EstimatorStep Clase

OBSOLESCENTE. Crea un paso de canalización que se va a ejecutar para el Estimator entrenamiento del modelo de Azure ML.

Cree un paso de canalización de Azure ML para ejecutar el estimador para el entrenamiento del modelo de Machine Learning.

OBSOLESCENTE. Use en CommandStep su lugar. Para obtener un ejemplo, consulte Ejecución del entrenamiento de ML en canalizaciones con CommandStep.

Constructor

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)

Parámetros

Nombre	Description
name	str Nombre del paso. Valor predeterminado: None
estimator	Estimator Objeto estimador asociado para este paso. Puede ser un estimador preconfigurado, como Chainer, PyTorch, TensorFlowo SKLearn. Valor predeterminado: None
estimator_entry_script_arguments	list[str] [Obligatorio] Lista de argumentos de la línea de comandos. Si el script de entrada del estimador no acepta argumentos de línea de comandos, establezca este valor de parámetro en una lista vacía. Valor predeterminado: None
runconfig_pipeline_params	dict[str, PipelineParameter] Invalidación de las propiedades runconfig en tiempo de ejecución mediante pares clave-valor, cada uno con el nombre de la propiedad runconfig y PipelineParameter para esa propiedad. Valores admitidos: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount' Valor predeterminado: None
inputs	list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig]] Lista de entradas que se van a usar. Valor predeterminado: None
outputs	list[Union[PipelineData, OutputDatasetConfig, PipelineOutputAbstractDataset]] Lista de objetos PipelineData. Valor predeterminado: None
compute_target	Union[DsvmCompute, AmlCompute, RemoteCompute, str] [Obligatorio] Destino de proceso que se va a usar. Valor predeterminado: None
allow_reuse	bool Indica si el paso debe reutilizar los resultados anteriores al volver a ejecutarse con la misma configuración. La reutilización está habilitada de forma predeterminada. Si el contenido del paso (scripts o dependencias), así como las entradas y los parámetros permanecen sin cambios, se reutiliza la salida de la ejecución anterior de este paso. Al volver a usar el paso, en lugar de enviar el trabajo al proceso, los resultados de la ejecución anterior se pone inmediatamente a disposición de los pasos posteriores. Si usa conjuntos de datos de Azure Machine Learning como entradas, la reutilización viene determinada por si la definición del conjunto de datos ha cambiado, no por si los datos subyacentes han cambiado. Valor predeterminado: True
version	str Etiqueta de versión opcional para indicar un cambio en la funcionalidad del módulo. Valor predeterminado: None
name Requerido	str Nombre del paso.
estimator Requerido	<xref:Estimator> Objeto estimador asociado para este paso. Puede ser un estimador preconfigurado, como Chainer, PyTorch, TensorFlowo SKLearn.
estimator_entry_script_arguments Requerido	[str] [Obligatorio] Lista de argumentos de la línea de comandos. Si el script de entrada del estimador no acepta argumentos de línea de comandos, establezca este valor de parámetro en una lista vacía.
runconfig_pipeline_params Requerido	dict[str, PipelineParameter] Invalidación de las propiedades runconfig en tiempo de ejecución mediante pares clave-valor, cada uno con el nombre de la propiedad runconfig y PipelineParameter para esa propiedad. Valores admitidos: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount'
inputs Requerido	list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig, PipelineOutputTabularDataset, PipelineOutputFileDataset]] Lista de entradas que se van a usar.
outputs Requerido	list[Union[PipelineData, PipelineOutputAbstractDataset] Lista de objetos PipelineData.
compute_target Requerido	Union[DsvmCompute, AmlCompute, RemoteCompute, str] [Obligatorio] Destino de proceso que se va a usar.
allow_reuse Requerido	bool Indica si el paso debe reutilizar los resultados anteriores al volver a ejecutarse con la misma configuración. La reutilización está habilitada de forma predeterminada. Si el contenido del paso (scripts o dependencias), así como las entradas y los parámetros permanecen sin cambios, se reutiliza la salida de la ejecución anterior de este paso. Al volver a usar el paso, en lugar de enviar el trabajo al proceso, los resultados de la ejecución anterior se pone inmediatamente a disposición de los pasos posteriores. Si usa conjuntos de datos de Azure Machine Learning como entradas, la reutilización viene determinada por si la definición del conjunto de datos ha cambiado, no por si los datos subyacentes han cambiado.
version Requerido	str Versión

Comentarios

Tenga en cuenta que los argumentos para el script de entrada usado en el Estimator objeto deben especificarse como lista mediante el estimator_entry_script_arguments parámetro al crear una instancia de EstimatorStep. El parámetro script_params Estimator acepta un diccionario. Sin embargo, estimator_entry_script_argument el parámetro espera argumentos como una lista.

La inicialización EstimatorStep implica especificar una lista de entradas con el inputs parámetro y no es necesario especificar las entradas con el estimador, se producirá una excepción si lo hace. Consulte el inputs parámetro para conocer los tipos de entradas permitidas. También puede especificar opcionalmente las salidas del paso. Consulte el outputs parámetro para conocer los tipos de salidas permitidas.

El procedimiento recomendado para trabajar con EstimatorStep es usar una carpeta independiente para scripts y los archivos dependientes asociados al paso y especificar esa carpeta como la Estimator del source_directoryobjeto . Esto tiene dos ventajas. En primer lugar, ayuda a reducir el tamaño de la instantánea creada para el paso porque solo se instantánea lo que se necesita para el paso. En segundo lugar, la salida del paso de una ejecución anterior se puede reutilizar si no hay ningún cambio en que source_directory desencadenaría una nueva carga del snaphot.

Métodos

create_node

Cree un nodo a partir del paso Estimador y agréguelo al gráfico especificado. OBSOLESCENTE. Use en CommandStep su lugar. Para obtener un ejemplo, consulte Ejecución del entrenamiento de ML en canalizaciones con CommandStep. Este método no está pensado para usarse directamente. Cuando se crea una instancia de una canalización con este paso, Azure ML pasa automáticamente los parámetros necesarios a través de este método para que el paso se pueda agregar a un grafo de canalización que represente el flujo de trabajo.

create_node

Cree un nodo a partir del paso Estimador y agréguelo al gráfico especificado.

OBSOLESCENTE. Use en CommandStep su lugar. Para obtener un ejemplo, consulte Ejecución del entrenamiento de ML en canalizaciones con CommandStep.

Este método no está pensado para usarse directamente. Cuando se crea una instancia de una canalización con este paso, Azure ML pasa automáticamente los parámetros necesarios a través de este método para que el paso se pueda agregar a un grafo de canalización que represente el flujo de trabajo.

create_node(graph, default_datastore, context)

Parámetros

Nombre	Description
graph Requerido	Graph Objeto de grafo al que se va a agregar el nodo.
default_datastore Requerido	Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore] Almacén de datos predeterminado.
context Requerido	<xref:azureml.pipeline.core._GraphContext> Contexto del grafo.

Devoluciones

Tipo	Description
Node	Nodo creado.