Sdílet prostřednictvím


RunDetails Třída

Představuje widget poznámkového bloku Jupyter, který slouží k zobrazení průběhu trénování modelu.

Widget je asynchronní a poskytuje aktualizace, dokud se trénování nedokončí.

Inicializace widgetu se zadanou instancí spuštění

Konstruktor

RunDetails(run_instance)

Parametry

Name Description
run_instance
Vyžadováno
Run

Instance spuštění, pro kterou se widget vykresluje.

run_instance
Vyžadováno
Run

Instance spuštění, pro kterou se widget vykresluje.

Poznámky

Widget Jupyter Notebook v Azure ML ukazuje průběh trénování modelu, včetně vlastností, protokolů a metrik. Vybraný typ widgetu je odvozen implicitně z objektu run_instance. Nemusíte ho explicitně nastavovat. show Pomocí této metody můžete začít vykreslovat widget. Pokud widget není nainstalovaný, zobrazí se místo toho odkaz pro zobrazení obsahu na nové stránce prohlížeče. Po spuštění experimentu můžete průběh trénování modelu zobrazit také na webu Azure Portal pomocí get_portal_url() metody Run třídy.

Následující příklad ukazuje, jak vytvořit widget a spustit ho:


   from azureml.widgets import RunDetails

   RunDetails(remote_run).show()

Úplná ukázka je k dispozici od https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/automated-machine-learning/classification-credit-card-fraud/auto-ml-classification-credit-card-fraud.ipynb

Podporují se následující typy spuštění:

  • StepRun: Zobrazuje vlastnosti spuštění, výstupní protokoly, metriky.

  • HyperDriveRun: Zobrazuje vlastnosti nadřazeného spuštění, protokoly, podřízená spuštění, primární graf metriky a paralelní souřadnicový graf hyperparametrů.

  • AutoMLRun: Zobrazuje podřízená spuštění a primární graf metrik s možností vybrat jednotlivé metriky.

  • PipelineRun: Zobrazuje spuštěné a neběžné uzly kanálu spolu s grafickým znázorněním uzlů a hran.

  • ReinforcementLearningRun: Zobrazuje stav spuštění v reálném čase. Azure Machine Learning Výztuže Learning je aktuálně funkce Preview. Další informace najdete v tématu Zpětnovazební učení s využitím azure Marchine Learning.

Balíček azureml-widgets se nainstaluje při instalaci sady Azure Machine Learning SDK. V závislosti na prostředí však může být potřeba další instalace.

  • Poznámkové bloky Jupyter: Místní i cloudové poznámkové bloky jsou plně podporované, s interaktivitou, asynchronními automatickými aktualizacemi a neblokujícími prováděním buněk.

  • JupyterLab: Možná budete potřebovat další instalaci.

    1. Ověřte, že je balíček azure-widgets nainstalovaný, a pokud ne, nainstalujte ho.

      
         sudo -i pip install azureml-widgets
      
    2. Nainstalujte rozšíření JupyterLab.

      
         sudo -i jupyter labextension install @jupyter-widgets/jupyterlab-manager
      
    3. Po instalaci restartujte jádro ve všech aktuálně spuštěných poznámkových blocích.

      
         jupyter labextension list
      
  • Databricks: Částečná podpora widgetů Juypter Notebook Když widget použijete, zobrazí se odkaz pro zobrazení obsahu na nové stránce prohlížeče. show Použijte s parametrem render_lib nastaveným na displayHTML.

Metody

get_widget_data

Načítá a transformuje data z historie spuštění, aby se vykreslovala widgetem. Používá se také pro účely ladění.

show

Vykreslujte widget a spusťte vlákno pro aktualizaci widgetu.

get_widget_data

Načítá a transformuje data z historie spuštění, aby se vykreslovala widgetem. Používá se také pro účely ladění.

get_widget_data(widget_settings=None)

Parametry

Name Description
widget_settings

Nastavení, která se mají použít pro widget. Podporované nastavení: debug (logická hodnota).

Default value: None

Návraty

Typ Description

Slovník obsahující data, která má widget vykreslit.

show

Vykreslujte widget a spusťte vlákno pro aktualizaci widgetu.

show(render_lib=None, widget_settings=None)

Parametry

Name Description
render_lib
<xref:func>

Knihovna, která se má použít k vykreslování. Vyžaduje se pouze pro Databricks s hodnotou displayHTML.

Default value: None
widget_settings

Nastavení, která se mají použít pro widget. Podporované nastavení: debug (logická hodnota).

Default value: None