Experiment Kelas
Mewakili titik masuk utama untuk membuat dan bekerja dengan eksperimen di Azure Machine Learning.
Eksperimen adalah kontainer percobaan yang menunjukkan beberapa model eksekusi.
Konstruktor eksperimen.
- Warisan
-
azureml._logging.chained_identity.ChainedIdentityExperimentazureml.core._portal.HasExperimentPortalExperiment
Konstruktor
Experiment(workspace, name, _skip_name_validation=False, _id=None, _archived_time=None, _create_in_cloud=True, _experiment_dto=None, **kwargs)
Parameter
- _skip_name_validation
- _id
- _archived_time
- _create_in_cloud
- _experiment_dto
Keterangan
Eksperimen Azure Machine Learning menunjukkan kumpulan percobaan yang digunakan untuk memvalidasi hipotesis pengguna.
Dalam Azure Machine Learning, eksperimen diwakili oleh kelas Experiment dan uji coba diwakili oleh kelas Run.
Untuk mendapatkan atau membuat eksperimen dari ruang kerja, Anda meminta eksperimen menggunakan nama eksperimen. Nama eksperimen harus terdiri dari 3-36 karakter, dimulai dengan huruf atau angka, dan hanya boleh berisi huruf, angka, garis bawah, dan tanda hubung.
experiment = Experiment(workspace, "MyExperiment")
Jika eksperimen tidak ditemukan di ruang kerja, eksperimen baru akan dibuat.
Ada dua cara untuk melakukan percobaan eksperimen. Jika Anda bereksperimen secara interaktif di Jupyter Notebook, gunakan start_logging Jika Anda mengirimkan eksperimen dari kode sumber atau jenis percobaan lain yang dikonfigurasi, gunakan submit
Kedua mekanisme tersebut membuat objek Run. Dalam skenario interaktif, gunakan metode pencatatan log seperti log untuk menambahkan pengukuran dan metrik ke catatan percobaan. Dalam skenario yang dikonfigurasi, gunakan metode status seperti get_status untuk mengambil informasi tentang proses tersebut.
Dalam kedua kasus tersebut, Anda dapat menggunakan metode kueri seperti get_metrics untuk mengambil nilai saat ini, jika ada, dari pengukuran dan metrik percobaan apa pun.
Metode
archive |
Arsipkan eksperimen. |
delete |
Hapus eksperimen di ruang kerja. |
from_directory |
(Tidak digunakan lagi) Memuat eksperimen dari jalur yang ditentukan. |
get_docs_url |
Url ke dokumentasi untuk kelas ini. |
get_runs |
Tampilkan generator eksekusi untuk eksperimen ini, dalam urutan kronologis terbalik. |
list |
Tampilkan daftar eksperimen di ruang kerja. |
reactivate |
Mengaktifkan kembali eksperimen yang diarsipkan. |
refresh |
Tampilkan versi eksperimen terbaru dari cloud. |
remove_tags |
Menghapus tag yang ditentukan dari eksperimen. |
set_tags |
Menambahkan atau mengubah set tag pada eksperimen. Tag yang tidak diteruskan dalam kamus tidak akan tersentuh. |
start_logging |
Memulai sesi pengelogan interaktif dan membuat proses interaktif dalam eksperimen yang ditentukan. |
submit |
Mengirim eksperimen dan menampilkan eksekusi aktif yang dibuat. |
tag |
Memberi tag eksperimen dengan kunci string dan nilai string opsional. |
archive
Arsipkan eksperimen.
archive()
Keterangan
Setelah pengarsipan, eksperimen tidak akan dicantumkan secara default. Mencoba menulis ke eksperimen yang diarsipkan akan membuat eksperimen aktif baru dengan nama yang sama. Eksperimen yang diarsipkan dapat dipulihkan dengan memanggil reactivate selama tidak ada eksperimen aktif lainnya dengan nama yang sama.
delete
Hapus eksperimen di ruang kerja.
static delete(workspace, experiment_id)
Parameter
- experiment_id
Id eksperimen dari eksperimen yang akan dihapus.
from_directory
(Tidak digunakan lagi) Memuat eksperimen dari jalur yang ditentukan.
static from_directory(path, auth=None)
Parameter
Objek autentik. Jika Tidak Ada, kredensial Azure CLI default akan digunakan atau API akan meminta kredensial.
Mengembalikan
Tampilkan Eksperimen
Tipe hasil
get_docs_url
get_runs
Tampilkan generator eksekusi untuk eksperimen ini, dalam urutan kronologis terbalik.
get_runs(type=None, tags=None, properties=None, include_children=False)
Parameter
- type
- string
Filter generator eksekusi yang dikembalikan berdasarkan jenis yang disediakan. Lihat add_type_provider untuk membuat jenis eksekusi.
Filter dijalankan menurut "properti" atau {"properti": "nilai"}
- include_children
- bool
Secara default, ambil hanya operasi tingkat atas. Atur ke true untuk mencantumkan semua proses.
Mengembalikan
Daftar proses yang cocok dengan filter yang disediakan.
Tipe hasil
list
Tampilkan daftar eksperimen di ruang kerja.
static list(workspace, experiment_name=None, view_type='ActiveOnly', tags=None)
Parameter
- view_type
- ViewType
Nilai enum opsional untuk memfilter atau menyertakan eksperimen yang diarsipkan.
- tags
Kunci tag opsional atau kamus pasangan nilai kunci tag untuk memfilter eksperimen.
Mengembalikan
Daftar objek percobaan.
Tipe hasil
reactivate
Mengaktifkan kembali eksperimen yang diarsipkan.
reactivate(new_name=None)
Parameter
Keterangan
Eksperimen yang diarsipkan hanya dapat diaktifkan kembali jika tidak ada eksperimen aktif lain dengan nama yang sama.
refresh
Tampilkan versi eksperimen terbaru dari cloud.
refresh()
remove_tags
Menghapus tag yang ditentukan dari eksperimen.
remove_tags(tags)
Parameter
set_tags
Menambahkan atau mengubah set tag pada eksperimen. Tag yang tidak diteruskan dalam kamus tidak akan tersentuh.
set_tags(tags)
Parameter
start_logging
Memulai sesi pengelogan interaktif dan membuat proses interaktif dalam eksperimen yang ditentukan.
start_logging(*args, **kwargs)
Parameter
- outputs
- str
Direktori output opsional untuk dilacak. Untuk tidak ada output, teruskan False.
- snapshot_directory
- str
Direktori opsional untuk mengambil snapshot. Pengaturan ke Tidak Ada tidak akan mengambil snapshot.
- args
- list
- kwargs
- dict
Mengembalikan
Tampilkan eksekusi yang dimulai.
Tipe hasil
Keterangan
start_logging membuat eksekusi interaktif untuk digunakan dalam skenario seperti Jupyter Notebooks. Metrik yang dicatat selama sesi ditambahkan ke catatan eksekusi dalam eksperimen. Jika direktori output ditentukan, konten direktori tersebut diunggah sebagai artefak yang dijalankan setelah penyelesaian proses.
experiment = Experiment(workspace, "My Experiment")
run = experiment.start_logging(outputs=None, snapshot_directory=".", display_name="My Run")
...
run.log_metric("Accuracy", accuracy)
run.complete()
Catatan
run_id dibuat secara otomatis untuk setiap proses dan bersifat unik dalam eksperimen.
submit
Mengirim eksperimen dan menampilkan eksekusi aktif yang dibuat.
submit(config, tags=None, **kwargs)
Parameter
- tags
- dict
Tag yang akan ditambahkan ke proses yang dikirimkan, {"tag": "value"}.
Mengembalikan
Eksekusi.
Tipe hasil
Keterangan
Kirim adalah panggilan asinkron ke platform Azure Machine Learning untuk mengeksekusi uji coba pada perangkat keras lokal, atau jarak jauh. Bergantung pada konfigurasi, kirim akan secara otomatis menyiapkan lingkungan eksekusi Anda, mengeksekusi kode Anda, dan menangkap kode sumber Anda dan hasil ke dalam riwayat eksekusi percobaan.
Untuk mengirimkan percobaan, Anda harus terlebih dahulu membuat objek konfigurasi yang menjelaskan bagaimana percobaan akan dijalankan. Konfigurasi tergantung pada jenis percobaan yang diperlukan.
Contoh cara mengirimkan eksperimen dari mesin lokal Anda adalah sebagai berikut:
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 = experiment.submit(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()
Untuk detail tentang cara mengonfigurasi eksekusi, lihat detail jenis konfigurasi.
azureml.train.automl.automlconfig.AutoMLConfig
azureml.pipeline.core.Pipeline
azureml.pipeline.core.PublishedPipeline
azureml.pipeline.core.PipelineEndpoint
Catatan
Saat Anda mengirimkan eksekusi pelatihan, rekam jepret direktori yang berisi skrip pelatihan Anda dibuat dan dikirim ke target komputasi. Ini juga disimpan sebagai bagian dari eksperimen di ruang kerja Anda. Jika Anda mengubah file dan mengirimkan eksekusi lagi, hanya file yang diubah yang akan diunggah.
Untuk mencegah file disertakan dalam cuplikan, buat file .gitignore atau .amlignore di direktori dan tambahkan file ke dalamnya. File .amlignore menggunakan sintaks dan pola yang sama dengan file .gitignore. Jika kedua file tersedia, file .amligore akan diutamakan.
Untuk informasi selengkapnya, lihat Snapshots.
tag
Memberi tag eksperimen dengan kunci string dan nilai string opsional.
tag(key, value=None)
Parameter
Keterangan
Tag pada eksperimen disimpan dalam kamus dengan kunci string dan nilai string. Tag dapat diatur, diperbarui, dan dihapus. Tag menghadap ke pengguna dan umumnya berisi informasi yang berarti bagi konsumen eksperimen.
experiment.tag('')
experiment.tag('DeploymentCandidate')
experiment.tag('modifiedBy', 'Master CI')
experiment.tag('modifiedBy', 'release pipeline') # Careful, tags are mutable
Atribut
archived_time
Tampilkan waktu yang diarsipkan untuk eksperimen. Nilai harus Tidak Ada untuk eksperimen aktif.
Mengembalikan
Waktu eksperimen yang diarsipkan.
Tipe hasil
id
name
tags
Tampilkan kumpulan tag yang dapat diubah pada eksperimen.
Mengembalikan
Tag pada eksperimen.
Tipe hasil
workspace
Tampilkan ruang kerja yang berisi eksperimen.
Mengembalikan
Tampilkan objek ruang kerja.
Tipe hasil
workspace_object
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