TrainingOutput Clase
Define una salida especializada de determinados PipelineSteps para su uso en una canalización.
TrainingOutput permite que un modelo o métrica de aprendizaje automático automatizado esté disponible como salida paso a paso para que lo consuma otro paso de una canalización de Azure Machine Learning. Se puede usar con las propiedades AutoMLStep o HyperDriveStep.
Inicializar TrainingOutput.
param model_file: el archivo de modelo específico que se va a incluir en la salida. Solo para HyperDriveStep.
- Herencia
-
builtins.objectTrainingOutput
Constructor
TrainingOutput(type, iteration=None, metric=None, model_file=None)
Parámetros
- type
- str
El tipo de salida de entrenamiento. Entre los valores posibles se incluyen: "Métricas", "Modelo".
- iteration
- int
El número de iteración del modelo de entrenamiento correspondiente.
Este número de iteración solo se puede proporcionar con el tipo "Modelo".
Proporcione el parámetro iteration
o metric
, pero no ambos.
- metric
- str
La métrica que se usará para devolver el mejor modelo de entrenamiento.
La métrica solo se puede proporcionar con el tipo "Modelo".
Proporcione el parámetro iteration
o metric
, pero no ambos.
- model_file
- str
Archivo de modelo específico que se va a incluir en la salida. Solo para HyperDriveStep.
- type
- str
El tipo de salida de entrenamiento. Entre los valores posibles se incluyen: "Métricas", "Modelo".
- iteration
- int
El número de iteración del modelo de entrenamiento correspondiente.
Este número de iteración solo se puede proporcionar con el tipo "Modelo".
Proporcione el parámetro iteration
o metric
, pero no ambos.
- metric
- str
La métrica que se usará para devolver el mejor modelo de entrenamiento.
La métrica solo se puede proporcionar con el tipo "Modelo".
Proporcione el parámetro iteration
o metric
, pero no ambos.
Comentarios
TrainingOutput se usa con PipelineData al construir Pipeline para permitir que otros pasos consuman las métricas o los modelos generados por AutoMLStep o HyperDriveStep.
Use TrainingOutput al definir AutoMLStep como se muestra a continuación:
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])
Vea un ejemplo de uso de TrainingOutput y un paso AutoMlStep en el cuaderno https://aka.ms/pl-automl.
Atributos
iteration
Obtiene el número de iteración del modelo de entrenamiento correspondiente.
Devoluciones
Número de iteración para el modelo de entrenamiento.
Tipo de valor devuelto
metric
Obtenga la métrica para obtener el mejor modelo de entrenamiento.
Devoluciones
Nombre de la métrica para el mejor modelo de entrenamiento.
Tipo de valor devuelto
model_file
Obtenga un archivo de modelo que se incluirá en la salida para obtener el mejor modelo de entrenamiento.
Devoluciones
Un archivo determinado que se va a incluir en la salida del mejor modelo de entrenamiento.
Tipo de valor devuelto
type
Obtenga el tipo de salida de entrenamiento.
Devoluciones
Tipo de salida de entrenamiento. Entre los valores posibles se incluyen: "Métricas", "Modelo".
Tipo de valor devuelto
Comentarios
https://aka.ms/ContentUserFeedback.
Próximamente: A lo largo de 2024 iremos eliminando gradualmente GitHub Issues como mecanismo de comentarios sobre el contenido y lo sustituiremos por un nuevo sistema de comentarios. Para más información, vea:Enviar y ver comentarios de