BanditPolicy Kelas
Mendefinisikan kebijakan penghentian dini berdasarkan kriteria kelambatan dan interval frekuensi dan penundaan untuk evaluasi.
- Warisan
-
azure.ai.ml.entities._job.sweep.early_termination_policy.EarlyTerminationPolicyBanditPolicy
Konstruktor
BanditPolicy(*, delay_evaluation: int = 0, evaluation_interval: int = 0, slack_amount: float = 0, slack_factor: float = 0)
Parameter Kata Kunci-Saja
Nama | Deskripsi |
---|---|
delay_evaluation
|
Jumlah interval untuk menunda evaluasi pertama. Default ke 0. |
evaluation_interval
|
Interval (jumlah eksekusi) antara evaluasi kebijakan. Default ke 0. |
slack_amount
|
Jarak absolut yang diizinkan dari eksekusi berkinerja terbaik. Default ke 0. |
slack_factor
|
Rasio jarak yang diizinkan dari eksekusi berkinerja terbaik. Default ke 0. |
Contoh
Mengonfigurasi penghentian awal BanditPolicy dari sapuan hiperparameter pada pekerjaan Perintah.
from azure.ai.ml import command
job = command(
inputs=dict(kernel="linear", penalty=1.0),
compute=cpu_cluster,
environment=f"{job_env.name}:{job_env.version}",
code="./scripts",
command="python scripts/train.py --kernel $kernel --penalty $penalty",
experiment_name="sklearn-iris-flowers",
)
# we can reuse an existing Command Job as a function that we can apply inputs to for the sweep configurations
from azure.ai.ml.sweep import Uniform
job_for_sweep = job(
kernel=Uniform(min_value=0.0005, max_value=0.005),
penalty=Uniform(min_value=0.9, max_value=0.99),
)
from azure.ai.ml.sweep import BanditPolicy
sweep_job = job_for_sweep.sweep(
sampling_algorithm="random",
primary_metric="best_val_acc",
goal="Maximize",
max_total_trials=8,
max_concurrent_trials=4,
early_termination_policy=BanditPolicy(slack_factor=0.15, evaluation_interval=1, delay_evaluation=10),
)
Berkolaborasi dengan kami di GitHub
Sumber untuk konten ini dapat ditemukan di GitHub, yang juga dapat Anda gunakan untuk membuat dan meninjau masalah dan menarik permintaan. Untuk informasi selengkapnya, lihat panduan kontributor kami.
Azure SDK for Python
Saran dan Komentar
https://aka.ms/ContentUserFeedback.
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat:Kirim dan lihat umpan balik untuk