PyTorch Osztály
Becslőt jelöl a PyTorch-kísérletek betanításához.
ELAVULT. Használja az ScriptRunConfig objektumot a saját meghatározott környezetével vagy az Azure ML PyTorch válogatott környezeteinek egyikével. A PyTorch-kísérletfuttatások ScriptRunConfig használatával történő konfigurálásának ismertetését lásd: PyTorch-modellek nagy léptékű betanítása az Azure Machine Learning használatával.
Támogatott verziók: 1.0, 1.1, 1.2, 1.3, 1.4, 1.5, 1.6
PyTorch-becslő inicializálása.
Docker-futtatási referencia. :type shm_size: str :p aram resume_from: A kísérlet folytatásához használni kívánt ellenőrzőpontot vagy modellfájlokat tartalmazó adatelérési út. :type resume_from: azureml.datapath.DataPath.DataPath :p aram max_run_duration_seconds: A futtatás maximálisan engedélyezett ideje. Az Azure ML megkísérli automatikusan
megszakítja a futtatásokat, ha ennél az értéknél több időt vesz igénybe.
- Öröklődés
-
azureml.train.estimator._framework_base_estimator._FrameworkBaseEstimatorPyTorch
Konstruktor
PyTorch(source_directory, *, compute_target=None, vm_size=None, vm_priority=None, entry_script=None, script_params=None, node_count=1, process_count_per_node=1, distributed_backend=None, distributed_training=None, use_gpu=False, use_docker=True, custom_docker_base_image=None, custom_docker_image=None, image_registry_details=None, user_managed=False, conda_packages=None, pip_packages=None, conda_dependencies_file_path=None, pip_requirements_file_path=None, conda_dependencies_file=None, pip_requirements_file=None, environment_variables=None, environment_definition=None, inputs=None, source_directory_data_store=None, shm_size=None, resume_from=None, max_run_duration_seconds=None, framework_version=None, _enable_optimized_mode=False, _disable_validation=True, _show_lint_warnings=False, _show_package_warnings=False)
Paraméterek
Name | Description |
---|---|
source_directory
Kötelező
|
Kísérletkonfigurációs fájlokat tartalmazó helyi könyvtár. |
compute_target
Kötelező
|
AbstractComputeTarget vagy
str
A számítási cél, ahol a betanítás megtörténik. Ez lehet objektum vagy a "local" sztring. |
vm_size
Kötelező
|
A betanításhoz létrehozandó számítási cél virtuálisgép-mérete. Támogatott értékek: Bármely Azure-beli virtuális gép mérete. |
vm_priority
Kötelező
|
A betanításhoz létrehozandó számítási cél virtuálisgép-prioritása. Ha nincs megadva, a rendszer "dedikált" értéket használ. Támogatott értékek: "dedikált" és "alacsony ár/érték". Ez csak akkor lép érvénybe, ha a |
entry_script
Kötelező
|
A betanítási szkriptet tartalmazó fájl relatív elérési útja. |
script_params
Kötelező
|
A parancssori argumentumok szótára, amely a(z) fájlban |
node_count
Kötelező
|
A betanításhoz használt számítási cél csomópontjainak száma. Ha 1-nél nagyobb, a rendszer egy elosztott MPI-feladatot futtat. Elosztott feladatok esetében csak a AmlCompute cél támogatott. |
process_count_per_node
Kötelező
|
A csomópontonkénti folyamatok száma. Ha 1-nél nagyobb, a rendszer egy elosztott MPI-feladatot futtat. Elosztott feladatok esetében csak a AmlCompute cél támogatott. |
distributed_backend
Kötelező
|
Az elosztott betanítás kommunikációs háttérrendszere. ELAVULT. Használja a paramétert Támogatott értékek: "mpi", "gloo" és "nccl". 'mpi': MPI/Horovod 'gloo', 'nccl': Native PyTorch Distributed Training Ezt a paramétert akkor kell megadni, ha == 1 és |
distributed_training
Kötelező
|
Elosztott betanítási feladat futtatásának paraméterei. Elosztott feladat MPI-háttérrendszerrel való futtatásához használja Mpi az objektumot a beállításhoz |
use_gpu
Kötelező
|
Meghatározza, hogy a kísérlet futtatásához használandó környezet támogatja-e a GPU-kat.
Ha igaz, a rendszer gpu-alapú alapértelmezett Docker-rendszerképet használ a környezetben. Ha hamis, a rendszer processzoralapú rendszerképet használ. Az alapértelmezett Docker-rendszerképek (CPU vagy GPU) csak akkor lesznek használatban, ha a |
use_docker
Kötelező
|
Meghatározza, hogy a kísérletet futtató környezetnek Docker-alapúnak kell-e lennie. |
custom_docker_base_image
Kötelező
|
Annak a Docker-rendszerképnek a neve, amelyből a betanításhoz használni kívánt rendszerkép létrejön. ELAVULT. Használja a paramétert Ha nincs beállítva, a rendszer egy alapértelmezett cpu-alapú rendszerképet használ alaprendszerképként. |
custom_docker_image
Kötelező
|
Annak a Docker-rendszerképnek a neve, amelyből a betanításhoz használni kívánt rendszerkép létrejön. Ha nincs beállítva, a rendszer egy alapértelmezett cpu-alapú rendszerképet használ alaprendszerképként. |
image_registry_details
Kötelező
|
A Docker lemezkép-beállításjegyzékének részletei. |
user_managed
Kötelező
|
Meghatározza, hogy az Azure ML újra felhasználja-e a meglévő Python-környezetet. Ha hamis, az Azure ML létrehoz egy Python-környezetet a Conda-függőségek specifikációja alapján. |
conda_packages
Kötelező
|
A kísérletHez a Python-környezethez hozzáadni kívánt Conda-csomagokat képviselő sztringek listája. |
pip_packages
Kötelező
|
A kísérlethez a Python-környezethez hozzáadni kívánt pip-csomagokat képviselő sztringek listája. |
conda_dependencies_file_path
Kötelező
|
A conda dependencies yaml fájl relatív elérési útja.
Ha meg van adva, az Azure ML nem telepíti a keretrendszerhez kapcsolódó csomagokat.
ELAVULT. Használja a paramétert |
pip_requirements_file_path
Kötelező
|
A pipkövetelmények szövegfájljának relatív elérési útja.
Ez a paraméterrel |
conda_dependencies_file
Kötelező
|
A conda dependencies yaml fájl relatív elérési útja. Ha meg van adva, az Azure ML nem telepíti a keretrendszerhez kapcsolódó csomagokat. |
pip_requirements_file
Kötelező
|
A pipkövetelmények szövegfájljának relatív elérési útja.
Ez a paraméterrel |
environment_variables
Kötelező
|
A környezeti változók nevének és értékeinek szótára. Ezek a környezeti változók a felhasználói szkript végrehajtásának folyamatán vannak beállítva. |
environment_definition
Kötelező
|
A kísérlet környezetdefiníciója. Ide tartoznak a PythonSection, a DockerSection és a környezeti változók. Ezzel a paraméterrel bármely olyan környezeti beállítás beállítható, amely nem érhető el közvetlenül más paraméterekkel a Becslő szerkezetében. Ha ez a paraméter meg van adva, elsőbbséget élvez más környezettel kapcsolatos paraméterekkel szemben, például |
inputs
Kötelező
|
A bemenetként használandó objektumok listája DataReference vagy DatasetConsumptionConfig objektumai. |
source_directory_data_store
Kötelező
|
A projektmegosztás háttéradattára. |
shm_size
Kötelező
|
A Docker-tároló megosztott memóriablokkjának mérete. Ha nincs beállítva, a rendszer az alapértelmezett azureml.core.environment._DEFAULT_SHM_SIZE használja. További információ: Docker-futtatási referencia. |
resume_from
Kötelező
|
A kísérlet folytatásához használandó ellenőrzőpont- vagy modellfájlokat tartalmazó adatútvonal. |
max_run_duration_seconds
Kötelező
|
A futtatás maximális engedélyezett ideje. Az Azure ML megpróbálja automatikusan megszakítani a futtatásokat, ha az ennél az értéknél tovább tart. |
framework_version
Kötelező
|
A betanítási kód végrehajtásához használandó PyTorch-verzió.
|
source_directory
Kötelező
|
Kísérletkonfigurációs fájlokat tartalmazó helyi könyvtár. |
compute_target
Kötelező
|
AbstractComputeTarget vagy
str
A számítási cél, ahol a betanítás megtörténik. Ez lehet egy objektum vagy a "local" sztring. |
vm_size
Kötelező
|
A betanításhoz létrehozandó számítási cél virtuálisgép-mérete. Támogatott értékek: Bármely Azure-beli virtuálisgép-méret. |
vm_priority
Kötelező
|
A betanításhoz létrehozandó számítási cél virtuálisgép-prioritása. Ha nincs megadva, a rendszer a "dedicated" (dedikált) értéket használja. Támogatott értékek: "dedikált" és "alacsonyprioritás". Ez csak akkor lép érvénybe, ha a |
entry_script
Kötelező
|
A betanítási szkriptet tartalmazó fájl relatív elérési útja. |
script_params
Kötelező
|
Parancssori argumentumok szótára, amely a(z) fájlban megadott betanítási |
node_count
Kötelező
|
A betanításhoz használt számítási cél csomópontjainak száma. Ha 1-nél nagyobb, a rendszer mpi elosztott feladatot futtat. Elosztott feladatok esetében csak az azureml.core.compute.AmlCompute cél támogatott. |
process_count_per_node
Kötelező
|
A csomópontonkénti folyamatok száma. Ha 1-nél nagyobb, a rendszer egy elosztott MPI-feladatot futtat. Elosztott feladatok esetében csak a AmlCompute cél támogatott. |
distributed_backend
Kötelező
|
Az elosztott betanítás kommunikációs háttérrendszere. ELAVULT. Használja a paramétert Támogatott értékek: "mpi", "gloo" és "nccl". 'mpi': MPI/Horovod 'gloo', 'nccl': Native PyTorch Distributed Training Erre a paraméterre akkor van szükség, ha Ha |
distributed_training
Kötelező
|
Elosztott betanítási feladat futtatásának paraméterei. Elosztott feladat MPI-háttérrendszerrel való futtatásához használja Mpi az objektumot a beállításhoz |
use_gpu
Kötelező
|
Meghatározza, hogy a kísérlet futtatásához használandó környezet támogassa-e a GPU-kat.
Ha igaz, a rendszer gpu-alapú alapértelmezett Docker-rendszerképet használ a környezetben. Ha hamis, a rendszer cpu-alapú rendszerképet használ. Az alapértelmezett Docker-rendszerképek (CPU vagy GPU) csak akkor lesznek használatban, ha a |
use_docker
Kötelező
|
Meghatározza, hogy a kísérletet futtató környezetnek Docker-alapúnak kell-e lennie. |
custom_docker_base_image
Kötelező
|
Annak a Docker-rendszerképnek a neve, amelyből a betanításhoz használni kívánt rendszerkép létrejön. ELAVULT. Használja a paramétert Ha nincs beállítva, a rendszer egy alapértelmezett CPU-alapú rendszerképet használ alapként. |
custom_docker_image
Kötelező
|
Annak a Docker-rendszerképnek a neve, amelyből a betanításhoz használni kívánt rendszerkép létrejön. Ha nincs beállítva, a rendszer egy alapértelmezett CPU-alapú rendszerképet használ alapként. |
image_registry_details
Kötelező
|
A Docker lemezkép-beállításjegyzékének részletei. |
user_managed
Kötelező
|
Meghatározza, hogy az Azure ML újra felhasználja-e a meglévő Python-környezetet. Ha hamis, az Azure ML létrehoz egy Python-környezetet a conda függőségek specifikációja alapján. |
conda_packages
Kötelező
|
A kísérlet Python-környezetéhez hozzáadandó Conda-csomagokat jelölő sztringek listája. |
pip_packages
Kötelező
|
A kísérlet Python-környezetéhez hozzáadandó pip-csomagokat képviselő sztringek listája. |
conda_dependencies_file_path
Kötelező
|
A conda dependencies yaml fájl relatív elérési útja. Ha meg van adva, az Azure ML nem telepít keretrendszerhez kapcsolódó csomagokat.
ELAVULT. Használja a paramétert |
pip_requirements_file_path
Kötelező
|
A pip-követelmények szövegfájljának relatív elérési útja.
Ez a paraméterrel |
conda_dependencies_file
Kötelező
|
A conda dependencies yaml fájl relatív elérési útja. Ha meg van adva, az Azure ML nem telepít keretrendszerhez kapcsolódó csomagokat. |
pip_requirements_file
Kötelező
|
A pip-követelmények szövegfájljának relatív elérési útja.
Ez a paraméterrel |
environment_variables
Kötelező
|
Környezeti változók neveinek és értékeinek szótára. Ezek a környezeti változók a felhasználói szkript végrehajtásának folyamatán vannak beállítva. |
environment_definition
Kötelező
|
A kísérlet környezetdefiníciója. Ide tartoznak a PythonSection, a DockerSection és a környezeti változók. Ezzel a paraméterrel bármely olyan környezeti beállítás beállítható, amely nem érhető el közvetlenül a Becslő szerkezet más paraméterein keresztül. Ha ez a paraméter meg van adva, elsőbbséget élvez más környezettel kapcsolatos paraméterekkel, például |
inputs
Kötelező
|
A azureml.data.data_reference listája. Bemenetként használandó DataReference-objektumok. |
source_directory_data_store
Kötelező
|
A projektmegosztás háttéradattára. |
shm_size
Kötelező
|
A Docker-tároló megosztott memóriablokkjának mérete. Ha nincs beállítva, a rendszer az alapértelmezett azureml.core.environment._DEFAULT_SHM_SIZE használja. További információkért lásd: |
framework_version
Kötelező
|
A betanítási kód végrehajtásához használandó PyTorch-verzió.
|
_enable_optimized_mode
Kötelező
|
A környezet gyorsabb előkészítéséhez engedélyezze a növekményes környezet összeállítását előre elkészített keretrendszerrendszerképekkel. Egy előre elkészített keretrendszerrendszerkép az Azure ML alapértelmezett CPU-/GPU-alaprendszerképeire épül, és előre telepítve vannak a keretrendszer függőségei. |
_disable_validation
Kötelező
|
A futtatás elküldése előtt tiltsa le a szkript érvényesítését. Az alapértelmezett érték az Igaz. |
_show_lint_warnings
Kötelező
|
Parancsprogram-linting figyelmeztetések megjelenítése. Az alapértelmezett érték a Hamis. |
_show_package_warnings
Kötelező
|
Csomagérvényesítési figyelmeztetések megjelenítése. Az alapértelmezett érték a Hamis. |
Megjegyzések
Betanítási feladat elküldésekor az Azure ML conda környezetben futtatja a szkriptet egy Docker-tárolóban. A PyTorch-tárolókra a következő függőségek vannak telepítve.
Függőségek | PyTorch 1.0/1.1/1.2/1.3/ | PyTorch 1.4/1.5/1.6 | ———————- | —————– | ————- | Python | 3.6.2. 3.6.2. CUDA (csak GPU-rendszerkép) | 10.0 | 10.1 . cuDNN (csak GPU-rendszerkép) | 7.6.3. 7.6.3. NCCL (csak GPU-rendszerkép) | 2.4.8. 2.4.8. azureml-defaults | Legutóbbi | Legutóbbi | OpenMpi | 3.1.2. 3.1.2. horovod | 0.18.1. 0.18.1/0.19.1/0.19.5 | miniconda | 4.5.11. 4.5.11. fáklya | 1.0/1.1/1.2/1.3.1 | 1.4.0/1.5.0/1.6.0 | torchvision | 0.4.1. 0.5.0 . git | 2.7.4. 2.7.4. tensorboard | 1.14 . 1.14 . jövő | 0.17.1. 0.17.1.
A Docker-rendszerképek kiterjesztik az Ubuntu 16.04-et.
További függőségek telepítéséhez használhatja a vagy conda_packages
a pip_packages
paramétert. Vagy megadhatja a vagy conda_dependencies_file
paramétertpip_requirements_file
.
Másik lehetőségként létrehozhatja saját rendszerképét, és átadhatja a custom_docker_image
paramétert a becslő konstruktornak.
A PyTorch-betanításban használt Docker-tárolókkal kapcsolatos további információkért lásd: https://github.com/Azure/AzureML-Containers.
A PyTorch becslő támogatja az elosztott betanítást a CPU- és GPU-fürtök között a Horovod nyílt forráskódú, az elosztott betanítás összes csökkentési keretrendszerének használatával. Példák és további információk a PyTorch elosztott betanításban való használatáról: PyTorch-modellek nagy léptékű betanítása és regisztrálása az Azure Machine Learning használatával.
Attribútumok
DEFAULT_VERSION
DEFAULT_VERSION = '1.4'
FRAMEWORK_NAME
FRAMEWORK_NAME = 'PyTorch'