštění s nejlepším skóre pro toto spuštění automatického strojového učení.

get_best_child(metric: str | None = None, onnx_compatible: bool = False, **kwargs: Any) -> Run

Parametry

metric

str

výchozí hodnota: None

Metrika, na které se má použít při výběru nejlepšího spuštění, které se má vrátit. Výchozí hodnota je primární metrika.

onnx_compatible

výchozí hodnota: False

Zda se mají vracet pouze spuštění, která generovala modely onnx.

kwargs

Vyžadováno

Návraty

Spuštění podřízeného automatického strojového učení

get_guardrails

Vytiskněte a vraťte podrobné výsledky ze spuštění ověření guardrailu.

get_guardrails(to_console: bool = True) -> Dict[str, Any]

Parametry

to_console

bool

výchozí hodnota: True

Určuje, jestli se mají výsledky ověření zapsat do konzoly.

Návraty

Slovník výsledků ověřovatele.

Návratový typ

dict

Výjimky

UserErrorException

get_output

Vraťte spuštění s odpovídajícím nejlepším kanálem, který už byl testován.

Pokud nejsou zadány žádné vstupní parametry, get_output vrátí nejlepší kanál podle primární metriky. Případně můžete použít parametr iteration nebo metric k načtení konkrétní iterace nebo nejlepšího spuštění podle zadané metriky.

get_output(iteration: int | None = None, metric: str | None = None, return_onnx_model: bool = False, return_split_onnx_model: SplitOnnxModelName | None = None, **kwargs: Any) -> Tuple[Run, Any]

Parametry

iteration

int

výchozí hodnota: None

Číslo iterace odpovídajícího běhu a vhodného modelu, který se má vrátit.

metric

str

výchozí hodnota: None

Metrika, která se má použít při výběru nejlepšího spuštění a vhodného modelu, který se má vrátit.

return_onnx_model

bool

výchozí hodnota: False

Tato metoda vrátí převedený model ONNX, pokud enable_onnx_compatible_models byl parametr v objektu nastaven na AutoMLConfig Hodnotu True.

return_split_onnx_model

SplitOnnxModelName

výchozí hodnota: None

Typ rozděleného modelu onnx, který se má vrátit

Návraty

Spuštění, odpovídající fitovaný model.

Návratový typ

Run, <xref:Model>

Výjimky

ConfigException

OnnxConvertException

NotFoundException

Poznámky

Pokud chcete zkontrolovat použité preprocesory a algoritmus (odhadovač), můžete to udělat pomocí Model.steps, podobně jako sklearn.pipeline.Pipeline.steps. Následující kód například ukazuje, jak načíst odhadce.

   best_run, model = parent_run.get_output()
   estimator = model.steps[-1]

get_run_sdk_dependencies

Získejte závislosti spuštění sady SDK pro dané spuštění.

get_run_sdk_dependencies(iteration=None, check_versions=True, **kwargs)

Parametry

iteration

int

výchozí hodnota: None

Číslo iterace fitovaného spuštění, které se má načíst. Pokud žádné, načtěte nadřazené prostředí.

check_versions

bool

výchozí hodnota: True

Pokud je pravda, zkontrolujte verze s aktuálním prostředím. Pokud je false, předejte.

Návraty

Slovník závislostí načtených z RunHistory.

Návratový typ

dict

Výjimky

ConfigException

pause

Pokud bylo spuštění automatického strojového učení úspěšně pozastaveno, vraťte hodnotu True.

Tato metoda není implementována.

pause()

Výjimky

NotImplementedError

register_model

Zaregistrujte model ve službě AzureML ACI.

register_model(model_name=None, description=None, tags=None, iteration=None, metric=None)

Parametry

model_name

str

výchozí hodnota: None

Název nasazované model.

description

str

výchozí hodnota: None

Popis nasazovaných modelů.

tags

dict

výchozí hodnota: None

Značky pro nasazované modely.

iteration

int

výchozí hodnota: None

Přepište model, který se má nasadit. Nasadí model pro danou iteraci.

metric

str

výchozí hodnota: None

Přepište model, který se má nasadit. Nasadí nejlepší model pro jinou metriku.

Návraty

Zaregistrovaný objekt modelu.

Návratový typ

<xref:Model>

resume

Pokud bylo spuštění Automatizovaného strojového učení úspěšně obnoveno, vrátí hodnotu True.

Tato metoda není implementována.

resume()

Výjimky

NotImplementedError:

retry

Pokud se spuštění Automatizovaného strojového učení úspěšně zkusilo znovu, vrátí hodnotu True.

Tato metoda není implementována.

retry()

Výjimky

NotImplementedError

summary

Získejte tabulku obsahující souhrn pokusů o algoritmy a jejich skóre.

summary()

Návraty

Datový rámec Pandas obsahující statistiky modelu AutoML.

Návratový typ

DataFrame

wait_for_completion

Počkejte na dokončení tohoto spuštění.

Vrátí objekt stavu po čekání.

wait_for_completion(show_output=False, wait_post_processing=False)

Parametry

show_output

bool

výchozí hodnota: False

Určuje, jestli se má zobrazit výstup spuštění na sys.stdout.

wait_post_processing

bool

výchozí hodnota: False

Určuje, jestli se má čekat na dokončení následného zpracování po dokončení spuštění.

Návraty

Objekt stavu.

Návratový typ

dict

Výjimky

ExperimentExecutionException

Atributy

run_id

Vrátí ID spuštění aktuálního spuštění.

Návraty

ID spuštění aktuálního spuštění.

Návratový typ

str