EstimatorStep Clase

EN DESUSO. Crea un paso de canalización que ejecutará Estimator para el entrenamiento del modelo de Azure Machine Learning.

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

EN DESUSO. Use CommandStep en su lugar. Para obtener un ejemplo, vea Cómo ejecutar el entrenamiento de ML en canalizaciones con CommandStep.

Herencia

PythonScriptStep

EstimatorStep

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 de estimador asociado para este paso. Puede ser un estimador preconfigurado, como Chainer, PyTorch, TensorFlow o SKLearn. valor predeterminado: None
estimator_entry_script_arguments	list[str] [Obligatorio] Una 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] Una invalidación de las propiedades runconfig en tiempo de ejecución mediante pares clave-valor cada una 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 usarán. 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 usará. valor predeterminado: None
allow_reuse	bool Indica si el paso debe volver a usar los resultados anteriores cuando se ejecuta con la misma configuración o entrada. La reutilización está habilitada de manera 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 hacen disponibles inmediatamente para 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 Una 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 de estimador asociado para este paso. Puede ser un estimador preconfigurado, como Chainer, PyTorch, TensorFlow o SKLearn.
estimator_entry_script_arguments Requerido	[str] [Obligatorio] Una 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] Una invalidación de las propiedades runconfig en tiempo de ejecución mediante pares clave-valor cada una 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 usarán.
outputs Requerido	list[Union[PipelineData, PipelineOutputAbstractDataset] Lista de objetos PipelineData.
compute_target Requerido	Union[DsvmCompute, AmlCompute, RemoteCompute, str] [Obligatorio] Destino de proceso que se usará.
allow_reuse Requerido	bool Indica si el paso debe volver a usar los resultados anteriores cuando se ejecuta con la misma configuración o entrada. La reutilización está habilitada de manera 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 hacen disponibles inmediatamente para 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 version

Comentarios

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

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

El procedimiento recomendado para trabajar con EstimatorStep es usar una carpeta independiente para los scripts y los archivos dependientes asociados al paso, y especificar esa carpeta como el source_directory del objeto Estimator. Si lo hace, tiene dos ventajas. En primer lugar, ayuda a reducir el tamaño de la instantánea creada para el paso porque solo se crea una instantánea de 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 source_directory que desencadene una nueva carga de la instantánea.

Métodos

create_node

Cree un nodo a partir del paso del estimador y agréguelo al grafo especificado. EN DESUSO. Use CommandStep en su lugar. Para obtener un ejemplo, vea Cómo ejecutar el entrenamiento de ML en canalizaciones con CommandStep. No se debe llamar a este método 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 ese paso se pueda agregar a un gráfico de canalización que represente el flujo de trabajo.

create_node

Cree un nodo a partir del paso del estimador y agréguelo al grafo especificado.

EN DESUSO. Use CommandStep en su lugar. Para obtener un ejemplo, vea Cómo ejecutar el entrenamiento de ML en canalizaciones con CommandStep.

No se debe llamar a este método 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 ese paso se pueda agregar a un gráfico de canalización que represente el flujo de trabajo.

create_node(graph, default_datastore, context)

Parámetros

Nombre	Description
graph Requerido	Graph El objeto de grafo al que se agrega el nodo.
default_datastore Requerido	Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore] El almacén de datos predeterminado.
context Requerido	<xref:azureml.pipeline.core._GraphContext> El contexto del grafo.

Devoluciones

Tipo	Description
Node	El nodo creado.