Compartir a través de


RunDetails Clase

Representa un widget de Jupyter Notebook que se usa para ver el progreso del entrenamiento del modelo.

Un widget es asincrónico y proporciona actualizaciones hasta que finaliza el entrenamiento.

Inicialice el widget con la instancia de ejecución proporcionada.

Herencia
builtins.object
RunDetails

Constructor

RunDetails(run_instance)

Parámetros

Nombre Description
run_instance
Requerido
Run

Ejecute la instancia para la que se representará el widget.

run_instance
Requerido
Run

Ejecute la instancia para la que se representará el widget.

Comentarios

Un widget de Azure ML Jupyter Notebook muestra el progreso del entrenamiento del modelo, incluidas las propiedades, los registros y las métricas. El tipo de widget seleccionado se deduce implícitamente de run_instance. No es necesario establecerlo explícitamente. Use el método show para empezar a representar el widget. Si el widget no está instalado, verá en su lugar un vínculo para ver el contenido en una nueva página del explorador. Después de iniciar un experimento, también puede ver el progreso del entrenamiento del modelo en Azure Portal mediante el método get_portal_url() de la clase Run.

En el ejemplo siguiente se muestra cómo crear un widget e iniciarlo:


   from azureml.widgets import RunDetails

   RunDetails(remote_run).show()

El ejemplo completo está disponible en https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/automated-machine-learning/classification-credit-card-fraud/auto-ml-classification-credit-card-fraud.ipynb.

Se admiten los siguientes tipos de ejecución:

  • StepRun: muestra las propiedades de ejecución, los registros de salida y las métricas.

  • HyperDriveRun: muestra las propiedades de ejecución primaria, los registros, las ejecuciones secundarias, el gráfico de métricas principal y el gráfico de coordenadas paralelo de hiperparámetros.

  • AutoMLRun: muestra las ejecuciones secundarias y el gráfico de métricas principales con la opción de seleccionar métricas concretas.

  • PipelineRun: muestra los nodos en ejecución y no en ejecución de una canalización junto con la representación gráfica de nodos y bordes.

  • ReinforcementLearningRun: muestra el estado de las ejecuciones en tiempo real. El aprendizaje de refuerzo de Azure Machine Learning es actualmente una característica que está en versión preliminar. Para obtener más información, consulte Aprendizaje de refuerzo con Azure Marchine Learning.

El paquete azureml-widgets se instala al instalar el SDK de Azure Machine Learning. Sin embargo, es posible que se necesite alguna instalación adicional en función del entorno.

  • Cuadernos de Jupyter Notebook: los cuadernos locales y en la nube son totalmente compatibles, con interactividad, actualizaciones automáticas asincrónicas y ejecución de celdas sin bloqueo.

  • JupyterLab: es posible que se necesite alguna instalación adicional.

    1. Compruebe que el paquete azure-widgets está instalado y, si no es así, instálalo.

      
         sudo -i pip install azureml-widgets
      
    2. Instale la extensión JupyterLab.

      
         sudo -i jupyter labextension install @jupyter-widgets/jupyterlab-manager
      
    3. Después de la instalación, reinicie el kernel en todos los cuadernos que se están ejecutando actualmente.

      
         jupyter labextension list
      
  • Databricks: compatibilidad parcial con widgets de Juypter Notebook. Cuando use el widget, se mostrará un vínculo para ver el contenido en una nueva página del explorador. Use show con el parámetro render_lib establecido en "displayHTML".

Métodos

get_widget_data

Recupere y transforme los datos del historial de ejecución que va a representar el widget. También se usa con fines de depuración.

show

Represente el widget e inicie el subproceso para actualizar el widget.

get_widget_data

Recupere y transforme los datos del historial de ejecución que va a representar el widget. También se usa con fines de depuración.

get_widget_data(widget_settings=None)

Parámetros

Nombre Description
widget_settings

Configuración que se aplicará al widget. Configuración admitida: "debug" (un valor booleano).

Valor predeterminado: None

Devoluciones

Tipo Description

Diccionario que contiene los datos que va a representar el widget.

show

Represente el widget e inicie el subproceso para actualizar el widget.

show(render_lib=None, widget_settings=None)

Parámetros

Nombre Description
render_lib
<xref:func>

Biblioteca que se usará para la representación. Solo se requiere para Databricks con el valor "displayHTML".

Valor predeterminado: None
widget_settings

Configuración que se aplicará al widget. Configuración admitida: "debug" (un valor booleano).

Valor predeterminado: None