TrainingOutput Clase

  • Referencia

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.object
TrainingOutput

Constructor

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

Parámetros

type
str
Requerido

El tipo de salida de entrenamiento. Entre los valores posibles se incluyen: "Métricas", "Modelo".

iteration
int
valor predeterminado: None

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
valor predeterminado: None

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
valor predeterminado: None

Archivo de modelo específico que se va a incluir en la salida. Solo para HyperDriveStep.

type
str
Requerido

El tipo de salida de entrenamiento. Entre los valores posibles se incluyen: "Métricas", "Modelo".

iteration
int
Requerido

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
Requerido

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

int

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

str

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

str

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

str