ReinforcementLearningRun Klasse
Eine Ausführungsklasse zum Behandeln und Überwachen von Ausführungen von vertiefendem Lernen, die einem Experiment und einer einzelnen Ausführungs-ID zugeordnet sind.
Class ReinforcementLearningRun-Konstruktor.
- Vererbung
-
ReinforcementLearningRun
Konstruktor
ReinforcementLearningRun(experiment, run_id, directory=None, _run_config=None, **kwargs)
Parameter
- _run_config
- ReinforcementLearningConfiguration
Die Konfiguration für vertiefendes Lernen.
- kwargs
- dict
Hinweise
Das Azure Machine Learning-SDK bietet Ihnen eine Reihe zusammengehörender Klassen, die Sie beim Trainieren und Vergleichen von Machine Learning-Modellen unterstützen. Dabei handelt es sich um Modelle, die ein gemeinsames Problem lösen.
Ein Experiment fungiert als logischer Container für diese Trainingsausführungen. Ein ReinforcementLearningConfiguration-Objekt wird verwendet, um die Information zu codieren, die zum Übermitteln einer Trainingsausführung in einem Experiment des vertiefenden Lernens erforderlich sind. Diese kann dann über das Experiment übermittelt werden. Ein Beispiel für diesen Prozess finden Sie in der Dokumentation unter ReinforcementLearningConfiguration.
Nachdem das ReinforcementLearningConfiguration übermittelt wurde, wird ein ReinforcementLearningRun-Objekt zurückgegeben.
ReinforcementLearningRun-Objekte ermöglichen den programmgesteuerten Zugriff auf Informationen über die zugeordnete Ausführung des vertiefenden Lernens. Beispiele hierfür sind das Abrufen der Protokolle einer Ausführung, das Abbrechen oder Abschließen einer aktuell laufenden Ausführung, das Bereinigen der Artefakte einer abgeschlossen Ausführung und das Warten auf den Abschluss einer aktuell laufenden Ausführung.
Methoden
complete |
Abschließen der laufenden Ausführung |
complete
Abschließen der laufenden Ausführung
complete()
Hinweise
Ein Beispiel für das Abschließen der Ausführung:
run = experiment.submit(config=ReinforcementLearningRunConfig)
run.complete()
Attribute
RUN_TYPE
RUN_TYPE = 'reinforcementlearning'
Feedback
https://aka.ms/ContentUserFeedback.
Bald verfügbar: Im Laufe des Jahres 2024 werden wir GitHub-Issues stufenweise als Feedbackmechanismus für Inhalte abbauen und durch ein neues Feedbacksystem ersetzen. Weitere Informationen finden Sie unterFeedback senden und anzeigen für