EstimatorStep Klasse

VERALTET. Erstellt einen Pipelineschritt, der Estimator für das Training eines Azure ML-Modells ausführt.

Erstellen Sie einen Azure ML Pipeline-Schritt, um das Estimator for Machine Learning-Modelltraining auszuführen.

VERALTET. Verwenden Sie stattdessen CommandStep. Ein Beispiel finden Sie unter How to run ML training in pipelines with CommandStep (Ausführen von ML-Trainings in Pipelines mit CommandStep).

Vererbung

PythonScriptStep

EstimatorStep

Konstruktor

EstimatorStep(name=None, estimator=None, estimator_entry_script_arguments=None, runconfig_pipeline_params=None, inputs=None, outputs=None, compute_target=None, allow_reuse=True, version=None)

Parameter

Name	Beschreibung
name	str Der Name des Schritts. Standardwert: None
estimator	Estimator Das zugeordnete estimator-Objekt für diesen Schritt. Kann ein vorkonfigurierter Schätzer wie Chainer, PyTorch, TensorFlow oder SKLearn sein. Standardwert: None
estimator_entry_script_arguments	list[str] [Erforderlich] Eine Liste der Befehlszeilenargumente. Wenn das Eingabeskript des Schätzers keine Befehlszeilenargumente akzeptiert, legen Sie diesen Parameterwert auf eine leere Liste fest. Standardwert: None
runconfig_pipeline_params	dict[str, PipelineParameter] Eine Überschreibung von runconfig-Eigenschaften zur Laufzeit unter Verwendung von Schlüssel-Wert-Paaren mit jeweils dem Namen der runconfig-Eigenschaft und dem PipelineParameter für diese Eigenschaft. Unterstützte Werte: „NodeCount“, „MpiProcessCountPerNode“, „TensorflowWorkerCount“, „TensorflowParameterServerCount“ Standardwert: None
inputs	list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig]] Eine Liste der zu verwendende Eingaben. Standardwert: None
outputs	list[Union[PipelineData, OutputDatasetConfig, PipelineOutputAbstractDataset]] Eine Liste von PipelineData-Objekten. Standardwert: None
compute_target	Union[DsvmCompute, AmlCompute, RemoteCompute, str] [Erforderlich] Das zu verwendende Computeziel. Standardwert: None
allow_reuse	bool Gibt an, ob bei dem Schritt vorherige Ergebnisse wiederverwendet werden sollen, wenn er mit den gleichen Einstellungen erneut ausgeführt wird. Die Wiederverwendung ist standardmäßig aktiviert. Wenn der Schrittinhalt (Skripts/Abhängigkeiten) sowie die Eingaben und Parameter unverändert bleiben, wird die Ausgabe der vorherigen Ausführung dieses Schritts wiederverwendet. Wenn Sie den Schritt wiederverwenden, anstatt den Auftrag zum Berechnen zu übermitteln, werden die Ergebnisse der vorherigen Ausführung sofort für alle nachfolgenden Schritte verfügbar gemacht. Wenn Sie Azure Machine Learning-Datasets als Eingaben verwenden, hängt die Wiederverwendung nicht davon ab, ob sich die zugrunde liegenden Daten geändert haben, sondern davon, ob sich die Definition des Datasets geändert hat. Standardwert: True
version	str Ein optionales Versionstag, um eine Änderung der Funktionalität für das Modul zu kennzeichnen. Standardwert: None
name Erforderlich	str Der Name des Schritts.
estimator Erforderlich	<xref:Estimator> Das zugeordnete estimator-Objekt für diesen Schritt. Kann ein vorkonfigurierter Schätzer wie Chainer, PyTorch, TensorFlow oder SKLearn sein.
estimator_entry_script_arguments Erforderlich	[str] [Erforderlich] Eine Liste der Befehlszeilenargumente. Wenn das Eingabeskript des Schätzers keine Befehlszeilenargumente akzeptiert, legen Sie diesen Parameterwert auf eine leere Liste fest.
runconfig_pipeline_params Erforderlich	dict[str, PipelineParameter] Eine Überschreibung von runconfig-Eigenschaften zur Laufzeit unter Verwendung von Schlüssel-Wert-Paaren mit jeweils dem Namen der runconfig-Eigenschaft und dem PipelineParameter für diese Eigenschaft. Unterstützte Werte: „NodeCount“, „MpiProcessCountPerNode“, „TensorflowWorkerCount“, „TensorflowParameterServerCount“
inputs Erforderlich	list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig, PipelineOutputTabularDataset, PipelineOutputFileDataset]] Eine Liste der zu verwendende Eingaben.
outputs Erforderlich	list[Union[PipelineData, PipelineOutputAbstractDataset] Eine Liste von PipelineData-Objekten.
compute_target Erforderlich	Union[DsvmCompute, AmlCompute, RemoteCompute, str] [Erforderlich] Das zu verwendende Computeziel.
allow_reuse Erforderlich	bool Gibt an, ob bei dem Schritt vorherige Ergebnisse wiederverwendet werden sollen, wenn er mit den gleichen Einstellungen erneut ausgeführt wird. Die Wiederverwendung ist standardmäßig aktiviert. Wenn der Schrittinhalt (Skripts/Abhängigkeiten) sowie die Eingaben und Parameter unverändert bleiben, wird die Ausgabe der vorherigen Ausführung dieses Schritts wiederverwendet. Wenn Sie den Schritt wiederverwenden, anstatt den Auftrag zum Berechnen zu übermitteln, werden die Ergebnisse der vorherigen Ausführung sofort für alle nachfolgenden Schritte verfügbar gemacht. Wenn Sie Azure Machine Learning-Datasets als Eingaben verwenden, hängt die Wiederverwendung nicht davon ab, ob sich die zugrunde liegenden Daten geändert haben, sondern davon, ob sich die Definition des Datasets geändert hat.
version Erforderlich	str version

Hinweise

Beachten Sie, dass die Argumente für das im Estimator-Objekt verwendete Einstiegsskript beim Instanziieren eines EstimatorStep als Liste mithilfe des estimator_entry_script_arguments-Parameters angegeben werden müssen. Der Estimator-Parameter script_params akzeptiert ein Wörterbuch. Der estimator_entry_script_argument-Parameter erwartet jedoch die Argumente als Liste.

Die EstimatorStep-Initialisierung umfasst das Angeben einer Liste von Eingaben mit dem inputs-Parameter. Außerdem müssen Sie die Eingaben nicht mit dem Schätzer angeben, da andernfalls eine Ausnahme ausgelöst wird. Die zulässigen Eingabetypen finden Sie unter dem inputs-Parameter. Optional können Sie auch alle Ausgaben für den Schritt angeben. Die zulässigen Ausgabetypen finden Sie unter dem outputs-Parameter.

Als bewährte Methode für die Arbeit mit EstimatorStep gilt die Verwendung eines separaten Ordners für Skripts und alle abhängigen Dateien, die dem Schritt zugeordnet sind, und das Angeben dieses Ordners als source_directory des Estimator-Objekts. Dies bietet zwei Vorteile. Erstens kann die Größe der für den Schritt erstellten Momentaufnahme reduziert werden, da nur die für den Schritt benötigte Momentaufnahme erstellt wird. Zweitens kann die Ausgabe des Schritts aus einer vorherigen Ausführung wiederverwendet werden, wenn keine Änderungen am source_directory vorgenommen wurden, die einen erneuten Upload der Momentaufnahme auslösen würden.

Methoden

create_node

Erstellt einen Knoten aus dem Estimator-Schritt und fügt ihn dem angegebenen Graphen hinzu. VERALTET. Verwenden Sie stattdessen CommandStep. Ein Beispiel finden Sie unter How to run ML training in pipelines with CommandStep (Ausführen von ML-Trainings in Pipelines mit CommandStep). Diese Methode ist nicht für die direkte Nutzung vorgesehen. Wenn eine Pipeline mit diesem Schritt instanziiert wird, werden von Azure ML automatisch die für diese Methode erforderlichen Parameter übergeben, damit der Schritt einem Pipelinegraphen hinzugefügt werden kann, der den Workflow darstellt.

create_node

Erstellt einen Knoten aus dem Estimator-Schritt und fügt ihn dem angegebenen Graphen hinzu.

VERALTET. Verwenden Sie stattdessen CommandStep. Ein Beispiel finden Sie unter How to run ML training in pipelines with CommandStep (Ausführen von ML-Trainings in Pipelines mit CommandStep).

Diese Methode ist nicht für die direkte Nutzung vorgesehen. Wenn eine Pipeline mit diesem Schritt instanziiert wird, werden von Azure ML automatisch die für diese Methode erforderlichen Parameter übergeben, damit der Schritt einem Pipelinegraphen hinzugefügt werden kann, der den Workflow darstellt.

create_node(graph, default_datastore, context)

Parameter

Name	Beschreibung
graph Erforderlich	Graph Das Graphobjekt, dem der Knoten hinzugefügt werden soll.
default_datastore Erforderlich	Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore] Der Standarddatenspeicher.
context Erforderlich	<xref:azureml.pipeline.core._GraphContext> Der Graphkontext.

Gibt zurück

Typ	Beschreibung
Node	Der erstellte Knoten.