Run Osztály
Meghatározza az összes Azure Machine Learning-kísérlet alaposztályát.
A futtatás egy kísérlet egyetlen próbaverzióját jelenti. A futtatások a próbaverzió aszinkron végrehajtásának, a naplómetrikáknak és a próbaverzió kimenetének tárolására, valamint a próbaverzió által generált eredmények és összetevők elemzésére szolgálnak.
A futtatási objektumok akkor jönnek létre, amikor szkriptet küld egy modell betanítása érdekében az Azure Machine Learning számos különböző forgatókönyvében, beleértve a HyperDrive-futtatásokat, a folyamatfuttatásokat és az AutoML-futtatásokat. A run objektum akkor is létrejön, ha Ön submit vagy start_logging az Experiment osztály.
A kísérletek és a futtatások első lépéseit lásd:
Inicializálja a Run objektumot.
Konstruktor
Run(experiment, run_id, outputs=None, **kwargs)Paraméterek
| Name | Description |
|---|---|
|
experiment
Kötelező
|
A benne lévő kísérlet. |
|
run_id
Kötelező
|
A futtatás azonosítója. |
|
outputs
|
A nyomon követendő kimenetek. Alapértelmezett érték: None
|
|
_run_dto
Kötelező
|
<xref:azureml._restclient.models.run_dto.RunDto>
Csak belső használatra. |
|
kwargs
Kötelező
|
További konfigurációs paraméterek szótára. |
|
experiment
Kötelező
|
A benne lévő kísérlet. |
|
run_id
Kötelező
|
A futtatás azonosítója. |
|
outputs
Kötelező
|
A nyomon követendő kimenetek. |
|
kwargs
Kötelező
|
További konfigurációs paraméterek szótára. |
Megjegyzések
A futtatás egy kísérlet egyetlen próbaverzióját jelenti. A run objektum a próbaverzió aszinkron végrehajtásának figyelésére, a naplómetrikák és a próbaverzió kimenetének tárolására, valamint a próbaverzió által létrehozott eredmények elemzésére és az összetevők elérésére szolgál.
A futtatás a kísérletezési kódban a metrikák és összetevők naplózására szolgál a Run History szolgáltatásban.
A futtatás a kísérleteken kívül a folyamat figyelésére, valamint a létrehozott metrikák és eredmények lekérdezésére és elemzésére szolgál.
A Futtatás funkció a következőket tartalmazza:
Metrikák és adatok tárolása és lekérése
Fájlok feltöltése és letöltése
Címkék és gyermekhierarchia használata a korábbi futtatások egyszerű kereséséhez
Tárolt modellfájlok üzembe helyezhető modellként való regisztrálása
Futtatás tulajdonságainak tárolása, módosítása és beolvasása
Az aktuális futtatás betöltése távoli környezetből a get_context módszerrel
Fájl vagy könyvtár hatékony pillanatképezése a reprodukálhatóság érdekében
Ez az osztály az Experiment alábbi helyzetekben működik:
Futtatás létrehozása kód végrehajtásával submit
Futtatás interaktív létrehozása jegyzetfüzetben a következő használatával: start_logging
Metrikák naplózása és összetevők feltöltése a kísérletben, például a log
Metrikák olvasása és összetevők letöltése a kísérleti eredmények elemzésekor, például a get_metrics
Futtatás elküldéséhez hozzon létre egy konfigurációs objektumot, amely leírja a kísérlet futtatásának módját. Íme néhány példa a különböző konfigurációs objektumokra, amelyeket használhat:
azureml.train.automl.automlconfig.AutoMLConfig
azureml.train.hyperdrive.HyperDriveConfig
azureml.pipeline.core.Pipeline
azureml.pipeline.core.PublishedPipeline
azureml.pipeline.core.PipelineEndpoint
A kísérlet betanítása során az alábbi metrikák vehetők fel egy futtatásba.
Skaláris
Adjon meg egy numerikus vagy sztringértéket a futtatáshoz a megadott névvel a következő használatával log: . Ha egy metrikát futtatásra naplóz, az azt eredményezi, hogy a metrika a kísérlet futási rekordjában lesz tárolva. Ugyanazt a metrikát futtatáson belül többször is naplózhatja, az eredményt pedig a metrika vektorának tekinti.
Példa:
run.log("accuracy", 0.95)
Lista
Naplózza az értékek listáját a futtatásba a megadott névvel a következő használatával log_list: .
Példa:
run.log_list("accuracies", [0.6, 0.7, 0.87])
Sor
A használatával log_row több oszlopot tartalmazó metrikát hoz létre a cikkben
kwargsleírtak szerint. Minden elnevezett paraméter létrehoz egy oszlopot a megadott értékkel.log_rowegyszer meghívható egy tetszőleges rekord naplózásához, vagy egy ciklusban többször is egy teljes tábla létrehozásához.Példa:
run.log_row("Y over X", x=1, y=0.4)
Táblázat
Naplózhat egy szótárobjektumot a futtatásra a megadott névvel a következő használatával log_table: .
Példa:
run.log_table("Y over X", {"x":[1, 2, 3], "y":[0.6, 0.7, 0.89]})
Image
Lemezkép naplózása a futtatási rekordba. Képfájl vagy matplotlib-diagram futtatásához használható log_image . Ezek a képek láthatóak és összehasonlíthatók lesznek a futtatási rekordban.
Példa:
run.log_image("ROC", path)
Metódusok
| add_properties |
Módosíthatatlan tulajdonságok hozzáadása a futtatáshoz. A címkék és a tulajdonságok (mind a dict[str, str]) eltérnek a módosíthatóságuktól. A tulajdonságok nem módosíthatók, ezért naplózás céljából állandó rekordot hoznak létre. A címkék nem módosíthatók. A címkék és tulajdonságok használatával kapcsolatos további információkért tekintse meg a Címkék és a Futtatások keresése című témakört. |
| add_type_provider |
Bővíthetőségi horog a futtatási előzményekben tárolt egyéni futtatási típusokhoz. |
| cancel |
A futtatás megjelölése megszakítottként. Ha egy megadott cancel_uri mezőhöz társított feladat van, állítsa le a feladatot is. |
| child_run |
Gyermekfuttatás létrehozása. |
| clean |
Távolítsa el az aktuális futtatásnak megfelelő fájlokat a futtatási konfigurációban megadott célon. |
| complete |
Várjon, amíg a feladatsor feldolgozásra kerül. Ezután a futtatás befejezettként lesz megjelölve. Ezt általában interaktív jegyzetfüzet-forgatókönyvekben használják. |
| create_children |
Hozzon létre egy vagy több gyermekfuttatást. |
| download_file |
Töltsön le egy társított fájlt a tárolóból. |
| download_files |
Fájlok letöltése egy adott tárolási előtagból (mappanév) vagy a teljes tárolóból, ha az előtag nincs meghatározva. |
| fail |
A futtatás megjelölése sikertelenként. Igény szerint állítsa be a futtatás Hiba tulajdonságát egy üzenettel vagy kivétellel, amely a következőnek lett átadva |
| flush |
Várjon, amíg a feladatsor feldolgozásra kerül. |
| get |
A munkaterület futtatásának lekérése a futtatási azonosítójával. |
| get_all_logs |
Töltse le a futtatás összes naplóit egy könyvtárba. |
| get_children |
A megadott szűrők által kiválasztott aktuális futtatás összes gyermekének lekérése. |
| get_context |
Az aktuális szolgáltatási környezet visszaadva. Ezzel a módszerrel lekérheti az aktuális szolgáltatási környezetet a metrikák naplózásához és a fájlok feltöltéséhez. Ha |
| get_detailed_status |
A futtatás legújabb állapotának lekérése. Ha a futtatás állapota "Várólistán" állapotú, az megjeleníti a részleteket. |
| get_details |
Lekérheti a definíciót, az állapotadatokat, az aktuális naplófájlokat és a futtatás egyéb adatait. |
| get_details_with_logs |
A futtatás állapotának visszaadása a naplófájl tartalmával együtt. |
| get_environment |
Szerezze be a futtatás által használt környezetdefiníciót. |
| get_file_names |
Listázhatja a futtatással társítva tárolt fájlokat. |
| get_metrics |
Kérje le a futtatásra naplózott metrikákat. Ha |
| get_properties |
A futtatás legújabb tulajdonságainak lekérése a szolgáltatásból. |
| get_secret |
A titkos kód értékének lekérése a futtatás környezetéből. Kérje le a megadott név titkos értékét. A titkos kód neve a munkaterülethez társított Azure Key Vaultban tárolt értékre hivatkozik. A titkos kódok használatára vonatkozó példa: Titkos kódok használata a betanítási futtatásokban. |
| get_secrets |
A titkos nevek adott listájának titkos értékeinek lekérése. A megadott nevek listájához szerezze be a talált és nem talált titkos kulcsokat tartalmazó szótárt. Minden titkos kódnév egy, a munkaterülethez társított Azure Key Vaultban tárolt értékre hivatkozik. A titkos kódok használatára vonatkozó példa: Titkos kódok használata a betanítási futtatásokban. |
| get_snapshot_id |
Szerezze be a legújabb pillanatkép-azonosítót. |
| get_status |
A futtatás legújabb állapotának lekérése. A visszaadott értékek közé tartozik a "Futtatás", a "Kész" és a "Sikertelen". |
| get_submitted_run |
ELAVULT. Használja a get_context. A kísérlethez beküldött futtatás lekérése. |
| get_tags |
Kérje le a futtatáskor a legújabb mutable címkéket a szolgáltatásból. |
| list |
Lekérheti az opcionális szűrők által megadott kísérlet futtatásainak listáját. |
| list_by_compute |
Lekérheti az opcionális szűrők által megadott számításban lévő futtatások listáját. |
| log |
Naplózhat egy metrikaértéket a futtatásba a megadott névvel. |
| log_accuracy_table |
Naplózza a pontossági táblát az összetevőtárolóba. A pontosságtáblázat metrika egy többszörös használatú, nem skaláris metrika, amely több vonaldiagram-típus előállítására használható, amelyek folyamatosan változnak az előrejelzett valószínűségek terétől függően. Ilyen diagramok például a ROC, a pontosság-visszahívás és az emelési görbék. A pontossági táblázat számítása hasonló a ROC-görbe kiszámításához. A ROC-görbék a valós pozitív arányokat és a hamis pozitív arányokat számos különböző valószínűségi küszöbértéken tárolják. A pontossági táblázat a valódi pozitívok, a hamis pozitívok, a valódi negatívok és a hamis negatívok nyers számát számos valószínűségi küszöbértéken tárolja. A küszöbértékek kiválasztására két módszer használható: a "valószínűség" és a "percentilis". Különböznek az előrejelzett valószínűségek térbeli mintavételi módjától. A valószínűségi küszöbértékek 0 és 1 közötti, egyenletesen elosztott küszöbértékek. Ha NUM_POINTS 5, a valószínűségi küszöbértékek [0,0, 0,25, 0,5, 0,75, 1,0]. A percentilis küszöbértékek az előrejelzett valószínűségek eloszlása szerint vannak elosztva. Minden küszöbérték egy valószínűségi küszöbértékben az adatok percentilisének felel meg. Ha például NUM_POINTS 5, akkor az első küszöbérték a 0. percentilis, a második a 25. percentilis, a harmadik az 50., és így tovább. A valószínűségtáblák és a percentilistáblák egyaránt 3D-listák, ahol az első dimenzió az osztálycímkét, a második dimenzió a mintát egy küszöbértéknél (skálázás NUM_POINTS) jelöli, a harmadik dimenzió pedig mindig 4 értékkel rendelkezik: TP, FP, TN, FN és mindig ebben a sorrendben. A keveredési értékek (TP, FP, TN, FN) az egy és a többi stratégiával vannak kiszámítva. További részletekért tekintse meg az alábbi hivatkozást: https://en.wikipedia.org/wiki/Multiclass_classification N = az érvényesítési adathalmaz mintáinak száma (például 200) M = # küszöbértékek = # a valószínűségi térből vett minták (például 5) C = # osztályok a teljes adatkészletben (3 a példában) A pontossági táblázat néhány invariánsa:
Megjegyzés: M bármilyen érték lehet, és szabályozza a diagramok felbontását Ez független az adathalmaztól, a metrikák kiszámításakor van meghatározva, és kicseréli a tárterületet, a számítási időt és a felbontást. Az osztályfeliratoknak sztringeknek, a keveredési értékeknek egész számoknak, a küszöbértékeknek pedig lebegőpontosnak kell lenniük. |
| log_confusion_matrix |
Kavarodási mátrix naplózása az összetevőtárolóba. Ez naplózza a burkolót a sklearn keveredési mátrix körül. A metrikaadatok tartalmazzák az osztályfeliratokat és magának a mátrixnak a 2D-listáját. A metrikák számítási módjával kapcsolatos további részletekért tekintse meg az alábbi hivatkozást: https://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html |
| log_image |
Naplózhat egy képmetrikát a futtatási rekordba. |
| log_list |
Naplózza a metrikaértékek listáját a futtatáshoz a megadott névvel. |
| log_predictions |
Napló-előrejelzések az összetevőtárolóba. Ez naplóz egy metrikapontot, amely a valódi célértékek eloszlásának összehasonlítására használható a regressziós tevékenység előrejelzett értékeinek eloszlásával. Az előrejelzések rögzítettek, a szórások pedig a vonaldiagram hibasávjaihoz lesznek kiszámítva. |
| log_residuals |
Naplózhatja a reziduálisokat az összetevőtárolóba. Ez naplózza a regressziós feladat reziduálisainak hisztogramjának megjelenítéséhez szükséges adatokat. A reziduálisok előrejelzése – tényleges. A darabszámnál egynél több élnek kell lennie. Tekintse meg a numpy hisztogram dokumentációját, amely példákat mutat be a hisztogramok számának és éleinek ábrázolására. https://docs.scipy.org/doc/numpy/reference/generated/numpy.histogram.html |
| log_row |
Naplózhat egy sormetrikát a futtatáshoz a megadott névvel. |
| log_table |
Naplózhat egy táblametrikát a futtatásba a megadott névvel. |
| register_model |
Modell regisztrálása az üzemeltetéshez. |
| remove_tags |
Törölje a futtatás során a táblacímkék listáját. |
| restore_snapshot |
Pillanatkép visszaállítása ZIP-fájlként. A ZIP elérési útját adja vissza. |
| set_tags |
Címkéket adhat hozzá vagy módosíthat a futtatás során. A szótárban nem átadott címkék érintetlenek maradnak. Egyszerű sztringcímkéket is hozzáadhat. Ha ezek a címkék kulcsként jelennek meg a címkeszótárban, a címkék értéke Nincs. További információ: Címke és futtatások keresése. |
| start |
A futtatás megjelölése indításként. Ezt általában speciális forgatókönyvekben használják, ha a futtatás egy másik szereplő által lett létrehozva. |
| submit_child |
Küldjön be egy kísérletet, és adja vissza az aktív gyermekfuttatást. |
| tag |
A futtatás címkézése karakterlánc-kulccsal és opcionális sztringértékkel. |
| take_snapshot |
Mentse a bemeneti fájl vagy mappa pillanatképét. |
| upload_file |
Töltsön fel egy fájlt a futtatási rekordba. |
| upload_files |
Fájlok feltöltése a futtatási rekordba. |
| upload_folder |
Töltse fel a megadott mappát a megadott előtagnévre. |
| wait_for_completion |
Várja meg a futtatás befejezését. A várakozás után visszaadja az állapotobjektumot. |
add_properties
Módosíthatatlan tulajdonságok hozzáadása a futtatáshoz.
A címkék és a tulajdonságok (mind a dict[str, str]) eltérnek a módosíthatóságuktól. A tulajdonságok nem módosíthatók, ezért naplózás céljából állandó rekordot hoznak létre. A címkék nem módosíthatók. A címkék és tulajdonságok használatával kapcsolatos további információkért tekintse meg a Címkék és a Futtatások keresése című témakört.
add_properties(properties)Paraméterek
| Name | Description |
|---|---|
|
properties
Kötelező
|
A futtatási objektumban tárolt rejtett tulajdonságok. |
add_type_provider
Bővíthetőségi horog a futtatási előzményekben tárolt egyéni futtatási típusokhoz.
static add_type_provider(runtype, run_factory)Paraméterek
| Name | Description |
|---|---|
|
runtype
Kötelező
|
Annak a Run.type értéknek az értéke, amelyhez a gyárat meghívja a rendszer. Ilyen például a "hyperdrive" vagy az "azureml.scriptrun", de egyéni típusok is bővíthetők. |
|
run_factory
Kötelező
|
<xref:function>
Aláírással rendelkező függvény (Kísérlet, RunDto) –> Futtatás a futtatások listázásakor meghívandó. |
cancel
A futtatás megjelölése megszakítottként.
Ha egy megadott cancel_uri mezőhöz társított feladat van, állítsa le a feladatot is.
cancel()child_run
Gyermekfuttatás létrehozása.
child_run(name=None, run_id=None, outputs=None)Paraméterek
| Name | Description |
|---|---|
|
name
|
A gyermekfuttatás opcionális neve, amely általában egy "részhez" van megadva. Alapértelmezett érték: None
|
|
run_id
|
A gyermek opcionális futtatási azonosítója, ellenkező esetben automatikusan létre lesz hozva. Ez a paraméter általában nincs beállítva. Alapértelmezett érték: None
|
|
outputs
|
Választható kimenetek könyvtára a gyermek nyomon követéséhez. Alapértelmezett érték: None
|
Válaszok
| Típus | Description |
|---|---|
|
A gyermek fut. |
Megjegyzések
Ez egy részszakaszba való futtatás egy részének elkülönítésére szolgál. Ez egy futtatás azonosítható "részeire" használható, amelyek érdekesek a szétválasztáshoz, vagy független metrikák rögzítéséhez egy alfolyamat interációja során.
Ha a gyermekfuttatáshoz kimeneti könyvtár van beállítva, a rendszer a gyermek futtatásakor feltölti annak tartalmát a gyermekfuttatási rekordba.
clean
Távolítsa el az aktuális futtatásnak megfelelő fájlokat a futtatási konfigurációban megadott célon.
clean()Válaszok
| Típus | Description |
|---|---|
|
Törölt fájlok listája. |
complete
Várjon, amíg a feladatsor feldolgozásra kerül.
Ezután a futtatás befejezettként lesz megjelölve. Ezt általában interaktív jegyzetfüzet-forgatókönyvekben használják.
complete(_set_status=True)Paraméterek
| Name | Description |
|---|---|
|
_set_status
|
Azt jelzi, hogy elküldi-e az állapoteseményt nyomon követés céljából. Alapértelmezett érték: True
|
create_children
Hozzon létre egy vagy több gyermekfuttatást.
create_children(count=None, tag_key=None, tag_values=None)Paraméterek
| Name | Description |
|---|---|
|
count
|
Tetszőleges számú gyermek létrehozása. Alapértelmezett érték: None
|
|
tag_key
|
Választható kulcs a Címkék bejegyzés feltöltéséhez az összes létrehozott gyermekben. Alapértelmezett érték: None
|
|
tag_Values
Kötelező
|
A létrehozott futtatások listájához tartozó címkékre[tag_key] leképezési értékek választható listája. |
|
tag_values
|
Alapértelmezett érték: None
|
Válaszok
| Típus | Description |
|---|---|
|
A gyermekfuttatások listája. |
Megjegyzések
Vagy paraméter count vagy paraméterek tag_key ÉS tag_values meg kell adni.
download_file
download_files
Fájlok letöltése egy adott tárolási előtagból (mappanév) vagy a teljes tárolóból, ha az előtag nincs meghatározva.
download_files(prefix=None, output_directory=None, output_paths=None, batch_size=100, append_prefix=True, timeout_seconds=None)Paraméterek
| Name | Description |
|---|---|
|
prefix
Kötelező
|
A tárolón belüli filepath előtag, amelyből az összes összetevőt le kell tölteni. |
|
output_directory
Kötelező
|
Nem kötelező könyvtár, amelyet az összes összetevő elérési útja előtagként használ. |
|
output_paths
Kötelező
|
[str]
Nem kötelező fájlpathok, amelyekben a letöltött összetevőket tárolni szeretné. Egyedinek kell lennie, és meg kell egyeznie az elérési utak hosszával. |
|
batch_size
Kötelező
|
A kötegenként letöltendő fájlok száma. Az alapértelmezett érték 100 fájl. |
|
append_prefix
Kötelező
|
Választható jelölő, hogy hozzáfűzi-e a megadott előtagot a végső kimeneti fájl elérési útjától. Ha hamis, akkor az előtag el lesz távolítva a kimeneti fájl elérési útjából. |
|
timeout_seconds
Kötelező
|
A fájlok letöltésének időtúllépése. |
fail
A futtatás megjelölése sikertelenként.
Igény szerint állítsa be a futtatás Hiba tulajdonságát egy üzenettel vagy kivétellel, amely a következőnek lett átadva error_details.
fail(error_details=None, error_code=None, _set_status=True)Paraméterek
| Name | Description |
|---|---|
|
error_details
|
str vagy
BaseException
A hiba nem kötelező részletei. Alapértelmezett érték: None
|
|
error_code
|
A hibabesoroláshoz tartozó hiba nem kötelező hibakódja. Alapértelmezett érték: None
|
|
_set_status
|
Azt jelzi, hogy elküldi-e az állapoteseményt nyomon követés céljából. Alapértelmezett érték: True
|
flush
Várjon, amíg a feladatsor feldolgozásra kerül.
flush(timeout_seconds=300)Paraméterek
| Name | Description |
|---|---|
|
timeout_seconds
|
Mennyi ideig kell várnia (másodpercben) a feladatsor feldolgozására. Alapértelmezett érték: 300
|
get
get_all_logs
Töltse le a futtatás összes naplóit egy könyvtárba.
get_all_logs(destination=None)Paraméterek
| Name | Description |
|---|---|
|
destination
|
A naplók tárolásának célútvonala. Ha nincs meghatározva, a rendszer létrehoz egy futtatási azonosítóként elnevezett könyvtárat a projektkönyvtárban. Alapértelmezett érték: None
|
Válaszok
| Típus | Description |
|---|---|
|
A letöltött naplók nevének listája. |
get_children
A megadott szűrők által kiválasztott aktuális futtatás összes gyermekének lekérése.
get_children(recursive=False, tags=None, properties=None, type=None, status=None, _rehydrate_runs=True)Paraméterek
| Name | Description |
|---|---|
|
recursive
|
Azt jelzi, hogy az összes leszármazotton át ismétlődjön-e. Alapértelmezett érték: False
|
|
tags
|
Ha meg van adva, a megadott "címke" vagy {"címke": "value"}. Alapértelmezett érték: None
|
|
properties
|
Ha meg van adva, a megadott "tulajdonság" vagy {"tulajdonság": "value"} függvénynek megfelelő futtatásokat ad vissza. Alapértelmezett érték: None
|
|
type
|
Ha meg van adva, az ilyen típusnak megfelelő futtatásokat ad vissza. Alapértelmezett érték: None
|
|
status
|
Ha meg van adva, a megadott állapotú futtatásokat adja vissza. Alapértelmezett érték: None
|
|
_rehydrate_runs
|
Azt jelzi, hogy az eredeti vagy az alapszintű futtatás futtatását szeretné-e példányosítani. Alapértelmezett érték: True
|
Válaszok
| Típus | Description |
|---|---|
|
Objektumok listája Run . |
get_context
Az aktuális szolgáltatási környezet visszaadva.
Ezzel a módszerrel lekérheti az aktuális szolgáltatási környezetet a metrikák naplózásához és a fájlok feltöltéséhez. Ha allow_offline igaz (alapértelmezett), a Futtatás objektumon végzett műveletek ki lesznek nyomtatva.
get_context(allow_offline=True, used_for_context_manager=False, **kwargs)Paraméterek
| Name | Description |
|---|---|
|
cls
Kötelező
|
Osztálymetódust jelöl. |
|
allow_offline
|
Lehetővé teszi, hogy a szolgáltatáskörnyezet visszaessen offline módba, hogy a betanítási szkript helyileg tesztelhető legyen anélkül, hogy feladatot küldenek az SDK-val. Alapértelmezés szerint igaz. Alapértelmezett érték: True
|
|
kwargs
Kötelező
|
További paraméterek szótára. |
|
used_for_context_manager
|
Alapértelmezett érték: False
|
Válaszok
| Típus | Description |
|---|---|
|
A beküldött futtatás. |
Megjegyzések
Ezt a függvényt általában arra használják, hogy lekérje a hitelesített futtatási objektumot egy szkripten belül, amelyet végrehajtásra kell küldeni a experiment.submit() használatával. Ez a futtatási objektum egy hitelesített környezet az Azure Machine Learning-szolgáltatásokkal való kommunikációhoz, valamint egy fogalmi tároló, amelyben metrikák, fájlok (összetevők) és modellek találhatók.
run = Run.get_context() # allow_offline=True by default, so can be run locally as well
...
run.log("Accuracy", 0.98)
run.log_row("Performance", epoch=e, error=err)
get_detailed_status
A futtatás legújabb állapotának lekérése. Ha a futtatás állapota "Várólistán" állapotú, az megjeleníti a részleteket.
get_detailed_status()Válaszok
| Típus | Description |
|---|---|
|
A legújabb állapot és részletek |
Megjegyzések
állapot: A futtatás aktuális állapota. Ugyanaz az érték, mint a get_status()-ból visszaadott érték.
részletek: Az aktuális állapot részletes információi.
run = experiment.submit(config)
details = run.get_detailed_status()
# details = {
# 'status': 'Queued',
# 'details': 'Run requested 1 node(s). Run is in pending status.',
# }
get_details
Lekérheti a definíciót, az állapotadatokat, az aktuális naplófájlokat és a futtatás egyéb adatait.
get_details()Válaszok
| Típus | Description |
|---|---|
|
A futtatás részleteinek visszaadása |
Megjegyzések
A visszaadott szótár a következő kulcs-érték párokat tartalmazza:
runId: A futtatás azonosítója.
cél
állapot: A futtatás aktuális állapota. Ugyanaz az érték, mint a get_status()-ból visszaadott érték.
startTimeUtc: A futtatás indításának UTC-időpontja a ISO8601.
endTimeUtc: A futtatás (befejezett vagy sikertelen) befejezésének UTC-időpontja a ISO8601.
Ez a kulcs nem létezik, ha a futtatás még folyamatban van.
tulajdonságok: A futtatáshoz társított nem módosítható kulcs-érték párok. Az alapértelmezett tulajdonságok közé tartozik a futtatás pillanatkép-azonosítója és annak a Git-adattárnak az adatai, amelyből a futtatás létrejött (ha van ilyen). További tulajdonságokat adhat hozzá a futtatáshoz a következő használatával add_properties: .
inputDatasets: A futtatáshoz társított bemeneti adatkészletek.
outputDatasets: A futtatáshoz társított kimeneti adatkészletek.
logFiles
submittedBy
run = experiment.start_logging()
details = run.get_details()
# details = {
# 'runId': '5c24aa28-6e4a-4572-96a0-fb522d26fe2d',
# 'target': 'sdk',
# 'status': 'Running',
# 'startTimeUtc': '2019-01-01T13:08:01.713777Z',
# 'endTimeUtc': '2019-01-01T17:15:65.986253Z',
# 'properties': {
# 'azureml.git.repository_uri': 'https://example.com/my/git/repo',
# 'azureml.git.branch': 'master',
# 'azureml.git.commit': '7dc972657c2168927a02c3bc2b161e0f370365d7',
# 'azureml.git.dirty': 'True',
# 'mlflow.source.git.repoURL': 'https://example.com/my/git/repo',
# 'mlflow.source.git.branch': 'master',
# 'mlflow.source.git.commit': '7dc972657c2168927a02c3bc2b161e0f370365d7',
# 'ContentSnapshotId': 'b4689489-ce2f-4db5-b6d7-6ad11e77079c'
# },
# 'inputDatasets': [{
# 'dataset': {'id': 'cdebf245-701d-4a68-8055-41f9cf44f298'},
# 'consumptionDetails': {
# 'type': 'RunInput',
# 'inputName': 'training-data',
# 'mechanism': 'Mount',
# 'pathOnCompute': '/mnt/datasets/train'
# }
# }],
# 'outputDatasets': [{
# 'dataset': {'id': 'd04e8a19-1caa-4b1f-b318-4cbff9af9615'},
# 'outputType': 'RunOutput',
# 'outputDetails': {
# 'outputName': 'training-result'
# }
# }],
# 'runDefinition': {},
# 'logFiles': {},
# 'submittedBy': 'Alan Turing'
# }
get_details_with_logs
A futtatás állapotának visszaadása a naplófájl tartalmával együtt.
get_details_with_logs()Válaszok
| Típus | Description |
|---|---|
|
A futtatás állapotát adja vissza a naplófájl tartalmával. |
get_environment
Szerezze be a futtatás által használt környezetdefiníciót.
get_environment()Válaszok
| Típus | Description |
|---|---|
|
Adja vissza a környezeti objektumot. |
get_file_names
get_metrics
Kérje le a futtatásra naplózott metrikákat.
Ha recursive igaz (alapértelmezés szerint hamis), akkor kérje le az adott futtatás résztartományában lévő futtatások metrikáit.
get_metrics(name=None, recursive=False, run_type=None, populate=False)Paraméterek
| Name | Description |
|---|---|
|
name
|
A metrika neve. Alapértelmezett érték: None
|
|
recursive
|
Azt jelzi, hogy az összes leszármazotton át ismétlődjön-e. Alapértelmezett érték: False
|
|
run_type
|
Alapértelmezett érték: None
|
|
populate
|
Azt jelzi, hogy beolvassa-e a metrikához csatolt külső adatok tartalmát. Alapértelmezett érték: False
|
Válaszok
| Típus | Description |
|---|---|
|
A felhasználói metrikákat tartalmazó szótár. |
Megjegyzések
run = experiment.start_logging() # run id: 123
run.log("A", 1)
with run.child_run() as child: # run id: 456
child.log("A", 2)
metrics = run.get_metrics()
# metrics = { 'A': 1 }
metrics = run.get_metrics(recursive=True)
# metrics = { '123': { 'A': 1 }, '456': { 'A': 2 } } note key is runId
get_properties
A futtatás legújabb tulajdonságainak lekérése a szolgáltatásból.
get_properties()Válaszok
| Típus | Description |
|---|---|
|
A futtatás tulajdonságai. |
Megjegyzések
A tulajdonságok nem módosíthatók a rendszer által generált információk, például az időtartam, a végrehajtás dátuma, a felhasználó és a add_properties metódushoz hozzáadott egyéni tulajdonságok. További információ: Címke és futtatások keresése.
Amikor feladatot küld az Azure Machine Learningbe, ha a forrásfájlokat egy helyi Git-adattár tárolja, akkor az adattár adatai tulajdonságokként lesznek tárolva. Ezek a git-tulajdonságok a futtatás vagy az Experiment.submit meghívásakor lesznek hozzáadva. A Git-tulajdonságokról további információt az Azure Machine Learning Git-integrációja című témakörben talál.
get_secret
A titkos kód értékének lekérése a futtatás környezetéből.
Kérje le a megadott név titkos értékét. A titkos kód neve a munkaterülethez társított Azure Key Vaultban tárolt értékre hivatkozik. A titkos kódok használatára vonatkozó példa: Titkos kódok használata a betanítási futtatásokban.
get_secret(name)Paraméterek
| Name | Description |
|---|---|
|
name
Kötelező
|
A titkos név, amelynek a titkos kulcsát vissza szeretné adni. |
Válaszok
| Típus | Description |
|---|---|
|
A titkos kód értéke. |
get_secrets
A titkos nevek adott listájának titkos értékeinek lekérése.
A megadott nevek listájához szerezze be a talált és nem talált titkos kulcsokat tartalmazó szótárt. Minden titkos kódnév egy, a munkaterülethez társított Azure Key Vaultban tárolt értékre hivatkozik. A titkos kódok használatára vonatkozó példa: Titkos kódok használata a betanítási futtatásokban.
get_secrets(secrets)Paraméterek
| Name | Description |
|---|---|
|
secrets
Kötelező
|
Azoknak a titkos kódoknak a listája, amelyek titkos értékeket adnak vissza. |
Válaszok
| Típus | Description |
|---|---|
|
A talált és nem talált titkos kódok szótárát adja vissza. |
get_snapshot_id
Szerezze be a legújabb pillanatkép-azonosítót.
get_snapshot_id()Válaszok
| Típus | Description |
|---|---|
|
A legfrissebb pillanatkép-azonosító. |
get_status
A futtatás legújabb állapotának lekérése.
A visszaadott értékek közé tartozik a "Futtatás", a "Kész" és a "Sikertelen".
get_status()Válaszok
| Típus | Description |
|---|---|
|
A legújabb állapot. |
Megjegyzések
NotStarted – Ez egy ideiglenes állapotú ügyféloldali futtatási objektum, amely a felhőbeküldés előtt található.
Kezdés – A futtatás elkezdődött a felhőben való feldolgozásnak. A hívó jelenleg futtatási azonosítóval rendelkezik.
Kiépítés – Akkor adja vissza, ha igény szerinti számítást hoz létre egy adott feladatbeküldéshez.
Előkészítés – A futtatási környezet előkészítése folyamatban van:
docker-rendszerkép összeállítása
conda-környezet beállítása
Várólistán – A feladat várólistára kerül a számítási célban. A BatchAI-ban például a feladat várólistás állapotban van
amíg az összes kért csomópont készen áll.
Futtatás – A feladat a számítási célban kezdett futni.
Véglegesítés – A felhasználói kód befejeződött, és a futtatás utófeldolgozási fázisban van.
CancelRequested – A feladat lemondását kérték.
Befejeződött – A futtatás sikeresen befejeződött. Ez magában foglalja a felhasználói kódot és a futtatás
utófeldolgozási fázisok.
Sikertelen – A futtatás sikertelen volt. A Futtatás hiba tulajdonsága általában részletesen ismerteti, hogy miért.
Megszakítva – Egy lemondási kérést követ, és azt jelzi, hogy a futtatás sikeresen megszakadt.
NotImat – Olyan futtatások esetén, amelyeken engedélyezve van a szívverés, a rendszer nem küldött szívverést a közelmúltban.
run = experiment.submit(config)
while run.get_status() not in ['Completed', 'Failed']: # For example purposes only, not exhaustive
print('Run {} not in terminal state'.format(run.id))
time.sleep(10)
get_submitted_run
ELAVULT. Használja a get_context.
A kísérlethez beküldött futtatás lekérése.
get_submitted_run(**kwargs)Válaszok
| Típus | Description |
|---|---|
|
A beküldött futtatás. |
get_tags
Kérje le a futtatáskor a legújabb mutable címkéket a szolgáltatásból.
get_tags()Válaszok
| Típus | Description |
|---|---|
|
A futtatási objektumon tárolt címkék. |
list
Lekérheti az opcionális szűrők által megadott kísérlet futtatásainak listáját.
static list(experiment, type=None, tags=None, properties=None, status=None, include_children=False, _rehydrate_runs=True)Paraméterek
| Name | Description |
|---|---|
|
experiment
Kötelező
|
A benne lévő kísérlet. |
|
type
|
Ha meg van adva, a megadott típusnak megfelelő futtatásokat ad vissza. Alapértelmezett érték: None
|
|
tags
|
Ha meg van adva, a megadott "címke" vagy {"címke": "value"}. Alapértelmezett érték: None
|
|
properties
|
Ha meg van adva, a megadott "tulajdonság" vagy {"tulajdonság": "value"} függvénynek megfelelő futtatásokat ad vissza. Alapértelmezett érték: None
|
|
status
|
Ha meg van adva, a megadott állapotú futtatásokat adja vissza. Alapértelmezett érték: None
|
|
include_children
|
Ha igaz értékre van állítva, az összes futtatás lekérése, nem csak a legfelső szintűek. Alapértelmezett érték: False
|
|
_rehydrate_runs
|
Ha igaz (alapértelmezés szerint) értékre van állítva, akkor a regisztrált szolgáltató az alapfuttatás helyett az adott típushoz tartozó objektum újbóli létrehozásához használja. Alapértelmezett érték: True
|
Válaszok
| Típus | Description |
|---|---|
|
Futtatások listája. |
Megjegyzések
Az alábbi példakód a list metódus néhány használatát mutatja be.
favorite_completed_runs = Run.list(experiment, status='Completed', tags='favorite')
all_distinct_runs = Run.list(experiment)
and_their_children = Run.list(experiment, include_children=True)
only_script_runs = Run.list(experiment, type=ScriptRun.RUN_TYPE)
list_by_compute
Lekérheti az opcionális szűrők által megadott számításban lévő futtatások listáját.
static list_by_compute(compute, type=None, tags=None, properties=None, status=None)Paraméterek
| Name | Description |
|---|---|
|
compute
Kötelező
|
Az azt tartalmazó számítás. |
|
type
|
Ha meg van adva, a megadott típusnak megfelelő futtatásokat ad vissza. Alapértelmezett érték: None
|
|
tags
|
Ha meg van adva, a megadott "címke" vagy {"címke": "value"}. Alapértelmezett érték: None
|
|
properties
|
Ha meg van adva, a megadott "tulajdonság" vagy {"tulajdonság": "value"} függvénynek megfelelő futtatásokat ad vissza. Alapértelmezett érték: None
|
|
status
|
Ha meg van adva, a megadott állapotú futtatásokat adja vissza. Csak a "Futó" és a "Queued" érték engedélyezett. Alapértelmezett érték: None
|
Válaszok
| Típus | Description |
|---|---|
|
<xref:builtin.generator>
|
a ~_restclient.models.RunDto generátora |
log
Naplózhat egy metrikaértéket a futtatásba a megadott névvel.
log(name, value, description='', step=None)Paraméterek
| Name | Description |
|---|---|
|
name
Kötelező
|
A metrika neve. |
|
value
Kötelező
|
A szolgáltatásban közzéteendő érték. |
|
description
Kötelező
|
Nem kötelező metrika leírása. |
|
step
|
Nem kötelező tengely egy metrika értékrendének megadásához. Alapértelmezett érték: None
|
Megjegyzések
Ha egy metrikát futtatásra naplóz, az azt eredményezi, hogy a metrika a kísérlet futási rekordjában lesz tárolva. Ugyanazt a metrikát futtatáson belül többször is naplózhatja, az eredményt pedig a metrika vektorának tekinti. Ha egy metrika esetében a lépés meg van adva, minden értékhez meg kell adni.
log_accuracy_table
Naplózza a pontossági táblát az összetevőtárolóba.
A pontosságtáblázat metrika egy többszörös használatú, nem skaláris metrika, amely több vonaldiagram-típus előállítására használható, amelyek folyamatosan változnak az előrejelzett valószínűségek terétől függően. Ilyen diagramok például a ROC, a pontosság-visszahívás és az emelési görbék.
A pontossági táblázat számítása hasonló a ROC-görbe kiszámításához. A ROC-görbék a valós pozitív arányokat és a hamis pozitív arányokat számos különböző valószínűségi küszöbértéken tárolják. A pontossági táblázat a valódi pozitívok, a hamis pozitívok, a valódi negatívok és a hamis negatívok nyers számát számos valószínűségi küszöbértéken tárolja.
A küszöbértékek kiválasztására két módszer használható: a "valószínűség" és a "percentilis". Különböznek az előrejelzett valószínűségek térbeli mintavételi módjától.
A valószínűségi küszöbértékek 0 és 1 közötti, egyenletesen elosztott küszöbértékek. Ha NUM_POINTS 5, a valószínűségi küszöbértékek [0,0, 0,25, 0,5, 0,75, 1,0].
A percentilis küszöbértékek az előrejelzett valószínűségek eloszlása szerint vannak elosztva. Minden küszöbérték egy valószínűségi küszöbértékben az adatok percentilisének felel meg. Ha például NUM_POINTS 5, akkor az első küszöbérték a 0. percentilis, a második a 25. percentilis, a harmadik az 50., és így tovább.
A valószínűségtáblák és a percentilistáblák egyaránt 3D-listák, ahol az első dimenzió az osztálycímkét, a második dimenzió a mintát egy küszöbértéknél (skálázás NUM_POINTS) jelöli, a harmadik dimenzió pedig mindig 4 értékkel rendelkezik: TP, FP, TN, FN és mindig ebben a sorrendben.
A keveredési értékek (TP, FP, TN, FN) az egy és a többi stratégiával vannak kiszámítva. További részletekért tekintse meg az alábbi hivatkozást: https://en.wikipedia.org/wiki/Multiclass_classification
N = az érvényesítési adathalmaz mintáinak száma (például 200) M = # küszöbértékek = # a valószínűségi térből vett minták (például 5) C = # osztályok a teljes adatkészletben (3 a példában)
A pontossági táblázat néhány invariánsa:
- TP + FP + TN + FN = N az összes osztály összes küszöbértékéhez
- A TP + FN minden osztály küszöbértéke megegyezik
- A TN + FP minden osztály küszöbértéke megegyezik
- A valószínűségtáblák és a percentilistáblák alakzata [C, M, 4]
Megjegyzés: M bármilyen érték lehet, és szabályozza a diagramok felbontását Ez független az adathalmaztól, a metrikák kiszámításakor van meghatározva, és kicseréli a tárterületet, a számítási időt és a felbontást.
Az osztályfeliratoknak sztringeknek, a keveredési értékeknek egész számoknak, a küszöbértékeknek pedig lebegőpontosnak kell lenniük.
log_accuracy_table(name, value, description='')Paraméterek
| Name | Description |
|---|---|
|
name
Kötelező
|
A pontossági tábla neve. |
|
value
Kötelező
|
Név, verzió és adattulajdonságokat tartalmazó JSON. |
|
description
Kötelező
|
Nem kötelező metrika leírása. |
Megjegyzések
Példa érvényes JSON-értékre:
{
"schema_type": "accuracy_table",
"schema_version": "1.0.1",
"data": {
"probability_tables": [
[
[82, 118, 0, 0],
[75, 31, 87, 7],
[66, 9, 109, 16],
[46, 2, 116, 36],
[0, 0, 118, 82]
],
[
[60, 140, 0, 0],
[56, 20, 120, 4],
[47, 4, 136, 13],
[28, 0, 140, 32],
[0, 0, 140, 60]
],
[
[58, 142, 0, 0],
[53, 29, 113, 5],
[40, 10, 132, 18],
[24, 1, 141, 34],
[0, 0, 142, 58]
]
],
"percentile_tables": [
[
[82, 118, 0, 0],
[82, 67, 51, 0],
[75, 26, 92, 7],
[48, 3, 115, 34],
[3, 0, 118, 79]
],
[
[60, 140, 0, 0],
[60, 89, 51, 0],
[60, 41, 99, 0],
[46, 5, 135, 14],
[3, 0, 140, 57]
],
[
[58, 142, 0, 0],
[56, 93, 49, 2],
[54, 47, 95, 4],
[41, 10, 132, 17],
[3, 0, 142, 55]
]
],
"probability_thresholds": [0.0, 0.25, 0.5, 0.75, 1.0],
"percentile_thresholds": [0.0, 0.01, 0.24, 0.98, 1.0],
"class_labels": ["0", "1", "2"]
}
}
log_confusion_matrix
Kavarodási mátrix naplózása az összetevőtárolóba.
Ez naplózza a burkolót a sklearn keveredési mátrix körül. A metrikaadatok tartalmazzák az osztályfeliratokat és magának a mátrixnak a 2D-listáját. A metrikák számítási módjával kapcsolatos további részletekért tekintse meg az alábbi hivatkozást: https://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html
log_confusion_matrix(name, value, description='')Paraméterek
| Name | Description |
|---|---|
|
name
Kötelező
|
A keveredési mátrix neve. |
|
value
Kötelező
|
Név, verzió és adattulajdonságokat tartalmazó JSON. |
|
description
Kötelező
|
Nem kötelező metrika leírása. |
Megjegyzések
Példa érvényes JSON-értékre:
{
"schema_type": "confusion_matrix",
"schema_version": "1.0.0",
"data": {
"class_labels": ["0", "1", "2", "3"],
"matrix": [
[3, 0, 1, 0],
[0, 1, 0, 1],
[0, 0, 1, 0],
[0, 0, 0, 1]
]
}
}
log_image
Naplózhat egy képmetrikát a futtatási rekordba.
log_image(name, path=None, plot=None, description='')Paraméterek
| Name | Description |
|---|---|
|
name
Kötelező
|
A metrika neve. |
|
path
Kötelező
|
A kép elérési útja vagy adatfolyama. |
|
plot
Kötelező
|
<xref:matplotlib.pyplot>
A képként naplózni kívánt diagram. |
|
description
Kötelező
|
Nem kötelező metrika leírása. |
Megjegyzések
Ezzel a módszerrel naplózhat egy képfájlt vagy egy matplotlib-diagramot a futtatásra. Ezek a képek láthatóak és összehasonlíthatók lesznek a futtatási rekordban.
log_list
log_predictions
Napló-előrejelzések az összetevőtárolóba.
Ez naplóz egy metrikapontot, amely a valódi célértékek eloszlásának összehasonlítására használható a regressziós tevékenység előrejelzett értékeinek eloszlásával.
Az előrejelzések rögzítettek, a szórások pedig a vonaldiagram hibasávjaihoz lesznek kiszámítva.
log_predictions(name, value, description='')Paraméterek
| Name | Description |
|---|---|
|
name
Kötelező
|
Az előrejelzések neve. |
|
value
Kötelező
|
Név, verzió és adattulajdonságokat tartalmazó JSON. |
|
description
Kötelező
|
Nem kötelező metrika leírása. |
Megjegyzések
Példa érvényes JSON-értékre:
{
"schema_type": "predictions",
"schema_version": "1.0.0",
"data": {
"bin_averages": [0.25, 0.75],
"bin_errors": [0.013, 0.042],
"bin_counts": [56, 34],
"bin_edges": [0.0, 0.5, 1.0]
}
}
log_residuals
Naplózhatja a reziduálisokat az összetevőtárolóba.
Ez naplózza a regressziós feladat reziduálisainak hisztogramjának megjelenítéséhez szükséges adatokat. A reziduálisok előrejelzése – tényleges.
A darabszámnál egynél több élnek kell lennie. Tekintse meg a numpy hisztogram dokumentációját, amely példákat mutat be a hisztogramok számának és éleinek ábrázolására. https://docs.scipy.org/doc/numpy/reference/generated/numpy.histogram.html
log_residuals(name, value, description='')Paraméterek
| Name | Description |
|---|---|
|
name
Kötelező
|
A reziduálisok neve. |
|
value
Kötelező
|
Név, verzió és adattulajdonságokat tartalmazó JSON. |
|
description
Kötelező
|
Nem kötelező metrika leírása. |
Megjegyzések
Példa érvényes JSON-értékre:
{
"schema_type": "residuals",
"schema_version": "1.0.0",
"data": {
"bin_edges": [50, 100, 200, 300, 350],
"bin_counts": [0.88, 20, 30, 50.99]
}
}
log_row
Naplózhat egy sormetrikát a futtatáshoz a megadott névvel.
log_row(name, description=None, **kwargs)Paraméterek
| Name | Description |
|---|---|
|
name
Kötelező
|
A metrika neve. |
|
description
|
Nem kötelező metrika leírása. Alapértelmezett érték: None
|
|
kwargs
Kötelező
|
További paraméterek szótára. Ebben az esetben a metrika oszlopai. |
Megjegyzések
A használatával log_row létrehoz egy táblázatmetrikát, amely oszlopokat tartalmaz a kwargsben leírtak szerint. Minden elnevezett paraméter létrehoz egy oszlopot a megadott értékkel.
log_row meghívható egyszer egy tetszőleges rekord naplózásához, vagy egy ciklusban többször is egy teljes tábla létrehozásához.
citrus = ['orange', 'lemon', 'lime']
sizes = [ 10, 7, 3]
for index in range(len(citrus)):
run.log_row("citrus", fruit = citrus[index], size=sizes[index])
log_table
Naplózhat egy táblametrikát a futtatásba a megadott névvel.
log_table(name, value, description='')Paraméterek
| Name | Description |
|---|---|
|
name
Kötelező
|
A metrika neve. |
|
value
Kötelező
|
A metrika táblaértéke, egy szótár, amelyben a kulcsok a szolgáltatásban közzéteendő oszlopok. |
|
description
Kötelező
|
Nem kötelező metrika leírása. |
register_model
Modell regisztrálása az üzemeltetéshez.
register_model(model_name, model_path=None, tags=None, properties=None, model_framework=None, model_framework_version=None, description=None, datasets=None, sample_input_dataset=None, sample_output_dataset=None, resource_configuration=None, **kwargs)Paraméterek
| Name | Description |
|---|---|
|
model_name
Kötelező
|
A modell neve. |
|
model_path
|
A modell relatív felhőbeli elérési útja, például "outputs/modelname".
Ha nincs megadva (Nincs), Alapértelmezett érték: None
|
|
tags
|
A modellhez rendelendő kulcsértékcímkék szótára. Alapértelmezett érték: None
|
|
properties
|
A modellhez rendelendő kulcsérték-tulajdonságok szótára. Ezek a tulajdonságok nem módosíthatók a modell létrehozása után, azonban új kulcsértékpárok is hozzáadhatók. Alapértelmezett érték: None
|
|
model_framework
|
A regisztrálandó modell keretrendszere. Jelenleg támogatott keretrendszerek: TensorFlow, ScikitLearn, Onnx, Custom, Multi Alapértelmezett érték: None
|
|
model_framework_version
|
A regisztrált modell keretrendszerverziója. Alapértelmezett érték: None
|
|
description
|
A modell opcionális leírása. Alapértelmezett érték: None
|
|
datasets
|
A listák listája, ahol az első elem az adathalmaz-modell kapcsolatát írja le, a második elem pedig az adathalmaz. Alapértelmezett érték: None
|
|
sample_input_dataset
|
Opcionális. Minta bemeneti adatkészlet a regisztrált modellhez Alapértelmezett érték: None
|
|
sample_output_dataset
|
Opcionális. Minta kimeneti adatkészlet a regisztrált modellhez Alapértelmezett érték: None
|
|
resource_configuration
|
Opcionális. Erőforrás-konfiguráció a regisztrált modell futtatásához Alapértelmezett érték: None
|
|
kwargs
Kötelező
|
Nem kötelező paraméterek. |
Válaszok
| Típus | Description |
|---|---|
|
A regisztrált modell. |
Megjegyzések
model = best_run.register_model(model_name = 'best_model', model_path = 'outputs/model.pkl')
remove_tags
Törölje a futtatás során a táblacímkék listáját.
remove_tags(tags)Paraméterek
| Name | Description |
|---|---|
|
tags
Kötelező
|
Az eltávolítandó címkék listája. |
Válaszok
| Típus | Description |
|---|---|
|
A futtatási objektumon tárolt címkék |
restore_snapshot
Pillanatkép visszaállítása ZIP-fájlként. A ZIP elérési útját adja vissza.
restore_snapshot(snapshot_id=None, path=None)Paraméterek
| Name | Description |
|---|---|
|
snapshot_id
|
A visszaállítani kívánt pillanatkép-azonosító. Ha nincs megadva, a legújabbat használja a rendszer. Alapértelmezett érték: None
|
|
path
|
A letöltött ZIP mentési útvonala. Alapértelmezett érték: None
|
Válaszok
| Típus | Description |
|---|---|
|
Az elérési út. |
set_tags
Címkéket adhat hozzá vagy módosíthat a futtatás során. A szótárban nem átadott címkék érintetlenek maradnak.
Egyszerű sztringcímkéket is hozzáadhat. Ha ezek a címkék kulcsként jelennek meg a címkeszótárban, a címkék értéke Nincs. További információ: Címke és futtatások keresése.
set_tags(tags)Paraméterek
| Name | Description |
|---|---|
|
tags
Kötelező
|
A futtatási objektumban tárolt címkék. |
start
A futtatás megjelölése indításként.
Ezt általában speciális forgatókönyvekben használják, ha a futtatás egy másik szereplő által lett létrehozva.
start()submit_child
Küldjön be egy kísérletet, és adja vissza az aktív gyermekfuttatást.
submit_child(config, tags=None, **kwargs)Paraméterek
| Name | Description |
|---|---|
|
config
Kötelező
|
Az elküldendő konfiguráció. |
|
tags
|
A beküldött futtatáshoz hozzáadandó címkék, pl. {"tag": "value"}. Alapértelmezett érték: None
|
|
kwargs
Kötelező
|
A konfigurációk küldési függvényében használt további paraméterek. |
Válaszok
| Típus | Description |
|---|---|
|
Futtatási objektum. |
Megjegyzések
A Küldés egy aszinkron hívás az Azure Machine Learning platformra a próbaverzió helyi vagy távoli hardveren való végrehajtásához. A konfigurációtól függően a küldés automatikusan előkészíti a végrehajtási környezeteket, végrehajtja a kódot, és rögzíti a forráskódot és az eredményeket a kísérlet futtatási előzményeibe.
A kísérlet elküldéséhez először létre kell hoznia egy konfigurációs objektumot, amely leírja a kísérlet futtatásának módját. A konfiguráció a szükséges próbaverzió típusától függ.
Egy példa arra, hogyan küldhet be gyermekkísérletet a helyi gépről ScriptRunConfig a következő módon:
from azureml.core import ScriptRunConfig
# run a trial from the train.py code in your current directory
config = ScriptRunConfig(source_directory='.', script='train.py',
run_config=RunConfiguration())
run = parent_run.submit_child(config)
# get the url to view the progress of the experiment and then wait
# until the trial is complete
print(run.get_portal_url())
run.wait_for_completion()
A futtatás konfigurálásáról további információt a című témakörben talál submit.
tag
A futtatás címkézése karakterlánc-kulccsal és opcionális sztringértékkel.
tag(key, value=None)Paraméterek
| Name | Description |
|---|---|
|
key
Kötelező
|
A címkekulcs |
|
value
|
A címke opcionális értéke Alapértelmezett érték: None
|
Megjegyzések
A futtatás címkéi és tulajdonságai egyaránt sztringszótárak> . A különbség köztük a módosíthatóság: A címkék beállíthatók, frissíthetők és törölhetők, míg a Tulajdonságok csak hozzáadhatók. Ez a tulajdonságokat megfelelőbbé teszi a rendszer-/munkafolyamattal kapcsolatos viselkedési eseményindítókhoz, míg a címkék általában felhasználói és jelentéssel bíróak a kísérlet felhasználói számára.
run = experiment.start_logging()
run.tag('DeploymentCandidate')
run.tag('modifiedBy', 'Master CI')
run.tag('modifiedBy', 'release pipeline') # Careful, tags are mutable
run.add_properties({'BuildId': os.environ.get('VSTS_BUILD_ID')}) # Properties are not
tags = run.get_tags()
# tags = { 'DeploymentCandidate': None, 'modifiedBy': 'release pipeline' }
take_snapshot
Mentse a bemeneti fájl vagy mappa pillanatképét.
take_snapshot(file_or_folder_path)Paraméterek
| Name | Description |
|---|---|
|
file_or_folder_path
Kötelező
|
A futtatási forráskódot tartalmazó fájl vagy mappa. |
Válaszok
| Típus | Description |
|---|---|
|
A pillanatkép azonosítóját adja vissza. |
Megjegyzések
A pillanatképek a kísérletfuttatás végrehajtásához használt forráskódok . Ezeket a futtatással együtt tárolja a rendszer, hogy a futtatási próba a jövőben replikálható legyen.
Megjegyzés:
A rendszer a híváskor submit automatikusan pillanatképeket vesz fel. Ez a take_snapshot metódus általában csak interaktív (notebook) futtatásokhoz szükséges.
upload_file
Töltsön fel egy fájlt a futtatási rekordba.
upload_file(name, path_or_stream, datastore_name=None)Paraméterek
| Name | Description |
|---|---|
|
name
Kötelező
|
A feltöltendő fájl neve. |
|
path_or_stream
Kötelező
|
A feltöltendő fájl relatív helyi elérési útja vagy streamelése. |
|
datastore_name
Kötelező
|
Nem kötelező DataStore-név |
Válaszok
| Típus | Description |
|---|---|
Megjegyzések
run = experiment.start_logging()
run.upload_file(name='important_file', path_or_stream="path/on/disk/file.txt")
Megjegyzés:
A futtatások automatikusan rögzítik a fájlt a megadott kimeneti könyvtárban, amely a legtöbb futtatási típus esetében alapértelmezés szerint "./outputs". Csak akkor használja upload_file, ha további fájlokat kell feltölteni, vagy nincs megadva kimeneti könyvtár.
upload_files
Fájlok feltöltése a futtatási rekordba.
upload_files(names, paths, return_artifacts=False, timeout_seconds=None, datastore_name=None)Paraméterek
| Name | Description |
|---|---|
|
names
Kötelező
|
A feltöltendő fájlok neve. Ha be van állítva, az elérési utakat is be kell állítani. |
|
paths
Kötelező
|
A feltöltendő fájlok relatív helyi elérési útjai. Ha be van állítva, a nevek megadása kötelező. |
|
return_artifacts
Kötelező
|
Azt jelzi, hogy minden feltöltött fájlhoz vissza kell adni egy összetevő-objektumot. |
|
timeout_seconds
Kötelező
|
A fájlok feltöltésének időtúllépése. |
|
datastore_name
Kötelező
|
Nem kötelező DataStore-név |
Megjegyzések
upload_files ugyanolyan hatással van, mint upload_file a különálló fájlokra, azonban a használat upload_filessorán a teljesítmény és az erőforrás-kihasználtság is előnyös.
import os
run = experiment.start_logging()
file_name_1 = 'important_file_1'
file_name_2 = 'important_file_2'
run.upload_files(names=[file_name_1, file_name_2],
paths=['path/on/disk/file_1.txt', 'other/path/on/disk/file_2.txt'])
run.download_file(file_name_1, 'file_1.txt')
os.mkdir("path") # The path must exist
run.download_file(file_name_2, 'path/file_2.txt')
Megjegyzés:
A futtatások automatikusan rögzítik a fájlokat a megadott kimeneti könyvtárban, amely alapértelmezés szerint "./outputs" a legtöbb futtatási típus esetében. Csak akkor használja upload_files, ha további fájlokat kell feltölteni, vagy nincs megadva kimeneti könyvtár.
upload_folder
Töltse fel a megadott mappát a megadott előtagnévre.
upload_folder(name, path, datastore_name=None)Paraméterek
| Name | Description |
|---|---|
|
name
Kötelező
|
A feltöltendő fájlok mappájának neve. |
|
folder
Kötelező
|
A feltölteni kívánt mappa relatív helyi elérési útja. |
|
datastore_name
Kötelező
|
Nem kötelező DataStore-név |
Megjegyzések
run = experiment.start_logging()
run.upload_folder(name='important_files', path='path/on/disk')
run.download_file('important_files/existing_file.txt', 'local_file.txt')
Megjegyzés:
A futtatások automatikusan rögzítik a fájlokat a megadott kimeneti könyvtárban, amely alapértelmezés szerint "./outputs" a legtöbb futtatási típus esetében. Csak akkor használja upload_folder, ha további fájlokat kell feltölteni, vagy nincs megadva kimeneti könyvtár.
wait_for_completion
Várja meg a futtatás befejezését. A várakozás után visszaadja az állapotobjektumot.
wait_for_completion(show_output=False, wait_post_processing=False, raise_on_error=True)Paraméterek
| Name | Description |
|---|---|
|
show_output
|
Azt jelzi, hogy a futtatási kimenet megjelenjen-e a sys.stdout-on. Alapértelmezett érték: False
|
|
wait_post_processing
|
Azt jelzi, hogy várnia kell-e a feldolgozás utáni befejezésre a futtatás befejezése után. Alapértelmezett érték: False
|
|
raise_on_error
|
Azt jelzi, hogy hiba merült-e fel, ha a futtatás sikertelen állapotban van. Alapértelmezett érték: True
|
Válaszok
| Típus | Description |
|---|---|
|
Az állapotobjektum. |
Attribútumok
description
Adja vissza a futtatási leírást.
A futtatás opcionális leírása egy felhasználó által megadott sztring, amely hasznos a futtatás leírásához.
Válaszok
| Típus | Description |
|---|---|
|
A futtatás leírása. |
display_name
Adja vissza a futtatás megjelenítendő nevét.
A futtatás opcionális megjelenítendő neve egy felhasználó által megadott sztring, amely a futtatás későbbi azonosításához hasznos.
Válaszok
| Típus | Description |
|---|---|
|
A futtatás megjelenítendő neve. |
experiment
A futtatást tartalmazó kísérlet lekérése.
Válaszok
| Típus | Description |
|---|---|
|
Lekéri a futtatásnak megfelelő kísérletet. |
id
Futtatási azonosító lekérése.
A futtatás azonosítója az adott kísérletben egyedi azonosító.
Válaszok
| Típus | Description |
|---|---|
|
A futtatási azonosító. |
name
ELAVULT. Használja a display_name.
A futtatás opcionális neve egy felhasználó által megadott sztring, amely a futtatás későbbi azonosításához hasznos.
Válaszok
| Típus | Description |
|---|---|
|
A futtatási azonosító. |
number
Futtatási szám lekérése.
Egy kísérleten belüli futtatások sorrendjét szimbolizáló, monoton módon növekvő szám.
Válaszok
| Típus | Description |
|---|---|
|
A futtatási szám. |
parent
A futtatáshoz tartozó szülőfuttatás lekérése a szolgáltatásból.
A futtatásokhoz opcionális szülő is tartozhat, ami a futtatások lehetséges fahierarchiáját eredményezi. A metrikák szülőfuttatásba való naplózásához használja például a log szülőobjektum run.parent.log()metódusát.
Válaszok
| Típus | Description |
|---|---|
|
Ha nincs beállítva a szülőfuttatás, vagy Nincs. |
properties
Adja vissza a futtatás nem módosítható tulajdonságait.
Válaszok
| Típus | Description |
|---|---|
|
A futtatás helyileg gyorsítótárazott tulajdonságai. |
Megjegyzések
A tulajdonságok közé tartoznak a nem módosítható rendszer által generált információk, például az időtartam, a végrehajtás dátuma, a felhasználó stb.
status
Adja vissza a futtatási objektum állapotát.
tags
Adja vissza a futtatáshoz tartozó mutable címkék készletét.
Válaszok
| Típus | Description |
|---|---|
|
A futtatási objektumon tárolt címkék. |
type
Futtatási típus lekérése.
Azt jelzi, hogy a futtatás hogyan lett létrehozva vagy konfigurálva.
Válaszok
| Típus | Description |
|---|---|
|
A futtatás típusa. |