TrainingOutput Klasse

Definiert eine spezialisierte Ausgabe bestimmter PipelineSteps-Objekte für die Verwendung in einer Pipeline

Mit TrainingOutput können automatisierte Machine Learning-Metriken oder -Modelle als Schrittausgabe bereitgestellt werden, die wiederum von einem anderen Schritt einer Azure Machine Learning-Pipeline verarbeitet werden kann. Kann mit AutoMLStep oder HyperDriveStep verwendet werden

Initialisieren Sie TrainingOutput.

param model_file: Die spezifische Modelldatei, die in die Ausgabe aufgenommen werden soll. Nur für HyperDriveStep

Vererbung

builtins.object

TrainingOutput

Konstruktor

TrainingOutput(type, iteration=None, metric=None, model_file=None)

Parameter

Name	Beschreibung
type Erforderlich	str Der Typ der Trainingsausgabe. Mögliche Werte: 'Metrics', 'Model'
iteration	int Die Iterationsnummer des entsprechenden Trainingsmodells. Diese Iterationsnummer kann nur beim Typ 'Model' angegeben werden. Geben Sie entweder den iteration- oder den metric-Parameter an, nicht beide. Standardwert: None
metric	str Die Metrik, die verwendet werden soll, um das beste Trainingsmodell zurückzugeben. Die Metrik kann nur beim Typ 'Model' bereitgestellt werden. Geben Sie entweder den iteration- oder den metric-Parameter an, nicht beide. Standardwert: None
model_file	str Die spezifische Modelldatei, die in die Ausgabe eingeschlossen werden soll. Nur für HyperDriveStep Standardwert: None
type Erforderlich	str Der Typ der Trainingsausgabe. Mögliche Werte: 'Metrics', 'Model'
iteration Erforderlich	int Die Iterationsnummer des entsprechenden Trainingsmodells. Diese Iterationsnummer kann nur beim Typ 'Model' angegeben werden. Geben Sie entweder den iteration- oder den metric-Parameter an, nicht beide.
metric Erforderlich	str Die Metrik, die verwendet werden soll, um das beste Trainingsmodell zurückzugeben. Die Metrik kann nur beim Typ 'Model' bereitgestellt werden. Geben Sie entweder den iteration- oder den metric-Parameter an, nicht beide.

Hinweise

TrainingOutput wird mit PipelineData verwendet, wenn ein Pipeline-Objekt erstellt wird, um anderen Schritten die Verarbeitung der von einem AutoMLStep- oder HyperDriveStep-Objekt generierten Metriken oder Modelle zu ermöglichen.

Verwenden Sie TrainingOutput wie folgt, wenn Sie AutoMLStep definieren:

   from azureml.pipeline.core import PipelineData, TrainingOutput

   metrics_data = PipelineData(name='metrics_data', datastore=ds,
                                pipeline_output_name='metrics_output',
                                training_output=TrainingOutput(type='Metrics'))
   model_data = PipelineData(name='model_data', datastore=ds,
                             pipeline_output_name='best_model_output',
                             training_output=TrainingOutput(type='Model'))
   automl_step = AutoMLStep(name='automl_step',
                            automl_config=automl_config,
                            inputs=[input_data],
                            outputs=[metrics_data, model_data])

Ein Beispiel für die Verwendung von TrainingOutput und einen AutoMLStep-Schritt finden Sie im Notebook https://aka.ms/pl-automl.

Attribute

iteration

Ruft die Iterationsnummer des entsprechenden Trainingsmodells ab

Gibt zurück

Typ	Beschreibung
int	Die Iterationsnummer für das Trainingsmodell

metric

Ruft den Metriknamen für das beste Trainingsmodell ab

Gibt zurück

Typ	Beschreibung
str	Der Metrikname für das beste Trainingsmodell

model_file

Ruft eine Modelldatei ab, die in die Ausgabe des besten Trainingsmodells eingeschlossen werden soll

Gibt zurück

Typ	Beschreibung
str	Eine bestimmte Datei, die in die Ausgabe des besten Trainingsmodells eingeschlossen werden soll

type

Ruft den Typ der Trainingsausgabe ab

Gibt zurück

Typ	Beschreibung
str	Der Typ der Trainingsausgabe. Mögliche Werte: 'Metrics', 'Model'