TrainingOutput Classe

Définit une sortie spécialisée de certaines étapes de pipeline à utiliser dans un pipeline.

TrainingOutput permet la mise à disposition d’une métrique ou d’un modèle de Machine Learning automatisé comme sortie d’étape à consommer dans un pipeline Azure Machine Learning. Ne peut pas être utilisé avec AutoMLStep ou HyperDriveStep.

Initialiser TrainingOutput.

param model_file : fichier de modèle spécifique à inclure dans la sortie. Pour HyperDriveStep uniquement.

Héritage

builtins.object

TrainingOutput

Constructeur

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

Paramètres

Nom	Description
type Obligatoire	str Type de sortie de formation. Les valeurs possibles sont les suivantes : « Metrics », « Model ».
iteration	int Numéro d’itération du modèle de formation correspondant. Ce numéro d’itération ne peut être fourni qu’avec le type « Model ». Fournit le paramètre iteration ou metric, mais pas les deux. Valeur par défaut: None
metric	str Métrique à utiliser pour renvoyer le meilleur modèle de formation. La métrique ne peut être fournie qu’avec le type « Model ». Fournit le paramètre iteration ou metric, mais pas les deux. Valeur par défaut: None
model_file	str Fichier de modèle spécifique à inclure dans la sortie. Pour HyperDriveStep uniquement. Valeur par défaut: None
type Obligatoire	str Type de sortie de formation. Les valeurs possibles sont les suivantes : « Metrics », « Model ».
iteration Obligatoire	int Numéro d’itération du modèle de formation correspondant. Ce numéro d’itération ne peut être fourni qu’avec le type « Model ». Fournit le paramètre iteration ou metric, mais pas les deux.
metric Obligatoire	str Métrique à utiliser pour renvoyer le meilleur modèle de formation. La métrique ne peut être fournie qu’avec le type « Model ». Fournit le paramètre iteration ou metric, mais pas les deux.

Remarques

TrainingOutput est utilisé avec PipelineData lors de la construction d’un Pipeline pour permettre à d’autres étapes de consommer les métriques ou modèles générés par une étape AutoMLStep ou HyperDriveStep.

Utilisez TrainingOutput lors de la définition d’une étape AutoMLStep comme suit :

   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])

Consultez un exemple d’utilisation de TrainingOutput et d’une étape AutoMlStep dans le notebook https://aka.ms/pl-automl.

Attributs

iteration

Obtient le numéro d’itération du modèle de formation correspondant.

Retours

Type	Description
int	Numéro d’itération du modèle de formation.

metric

Obtient la métrique du meilleur modèle de formation.

Retours

Type	Description
str	Nom de la métrique du meilleur modèle de formation.

model_file

Obtient un modèle à inclure dans la sortie du meilleur modèle de formation.

Retours

Type	Description
str	Fichier particulier à inclure dans la sortie du meilleur modèle de formation.

type

Obtient le type de sortie de formation.

Retours

Type	Description
str	Type de sortie de formation. Les valeurs possibles sont les suivantes : « Metrics », « Model ».