hyperdrive Paquete

Contiene módulos y clases que admiten el ajuste de hiperparámetros.

Los hiperparámetros son parámetros ajustables que se eligen para el entrenamiento de modelos que guían el proceso de entrenamiento. El paquete de HyperDrive le ayuda a automatizar la elección de estos parámetros. Por ejemplo, puede definir el espacio de búsqueda de parámetros como discreto o continuo, y un método de muestreo en el espacio de búsqueda como aleatorio, de cuadrícula o bayesiano. Además, puede especificar una métrica principal para optimizar en el experimento de ajuste de hiperparámetros y si esa métrica se debe minimizar o maximizar. También puede definir directivas de terminación anticipada en las que se cancelan las ejecuciones de experimentos con un rendimiento deficiente y se inician otras nuevas. Para definir un flujo de trabajo de aprendizaje automático reutilizable para HyperDrive, use hyper_drive_step para crear Pipeline.

Módulos

error_definition

Definiciones de código de error para el SDK de HyperDrive.

error_strings

Colección de cadenas de error usadas en el SDK de HyperDrive.

exceptions

Excepciones producidas por HyperDrive.

parameter_expressions

Define funciones que se pueden usar en HyperDrive para describir un espacio de búsqueda de hiperparámetros.

Estas funciones se usan para especificar diferentes tipos de distribuciones de hiperparámetros. Las distribuciones se definen al configurar el muestreo para un barrido de hiperparámetros. Por ejemplo, cuando se usa la clase RandomParameterSampling, puede elegir muestrear desde un conjunto de valores discretos o una distribución de valores continuos. En este caso, podría usar la función choice para generar un conjunto discreto de valores y una función uniform para generar una distribución de valores continuos.

Para obtener ejemplos del uso de estas funciones, consulte el tutorial: https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters.

Clases

BanditPolicy

Define una directiva de terminación anticipada basada en criterios de Slack y un intervalo de frecuencia e intervalo de retraso para la evaluación.

Inicialice banditPolicy con factor de demora, slack_amount e intervalo de evaluación.

BayesianParameterSampling

Define el muestreo bayesiano en un espacio de búsqueda de hiperparámetros.

El muestreo bayesiano intenta seleccionar inteligentemente la siguiente muestra de hiperparámetros, en función de cómo se realizaron las muestras anteriores, de modo que la nueva muestra mejore la métrica principal notificada.

Inicialice BayesianParameterSampling.

EarlyTerminationPolicy

Clase base abstracta para todas las directivas de terminación anticipada.

Inicialice una directiva de terminación anticipada.

GridParameterSampling

Define el muestreo de cuadrícula en un espacio de búsqueda de hiperparámetros.

Inicialice GridParameterSampling.

HyperDriveConfig

Configuración que define una ejecución de HyperDrive.

La configuración de HyperDrive incluye información sobre el muestreo de espacio de hiperparámetros, la directiva de terminación, la métrica principal, la reanudación de la configuración, el estimador y el destino de proceso en el que se ejecuta el experimento.

Inicialice hyperDriveConfig.

HyperDriveRun

HyperDriveRun contiene los detalles de un experimento de HyperDrive enviado.

Esta clase se puede usar para administrar, comprobar el estado y recuperar los detalles de ejecución de la ejecución de HyperDrive y cada una de las ejecuciones secundarias generadas.

Inicialice una ejecución de HyperDrive.

HyperDriveRunConfig

Configuración que define una ejecución de HyperDrive.

La configuración incluye información sobre el muestreo de espacio de parámetros, la directiva de terminación, la métrica principal, el estimador y el destino de proceso en el que se ejecuta el experimento.

Inicialice hyperDriveConfig.

HyperParameterSampling

Clase base abstracta para todos los algoritmos de muestreo de hiperparámetros.

Esta clase encapsula el espacio de hiperparámetros, el método de muestreo y propiedades adicionales para las clases de muestreo derivadas: BayesianParameterSampling, GridParameterSampling y RandomParameterSampling.

Inicialice HiperparámetrosMuestreo.

MedianStoppingPolicy

Define una directiva de terminación anticipada basada en los promedios de ejecución de la métrica principal de todas las ejecuciones.

Inicialice medianStoppingPolicy.

NoTerminationPolicy

Especifica que no se aplica ninguna directiva de terminación anticipada.

Cada ejecución se ejecutará hasta su finalización.

Inicialice NoTerminationPolicy.

RandomParameterSampling

Define el muestreo aleatorio en un espacio de búsqueda de hiperparámetros.

Inicialice RandomParameterSampling.

TruncationSelectionPolicy

Define una directiva de terminación anticipada que cancela un porcentaje determinado de ejecuciones en cada intervalo de evaluación.

Inicialice un Objeto TruncationSelectionPolicy.

Enumeraciones

PrimaryMetricGoal

Define los objetivos de métrica admitidos para el ajuste de hiperparámetros.

Un objetivo de métrica se usa para determinar si un valor mayor para una métrica es mejor o peor. Los objetivos de métrica se usan al comparar ejecuciones basadas en la métrica principal. Por ejemplo, puede que desee maximizar la precisión o minimizar los errores.

El nombre y el objetivo de la métrica principal se especifican en la clase HyperDriveConfig al configurar una ejecución de HyperDrive.

Funciones

choice

Especifique un conjunto discreto de opciones de las que se muestrea.

choice(*options)

Parámetros

options
list
Requerido

Lista de opciones entre las que elegir.

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

lognormal

Especifique un valor que se extrae según exp(normal(mu, sigma)).

El logaritmo del valor devuelto se distribuye normalmente. Al optimizar, esta variable está restringida a ser positiva.

lognormal(mu, sigma)

Parámetros

mu
float
Requerido

La media de la distribución normal.

sigma
float
Requerido

La desviación estándar de la distribución normal.

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

loguniform

Especifique una distribución uniforme de registro.

Un valor que se extrae según exp(uniform(min_value, max_value)) de forma que el logaritmo del valor devuelto se distribuye uniformemente. Al optimizar, esta variable está restringida al intervalo [exp(min_value), exp(max_value)]

loguniform(min_value, max_value)

Parámetros

min_value
float
Requerido

El valor mínimo del intervalo será exp(min_value) (inclusivo).

max_value
float
Requerido

El valor máximo del intervalo será exp(max_value) (inclusivo).

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

normal

Especifique un valor real que se distribuye normalmente con media mu y desviación estándar sigma.

Al optimizar, se trata de una variable sin restricciones.

normal(mu, sigma)

Parámetros

mu
float
Requerido

La media de la distribución normal.

sigma
float
Requerido

La desviación estándar de la distribución normal.

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

qlognormal

Especifique un valor como round(exp(normal(mu, sigma)) / q) * q.

Adecuado para una variable discreta con respecto a la cual el objetivo es suave y se suaviza con el tamaño de la variable, que está delimitada desde un lado.

qlognormal(mu, sigma, q)

Parámetros

mu
float
Requerido

La media de la distribución normal.

sigma
float
Requerido

La desviación estándar de la distribución normal.

q
int
Requerido

El factor de suavizado.

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

qloguniform

Especifique una distribución uniforme del formato round(exp(uniform(min_value, max_value) / q) * q.

Esto es adecuado para una variable discreta con respecto a la cual el objetivo es "smooth" y se suaviza con el tamaño del valor, pero que se debe delimitar por encima y por debajo.

qloguniform(min_value, max_value, q)

Parámetros

min_value
float
Requerido

El valor mínimo del intervalo (inclusivo).

max_value
float
Requerido

El valor máximo del intervalo (inclusivo).

q
int
Requerido

El factor de suavizado.

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

qnormal

Especifique un valor como round(normal(mu, sigma) / q) * q.

Adecuado para una variable discreta que probablemente toma un valor alrededor de mu, pero está fundamentalmente sin enlazar.

qnormal(mu, sigma, q)

Parámetros

mu
float
Requerido

La media de la distribución normal.

sigma
float
Requerido

La desviación estándar de la distribución normal.

q
int
Requerido

El factor de suavizado.

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

quniform

Especifique una distribución uniforme del formato round(uniform(min_value, max_value) / q) * q.

Esto es adecuado para un valor discreto con respecto al cual el objetivo sigue siendo algo "smooth", pero que se debe delimitar por encima y por debajo.

quniform(min_value, max_value, q)

Parámetros

min_value
float
Requerido

El valor mínimo del intervalo (inclusivo).

max_value
float
Requerido

El valor máximo del intervalo (inclusivo).

q
int
Requerido

El factor de suavizado.

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

randint

Especifique un conjunto de enteros aleatorios en el intervalo [0, superior).

La semántica de esta distribución es que no hay más correlación en la función de pérdida entre los valores enteros cercanos, en comparación con los valores enteros más lejanos. Se trata de una distribución adecuada para describir los valores de inicialización aleatorios, por ejemplo. Si la función de pérdida está más correlacionada para los valores enteros cercanos, probablemente debería usar una de las distribuciones continuas "cuantificadas", como quniform, qloguniform, qnormal o qlognormal.

randint(upper)

Parámetros

upper
int
Requerido

El límite superior exclusivo para el intervalo de enteros.

Devoluciones

Expresión estocástica.

Tipo de valor devuelto

uniform

Especifique una distribución uniforme de la que se toman las muestras.

uniform(min_value, max_value)

Parámetros

min_value
float
Requerido

El valor mínimo del intervalo (inclusivo).

max_value
float
Requerido

El valor máximo del intervalo (inclusivo).

Devoluciones

Expresión estocástica.

Tipo de valor devuelto