SKLearn Osztály
Becslőt hoz létre a Scikit-learn kísérletek betanításához.
ELAVULT. Használja az ScriptRunConfig objektumot a saját meghatározott környezetével vagy a AzureML-Tutorial válogatott környezettel. Az SKLearn-kísérletfuttatások ScriptRunConfig használatával történő konfigurálásának bemutatása: Scikit-learn-modellek nagy léptékű betanítása az Azure Machine Learningdel.
Ez a becslő csak az egycsomópontos CPU-betanítást támogatja.
Támogatott verziók: 0.20.3
Scikit-learn becslő inicializálása.
- Öröklődés
-
azureml.train.estimator._framework_base_estimator._FrameworkBaseEstimatorSKLearn
Konstruktor
SKLearn(source_directory, *, compute_target=None, vm_size=None, vm_priority=None, entry_script=None, script_params=None, use_docker=True, 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, 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 betanítás indításához használt fájl relatív elérési útját ábrázoló sztring. |
script_params
Kötelező
|
A parancssori argumentumok szótára, amely a(z) alkalmazásban megadott betanítási |
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
|
Megadja, hogy az Azure ML újra felhasználja-e a meglévő Python-környezetet. A hamis azt jelenti, hogy az AzureML 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 útját ábrázoló sztring.
Ha meg van adva, az Azure ML nem telepíti a keretrendszerhez kapcsolódó csomagokat.
Ez a paraméterrel |
pip_requirements_file_path
Kötelező
|
Egy sztring, amely a pipkövetelmények szövegfájljának relatív elérési útját jelöli.
Ez a paraméterrel |
conda_dependencies_file
Kötelező
|
A conda dependencies yaml fájl relatív elérési útját ábrázoló sztring.
Ha meg van adva, az Azure ML nem telepíti a keretrendszerhez kapcsolódó csomagokat.
Ez a paraméterrel |
pip_requirements_file
Kötelező
|
Egy sztring, amely a pipkövetelmények szövegfájljának relatív elérési útját jelöli.
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 a PythonSection, a DockerSection és a környezeti változók. Bármely környezeti beállítás, amely nem érhető el közvetlenül más paraméterekkel a Becslő szerkezetében, paraméterrel |
inputs
Kötelező
|
A bemenetként használandó objektumok listája DataReference vagy DatasetConsumptionConfig objektumai. |
shm_size
Kötelező
|
A Docker-tároló megosztott memóriablokkjának mérete. Ha nincs beállítva, a rendszer az alapértelmezett azureml.core.environment._DEFAULT_SHM_SIZE használja. |
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 Scikit-learn-verzió.
|
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 betanítás indításához használt fájl relatív elérési útját ábrázoló sztring. |
script_params
Kötelező
|
A parancssori argumentumok szótára, amely a(z) alkalmazásban megadott betanítási |
use_docker
Kötelező
|
Egy bool érték, amely azt jelzi, hogy a kísérlet futtatásához használandó környezetnek Docker-alapúnak kell-e lennie. |
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
|
Megadja, hogy az Azure ML újra felhasználja-e a meglévő Python-környezetet. A hamis azt jelenti, hogy az AzureML 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 útját ábrázoló sztring. Ha meg van adva, az Azure ML nem telepíti a keretrendszerhez kapcsolódó csomagokat.
Ez a paraméterrel |
pip_requirements_file_path
Kötelező
|
Egy sztring, amely a pipkövetelmények szövegfájljának relatív elérési útját jelöli.
Ez a paraméterrel |
conda_dependencies_file
Kötelező
|
A conda dependencies yaml fájl relatív elérési útját ábrázoló sztring. Ha meg van adva, az Azure ML nem telepíti a keretrendszerhez kapcsolódó csomagokat.
Ez a paraméterrel |
pip_requirements_file
Kötelező
|
Egy sztring, amely a pipkövetelmények szövegfájljának relatív elérési útját jelöli.
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 a PythonSection, a DockerSection és a környezeti változók. Bármely környezeti beállítás, amely nem érhető el közvetlenül más paraméterekkel a Becslő szerkezetében, paraméterrel |
inputs
Kötelező
|
A azureml.data.data_reference listája. Bemenetként használandó DataReference-objektumok. |
shm_size
Kötelező
|
A Docker-tároló megosztott memóriablokkjának mérete. Ha nincs beállítva, a rendszer az alapértelmezett azureml.core.environment._DEFAULT_SHM_SIZE használja. |
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 Scikit-learn-verzió.
|
_enable_optimized_mode
Kötelező
|
A környezet gyorsabb előkészítéséhez engedélyezze a növekményes környezetek összeállítását előre elkészített keretrendszerrendszerképekkel. Az előre elkészített keretrendszerrendszerképek az Azure ML alapértelmezett CPU-/GPU-alaprendszerképeire épülnek, és előre telepítve vannak a keretrendszerfüggőségek. |
_disable_validation
Kötelező
|
Tiltsa le a szkriptérvényesítést a futtatás előtt. Az alapértelmezett érték Igaz. |
_show_lint_warnings
Kötelező
|
Szkriptbőség-figyelmeztetések megjelenítése. Az alapértelmezett érték Hamis. |
_show_package_warnings
Kötelező
|
Csomagérvényesítési figyelmeztetések megjelenítése. Az alapértelmezett érték Hamis. |
Megjegyzések
Betanítási feladat elküldésekor az Azure ML conda környezetben futtatja a szkriptet egy Docker-tárolóban. Az SKLearn-tárolókra a következő függőségek vannak telepítve.
Függőségek | Scikit-learn 0.20.3 | ———————- | —————– | Python | 3.6.2. azureml-defaults | Legutóbbi | IntelMpi | 2018.3.222. | scikit-learn | 0.20.3. numpy | 1.16.2. miniconda | 4.5.11. scipy | 1.2.1. joblib | 0.13.2. git | 2.7.4.
A Docker-képek kibővítik az Ubuntu 16.04-et.
Ha további függőségeket kell telepítenie, használhatja a vagy conda_packages
a pip_packages
paramétereket, vagy megadhatja a vagy conda_dependencies_file
a pip_requirements_file
fájlt. Másik lehetőségként létrehozhatja saját rendszerképét, és átadhatja a paramétert custom_docker_image
a becslő konstruktornak.
Attribútumok
DEFAULT_VERSION
DEFAULT_VERSION = '0.20.3'
FRAMEWORK_NAME
FRAMEWORK_NAME = 'SKLearn'