TruncationSelectionPolicy Kelas
Mendefinisikan kebijakan penghentian awal yang membatalkan persentase eksekusi tertentu pada setiap interval evaluasi.
- Warisan
-
azure.ai.ml.entities._job.sweep.early_termination_policy.EarlyTerminationPolicyTruncationSelectionPolicy
Konstruktor
TruncationSelectionPolicy(*, delay_evaluation: int = 0, evaluation_interval: int = 0, truncation_percentage: int = 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. |
truncation_percentage
|
Persentase eksekusi untuk membatalkan setiap interval evaluasi. Default ke 0. |
Contoh
Mengonfigurasi kebijakan penghentian awal untuk pekerjaan pembersihan hyperparameter menggunakan TruncationStoppingPolicy
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 QUniform, TruncationSelectionPolicy, Uniform
job_for_sweep = job(
kernel=Uniform(min_value=0.0005, max_value=0.005),
penalty=QUniform(min_value=0.05, max_value=0.75, q=1),
)
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=TruncationSelectionPolicy(delay_evaluation=5, evaluation_interval=2),
)
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