Experiment Klasse

Stellt den Haupteinstiegspunkt zum Erstellen und Arbeiten mit Experimenten in Azure Machine Learning dar.

Ein Experiment ist ein Container mit Testversionen , die mehrere Modellausführungen darstellen.

Experiment-Konstruktor.

Konstruktor

Experiment(workspace, name, _skip_name_validation=False, _id=None, _archived_time=None, _create_in_cloud=True, _experiment_dto=None, **kwargs)

Parameter

Name	Beschreibung
workspace Erforderlich	Workspace Das Arbeitsbereichsobjekt, das das Experiment enthält.
name Erforderlich	str Der Name des Experiments.
kwargs Erforderlich	dict Ein Wörterbuch mit Schlüsselwortargumenten.
workspace Erforderlich	Workspace Das Arbeitsbereichsobjekt, das das Experiment enthält.
name Erforderlich	str Der Name des Experiments.
kwargs Erforderlich	dict Ein Wörterbuch mit Schlüsselwortargumenten.
_skip_name_validation	Standardwert: False
_id	Standardwert: None
_archived_time	Standardwert: None
_create_in_cloud	Standardwert: True
_experiment_dto	Standardwert: None

Hinweise

Ein Azure Machine Learning-Experiment stellt die Sammlung von Testversionen dar, mit deren Hilfe die Hypothese eines Benutzers überprüft wird.

In Azure Machine Learning wird ein Experiment durch den Experiment Kurs dargestellt, und eine Testversion wird durch den Run Kurs dargestellt.

Um ein Experiment aus einem Arbeitsbereich abzurufen oder zu erstellen, fordern Sie das Experiment mit dem Namen des Experiments an. Der Experimentname muss 3-36 Zeichen sein, mit einem Buchstaben oder einer Zahl beginnen und darf nur Buchstaben, Zahlen, Unterstriche und Striche enthalten.


   experiment = Experiment(workspace, "MyExperiment")

Wenn das Experiment im Arbeitsbereich nicht gefunden wird, wird ein neues Experiment erstellt.

Es gibt zwei Möglichkeiten, eine Experimenttestphase auszuführen. Wenn Sie interaktiv in einem Jupyter-Notizbuch experimentieren, verwenden start_logging Sie die Verwendung, wenn Sie ein Experiment aus dem Quellcode oder einer anderen Art von konfigurierter Testversion übermitteln. submit

Beide Mechanismen erstellen ein Run Objekt. Verwenden Sie in interaktiven Szenarien Protokollierungsmethoden, z log . B. zum Hinzufügen von Messungen und Metriken zum Testdatensatz. In konfigurierten Szenarien verwenden Sie Statusmethoden, z get_status . B. zum Abrufen von Informationen zur Ausführung.

In beiden Fällen können Sie Abfragemethoden verwenden, get_metrics um die aktuellen Werte (sofern vorhanden) von Testmessungen und Metriken abzurufen.

Methoden

archive	Archiviere ein Experiment.
delete	Löschen eines Experiments im Arbeitsbereich.
from_directory	(Veraltet) Laden Sie ein Experiment aus dem angegebenen Pfad.
get_docs_url	Url zur Dokumentation für diese Klasse.
get_runs	Gibt einen Generator der Läufe für dieses Experiment in umgekehrter chronologischer Reihenfolge zurück.
list	Gibt die Liste der Experimente im Arbeitsbereich zurück.
reactivate	Reaktiviert ein archiviertes Experiment.
refresh	Gibt die neueste Version des Experiments aus der Cloud zurück.
remove_tags	Löschen Sie die angegebenen Tags aus dem Experiment.
set_tags	Hinzufügen oder Ändern einer Gruppe von Tags für das Experiment. Tags, die nicht im Wörterbuch übergeben werden, bleiben unberührt.
start_logging	Starten Sie eine interaktive Protokollierungssitzung, und erstellen Sie eine interaktive Ausführung im angegebenen Experiment.
submit	Senden Sie ein Experiment, und geben Sie die aktive erstellte Ausführung zurück.
tag	Markieren Sie das Experiment mit einem Zeichenfolgenschlüssel und einem optionalen Zeichenfolgenwert.

delete

Löschen eines Experiments im Arbeitsbereich.

static delete(workspace, experiment_id)

Parameter

Name	Beschreibung
workspace Erforderlich	Workspace Der Arbeitsbereich, zu dem das Experiment gehört.
experiment_id Erforderlich	Die Experiment-ID des zu löschenden Experiments.

from_directory

(Veraltet) Laden Sie ein Experiment aus dem angegebenen Pfad.

static from_directory(path, auth=None)

Parameter

Name	Beschreibung
path Erforderlich	str Verzeichnis, das die Experimentkonfigurationsdateien enthält.
auth	ServicePrincipalAuthentication oder InteractiveLoginAuthentication Das Authentifizierungsobjekt. Wenn keine der standardmäßigen Azure CLI-Anmeldeinformationen verwendet wird oder die API zur Eingabe von Anmeldeinformationen auffordert. Standardwert: None

Gibt zurück

Typ	Beschreibung
Experiment	Gibt das Experiment zurück.

get_docs_url

Url zur Dokumentation für diese Klasse.

get_docs_url()

Gibt zurück

Typ	Beschreibung
str	URL

get_runs

Gibt einen Generator der Läufe für dieses Experiment in umgekehrter chronologischer Reihenfolge zurück.

get_runs(type=None, tags=None, properties=None, include_children=False)

Parameter

Name	Beschreibung
type	string Filtern Sie den zurückgegebenen Generator, der vom angegebenen Typ ausgeführt wird. Informationen zum Erstellen von Ausführungstypen finden Sie unter.See add_type_provider for creating run types. Standardwert: None
tags	string oder dict Der Filter wird nach "tag" oder {"tag": "value"} ausgeführt. Standardwert: None
properties	string oder dict Filter wird von "property" oder {"property" ausgeführt: "value"} Standardwert: None
include_children	bool Standardmäßig werden nur Ausgeführte der obersten Ebene abgerufen. Auf "true" festgelegt, um alle Läufe auflisten zu können. Standardwert: False

Gibt zurück

Typ	Beschreibung
list[Run]	Die Liste der Ausgeführten übereinstimmenden bereitgestellten Filter.

list

Gibt die Liste der Experimente im Arbeitsbereich zurück.

static list(workspace, experiment_name=None, view_type='ActiveOnly', tags=None)

Parameter

Name	Beschreibung
workspace Erforderlich	Workspace Der Arbeitsbereich, aus dem die Experimente aufgeführt werden sollen.
experiment_name	str Optionaler Name zum Filtern von Experimenten. Standardwert: None
view_type	ViewType Optionaler Enumerationswert zum Filtern oder Einschließen archivierter Experimente. Standardwert: ActiveOnly
tags	Optionaler Tagschlüssel oder Wörterbuch von Tag-Schlüssel-Wert-Paaren zum Filtern von Experimenten. Standardwert: None

Gibt zurück

Typ	Beschreibung
list[Experiment]	Eine Liste von Experimentobjekten.

reactivate

Reaktiviert ein archiviertes Experiment.

reactivate(new_name=None)

Parameter

Name	Beschreibung
new_name Erforderlich	str Nicht mehr unterstützt

Hinweise

Ein archiviertes Experiment kann nur reaktiviert werden, wenn kein anderes aktives Experiment mit demselben Namen vorhanden ist.

refresh

Gibt die neueste Version des Experiments aus der Cloud zurück.

refresh()

remove_tags

Löschen Sie die angegebenen Tags aus dem Experiment.

remove_tags(tags)

Parameter

Name	Beschreibung
tags Erforderlich	[str] Die Tagschlüssel, die entfernt werden

set_tags

Hinzufügen oder Ändern einer Gruppe von Tags für das Experiment. Tags, die nicht im Wörterbuch übergeben werden, bleiben unberührt.

set_tags(tags)

Parameter

Name	Beschreibung
tags Erforderlich	dict[str] Die im Experimentobjekt gespeicherten Tags

start_logging

Starten Sie eine interaktive Protokollierungssitzung, und erstellen Sie eine interaktive Ausführung im angegebenen Experiment.

start_logging(*args, **kwargs)

Parameter

Name	Beschreibung
experiment Erforderlich	Experiment Das Experiment.
outputs Erforderlich	str Optionale Ausgabeverzeichnis zum Nachverfolgen. Übergeben Sie für keine Ausgaben "False".
snapshot_directory Erforderlich	str Optionales Verzeichnis zum Erstellen einer Momentaufnahme. Die Einstellung auf "Keine" nimmt keine Momentaufnahme auf.
args Erforderlich	list
kwargs Erforderlich	dict

Gibt zurück

Typ	Beschreibung
Run	Zurückgeben einer gestarteten Ausführung.

Hinweise

start_logging erstellt eine interaktive Ausführung für die Verwendung in Szenarien wie Jupyter-Notizbüchern. Alle Metriken, die während der Sitzung protokolliert werden, werden dem Ausführungsdatensatz im Experiment hinzugefügt. Wenn ein Ausgabeverzeichnis angegeben ist, wird der Inhalt dieses Verzeichnisses nach Abschluss der Ausführung als Ausführungsartefakte hochgeladen.


   experiment = Experiment(workspace, "My Experiment")
   run = experiment.start_logging(outputs=None, snapshot_directory=".", display_name="My Run")
   ...
   run.log_metric("Accuracy", accuracy)
   run.complete()

Hinweis

run_id wird für jede Ausführung automatisch generiert und innerhalb des Experiments eindeutig.

submit

Senden Sie ein Experiment, und geben Sie die aktive erstellte Ausführung zurück.

submit(config, tags=None, **kwargs)

Parameter

Name	Beschreibung
config Erforderlich	object Die zu übermittelnde Konfiguration.
tags	dict Tags, die der übermittelten Ausführung hinzugefügt werden sollen, {"tag": "value"}. Standardwert: None
kwargs Erforderlich	dict Zusätzliche Parameter, die in der Submit-Funktion für Konfigurationen verwendet werden.

Gibt zurück

Typ	Beschreibung
Run	Ein Lauf.

Hinweise

Submit ist ein asynchroner Aufruf der Azure Machine Learning-Plattform, um eine Testversion auf lokaler oder Remotehardware auszuführen. Abhängig von der Konfiguration bereitet absenden ihre Ausführungsumgebungen automatisch vor, führen Den Code aus, erfassen Den Quellcode und Ergebnisse im Ausführungsverlauf des Experiments.

Um ein Experiment zu übermitteln, müssen Sie zuerst ein Konfigurationsobjekt erstellen, das beschreibt, wie das Experiment ausgeführt werden soll. Die Konfiguration hängt von der Art der erforderlichen Testversion ab.

Ein Beispiel für das Übermitteln eines Experiments von Ihrem lokalen Computer ist wie folgt:


   from azureml.core import ScriptRunConfig

   # run a trial from the train.py code in your current directory
   config = ScriptRunConfig(source_directory='.', script='train.py',
       run_config=RunConfiguration())
   run = experiment.submit(config)

   # get the url to view the progress of the experiment and then wait
   # until the trial is complete
   print(run.get_portal_url())
   run.wait_for_completion()

Ausführliche Informationen zum Konfigurieren einer Ausführung finden Sie in den Konfigurationstypdetails.

ScriptRunConfig
azureml.train.automl.automlconfig.AutoMLConfig
azureml.pipeline.core.Pipeline
azureml.pipeline.core.PublishedPipeline
azureml.pipeline.core.PipelineEndpoint

Hinweis

Wenn Sie die Schulungsausführung übermitteln, wird eine Momentaufnahme des Verzeichnisses erstellt, das Ihre Schulungsskripts enthält, und an das Computeziel gesendet. Sie wird auch als Teil des Experiments in Ihrem Arbeitsbereich gespeichert. Wenn Sie Dateien ändern und die Ausführung erneut übermitteln, werden nur die geänderten Dateien hochgeladen.

Um zu verhindern, dass Dateien in die Momentaufnahme aufgenommen werden, erstellen Sie eine GITIGNORE - oder AMLIGNORE-Datei im Verzeichnis, und fügen Sie die Dateien hinzu. Die AMLIGnore-Datei verwendet die gleiche Syntax und Muster wie die GITIGNORE-Datei. Wenn beide Dateien vorhanden sind, hat die AMLIGNORE-Datei Vorrang.

Weitere Informationen finden Sie unter Momentaufnahmen.

tag

Markieren Sie das Experiment mit einem Zeichenfolgenschlüssel und einem optionalen Zeichenfolgenwert.

tag(key, value=None)

Parameter

Name	Beschreibung
key Erforderlich	str Die Tagtaste
value Erforderlich	str Ein optionaler Wert für das Tag

Hinweise

Tags in einem Experiment werden in einem Wörterbuch mit Zeichenfolgenschlüsseln und Zeichenfolgenwerten gespeichert. Tags können festgelegt, aktualisiert und gelöscht werden. Tags sind benutzerseitig ausgerichtet und enthalten im Allgemeinen Bedeutungsinformationen für die Verbraucher des Experiments.


   experiment.tag('')
   experiment.tag('DeploymentCandidate')
   experiment.tag('modifiedBy', 'Master CI')
   experiment.tag('modifiedBy', 'release pipeline') # Careful, tags are mutable

Attribute

archived_time

Gibt die archivierte Zeit für das Experiment zurück. Der Wert sollte "Keine" für ein aktives Experiment sein.

Gibt zurück

Typ	Beschreibung
str	Die archivierte Zeit des Experiments.

id

Gibt die ID des Experiments zurück.

Gibt zurück

Typ	Beschreibung
str	Die ID des Experiments.

name

Gibt den Namen des Experiments zurück.

Gibt zurück

Typ	Beschreibung
str	Der Name des Experiments.

Typ	Beschreibung
dict[str]	Die Tags für ein Experiment.

workspace

Gibt den Arbeitsbereich zurück, der das Experiment enthält.

Gibt zurück

Typ	Beschreibung
Workspace	Gibt das Arbeitsbereichsobjekt zurück.

workspace_object

(Veraltet) Gibt den Arbeitsbereich zurück, der das Experiment enthält.

Verwenden Sie das workspace Attribut.

Gibt zurück

Typ	Beschreibung
Workspace	Das Arbeitsbereichsobjekt.

Feedback

War diese Seite hilfreich?

Freigeben über

Experiment Klasse

Konstruktor

Parameter

Hinweise

Methoden

archive

Hinweise

delete

Parameter

from_directory

Parameter

Gibt zurück

get_docs_url

Gibt zurück

get_runs

Parameter

Gibt zurück

list

Parameter

Gibt zurück

reactivate

Parameter

Hinweise

refresh

remove_tags

Parameter

set_tags

Parameter

start_logging

Parameter

Gibt zurück

Hinweise

submit

Parameter

Gibt zurück

Hinweise

tag

Parameter

Hinweise

Attribute

archived_time

Gibt zurück

id

Gibt zurück

name

Gibt zurück

tags

Gibt zurück

workspace

Gibt zurück

workspace_object

Gibt zurück

Feedback