Sdílet prostřednictvím

AutoMLRun Třída

  • Reference

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

Name Description
experiment
Vyžadováno
Experiment

Experiment přidružený k běhu.
run_id
Vyžadováno
str

ID spuštění.
experiment
Vyžadováno
Experiment

Experiment přidružený k běhu.
run_id
Vyžadováno
str

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

Typ Description

Žádné

cancel_iteration

Zrušení určitého podřízeného spuštění

cancel_iteration(iteration)

Parametry

Name Description
iteration
Vyžadováno
int

Iterace, která se má zrušit.

Návraty

Typ Description

Žádné

complete

Dokončete spuštění AutoML.

complete(**kwargs)

Návraty

Typ Description

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

Name Description
X
DataFrame nebo ndarray nebo <xref:azureml.dataprep.Dataflow>

Trénovací funkce.

Default value: None
y
DataFrame nebo ndarray nebo <xref:azureml.dataprep.Dataflow>

Trénovací popisky.

Default value: None
sample_weight
DataFrame nebo ndarray nebo <xref:azureml.dataprep.Dataflow>

Ukázkové váhy pro trénovací data

Default value: None
X_valid
DataFrame nebo ndarray nebo <xref:azureml.dataprep.Dataflow>

Funkce ověřování.

Default value: None
y_valid
DataFrame nebo ndarray nebo <xref:azureml.dataprep.Dataflow>

Ověřovací popisky.

Default value: None
sample_weight_valid
DataFrame nebo ndarray nebo <xref:azureml.dataprep.Dataflow>

ukázkové váhy sady ověření.

Default value: None
data
DataFrame

Trénovací funkce a popisek.

Default value: None
label
str

Popisek sloupce v datech.

Default value: None
columns
list(str)

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

Default value: None
cv_splits_indices
ndarray

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.

Default value: None
spark_context
<xref:SparkContext>

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

Default value: None
experiment_timeout_hours
float

Kolik hodin navíc se má experiment spustit.

Default value: None
experiment_exit_score
int

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

Default value: None
iterations
int

Kolik dalších iterací se má pro tento experiment spustit.

Default value: None
show_output
bool

Příznak označující, jestli se má výstup vytisknout do konzoly.

Default value: False
training_data
<xref:azureml.dataprep.Dataflow> nebo DataFrame

Zadejte trénovací data.

Default value: None
validation_data
<xref:azureml.dataprep.Dataflow> nebo DataFrame

Ověřovací data.

Default value: None

Návraty

Typ Description
AutoMLRun

Spustí se nadřazený jazyk AutoML.

Výjimky

Typ Description
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

Name Description
error_details
str nebo BaseException

Volitelné podrobnosti o chybě.

Default value: None
error_code
str

Volitelný kód chyby pro klasifikaci chyb.

Default value: None
_set_status
bool

Určuje, jestli se má odeslat událost stavu pro sledování.

Default value: True

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

Name Description
metric
str

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

Default value: None
onnx_compatible

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

Default value: False
kwargs
Vyžadováno

Návraty

Typ Description

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

Name Description
to_console
bool

Určuje, jestli se mají výsledky ověření zapsat do konzoly.

Default value: True

Návraty

Typ Description
dict

Slovník výsledků ověřovatele.

Výjimky

Typ Description
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

Name Description
iteration
int

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

Default value: None
metric
str

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

Default value: None
return_onnx_model
bool

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

Default value: False
return_split_onnx_model
SplitOnnxModelName

Typ rozděleného modelu onnx, který se má vrátit

Default value: None

Návraty

Typ Description
Run, <xref:Model>

Spuštění, odpovídající fitovaný model.

Výjimky

Typ Description
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

Name Description
iteration
int

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

Default value: None
check_versions
bool

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

Default value: True

Návraty

Typ Description
dict

Slovník závislostí načtených z RunHistory.

Výjimky

Typ Description
ConfigException

pause

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

Tato metoda není implementována.

pause()

Výjimky

Typ Description
NotImplementedError

register_model

Zaregistrujte model ve službě AzureML ACI.

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

Parametry

Name Description
model_name
str

Název nasazované model.

Default value: None
description
str

Popis nasazovaných modelů.

Default value: None
tags
dict

Značky pro nasazované modely.

Default value: None
iteration
int

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

Default value: None
metric
str

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

Default value: None

Návraty

Typ Description
<xref:Model>

Zaregistrovaný objekt modelu.

resume

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

Tato metoda není implementována.

resume()

Výjimky

Typ Description
NotImplementedError:

retry

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

Tato metoda není implementována.

retry()

Výjimky

Typ Description
NotImplementedError

summary

Získejte tabulku obsahující souhrn pokusů o algoritmy a jejich skóre.

summary()

Návraty

Typ Description
DataFrame

Datový rámec Pandas obsahující statistiky modelu AutoML.

wait_for_completion

Počkejte na dokončení tohoto spuštění.

Vrátí objekt stavu po čekání.

wait_for_completion(show_output=False, wait_post_processing=False)

Parametry

Name Description
show_output
bool

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

Default value: False
wait_post_processing
bool

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

Default value: False

Návraty

Typ Description
dict

Objekt stavu.

Výjimky

Typ Description
ExperimentExecutionException

Atributy

run_id

Vrátí ID spuštění aktuálního spuštění.

Návraty

Typ Description
str

ID spuštění aktuálního spuštění.