AutoMLStep Kelas
Membuat langkah Alur Azure ML yang merangkum Azure Machine Learning otomatis.
Untuk contoh menggunakan AutoMLStep, lihat notebookhttps://aka.ms/pl-automl.
Menginisialisasi AutoMLStep.
- Warisan
-
AutoMLStep
Konstruktor
AutoMLStep(name, automl_config, inputs=None, outputs=None, script_repl_params=None, allow_reuse=True, version=None, hash_paths=None, enable_default_model_output=True, enable_default_metrics_output=True, **kwargs)
Parameter
Nama | Deskripsi |
---|---|
name
Diperlukan
|
Nama langkah. |
automl_config
Diperlukan
|
Objek AutoMLConfig yang menentukan konfigurasi untuk eksekusi AutoML ini. |
inputs
|
Daftar pengikatan port input. Nilai default: None
|
outputs
|
Daftar pengikatan port output. Nilai default: None
|
script_repl_params
|
Parameter opsional yang akan diganti dalam skrip, misalnya {'param1': 'value1', 'param2': 'value2'}. Nilai default: None
|
allow_reuse
|
Menunjukkan apakah langkah tersebut harus menggunakan kembali hasil sebelumnya saat dijalankan kembali dengan pengaturan yang sama. Penggunaan kembali diaktifkan secara default. Jika konten langkah (skrip/dependensi) serta input dan parameter tetap tidak berubah, output dari eksekusi sebelumnya dari langkah ini digunakan ulang. Saat menggunakan ulang langkah tersebut, daripada mengirimkan pekerjaan ke komputasi, hasil dari eksekusi sebelumnya segera dibuat tersedia untuk langkah selanjutnya. Jika Anda menggunakan himpunan data Azure Machine Learning sebagai input, penggunaan kembali ditentukan oleh apakah definisi himpunan data telah berubah, bukan oleh apakah data yang mendasarinya telah berubah. Nilai default: True
|
version
|
Versi untuk ditetapkan ke langkah tersebut. Nilai default: None
|
hash_paths
|
TIDAK DIGUNAKAN LAGI. Daftar jalur ke hash saat memeriksa perubahan pada konten langkah alur. Secara default, semua file di bawah parameter Nilai default: None
|
enable_default_model_output
|
Menunjukkan apakah model terbaik akan ditambahkan sebagai output default atau tidak. Ini dapat digunakan untuk mengambil model terbaik setelah eksekusi selesai menggunakan kelas AutoMLStepRun.
Catatan, jika output model default tidak diperlukan, disarankan untuk mengatur parameter ini ke Nilai default: True
|
enable_default_metrics_output
|
Menunjukkan apakah semua metrik yang dijalankan turunan akan ditambahkan sebagai output default atau tidak. Ini dapat digunakan untuk mengambil metrik yang dijalankan turunan setelah eksekusi selesai menggunakan kelas AutoMLStepRun.
Catatan, jika output metrik default tidak diperlukan, disarankan untuk mengatur parameter ini ke Nilai default: True
|
name
Diperlukan
|
Nama langkah. |
automl_config
Diperlukan
|
AutoMLConfig yang menentukan konfigurasi untuk eksekusi AutoML ini. |
inputs
Diperlukan
|
Daftar pengikatan port input. |
outputs
Diperlukan
|
Daftar pengikatan port output. |
script_repl_params
Diperlukan
|
Parameter opsional yang akan diganti dalam skrip, misalnya {'param1': 'value1', 'param2': 'value2'}. |
script_repl_params
Diperlukan
|
Parameter opsional yang akan diganti dalam skrip. |
allow_reuse
Diperlukan
|
Menunjukkan apakah langkah tersebut harus menggunakan kembali hasil sebelumnya saat dijalankan lagi dengan pengaturan yang sama. Penggunaan kembali diaktifkan secara default. Jika konten langkah (skrip/dependensi) serta input dan parameter tetap tidak berubah, output dari eksekusi sebelumnya dari langkah ini digunakan ulang. Saat menggunakan ulang langkah tersebut, daripada mengirimkan pekerjaan ke komputasi, hasil dari eksekusi sebelumnya segera dibuat tersedia untuk langkah selanjutnya. Jika Anda menggunakan himpunan data Azure Machine Learning sebagai input, penggunaan kembali ditentukan oleh apakah definisi himpunan data telah berubah, bukan oleh apakah data yang mendasarinya telah berubah. |
version
Diperlukan
|
Versi untuk ditetapkan ke langkah tersebut. |
hash_paths
Diperlukan
|
TIDAK DIGUNAKAN LAGI. Daftar jalur ke hash saat memeriksa perubahan pada konten langkah alur. Secara default, semua file di bawah parameter |
enable_default_model_output
Diperlukan
|
Menunjukkan apakah model terbaik akan ditambahkan sebagai output default atau tidak. Ini dapat digunakan untuk mengambil model terbaik setelah eksekusi selesai menggunakan kelas AutoMLStepRun.
Catatan, jika output model default tidak diperlukan, disarankan untuk mengatur parameter ini ke |
enable_default_metrics_output
Diperlukan
|
Menunjukkan apakah semua metrik yang dijalankan turunan akan ditambahkan sebagai output default atau tidak. Ini dapat digunakan untuk mengambil metrik yang dijalankan turunan setelah eksekusi selesai menggunakan kelas AutoMLStepRun.
Catatan, jika output metrik default tidak diperlukan, disarankan untuk mengatur parameter ini ke |
Keterangan
Dengan kelas AutoMLStep, Anda dapat menjalankan alur kerja ML otomatis Anda dalam alur Azure Machine Learning. Alur memberikan manfaat seperti pengulangan, eksekusi tanpa pengawasan, penerapan versi dan pelacakan, dan modularitas untuk alur kerja Azure Machine Learning otomatis Anda. Untuk informasi selengkapnya, lihat Apa itu alur Azure Machine Learning?.
Saat alur kerja Azure Machine Learning otomatis Anda sedang di dalam alur, Anda dapat menjadwalkan alur untuk berjalan pada jadwal berbasis waktu atau pada jadwal berbasis perubahan. Jadwal berbasis waktu berguna untuk tugas-tugas rutin seperti memantau penyimpangan data, sementara jadwal berbasis perubahan berguna untuk perubahan yang tidak teratur atau tidak dapat diprediksi seperti ketika data berubah. Misalnya, jadwal Anda mungkin melakukan polling pada penyimpanan blob tempat data diunggah, kemudian melakukan eksekusi alur kembali jika data berubah, dan mendaftarkan versi baru model setelah eksekusi selesai. Untuk informasi selengkapnya, lihat Menjadwalkan alur pembelajaran mesin dan Memicu eksekusi alur Azure Machine Learning dari Aplikasi Logika.
Contoh berikut menunjukkan cara membuat AutoMLStep.
automl_step = AutoMLStep(
name='automl_module',
automl_config=automl_config,
outputs=[metrics_data, model_data],
allow_reuse=True)
Sampel lengkap tersedia dari https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-with-automated-machine-learning-step.ipynb
Contoh berikut menunjukkan cara menggunakan objek AutoMLStep dalam Pipeline.
from azureml.pipeline.core import Pipeline
pipeline = Pipeline(
description="pipeline_with_automlstep",
workspace=ws,
steps=[automl_step])
Sampel lengkap tersedia dari https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-with-automated-machine-learning-step.ipynb
Contoh di atas menunjukkan satu langkah dalam alur. Namun, saat menggunakan AutoMLStep dalam alur kerja Azure Machine Learning otomatis dunia nyata, Anda akan memiliki setidaknya satu langkah alur yang melakukan penyiapan data sebelum AutoMLStep, dan langkah alur lain setelah itu mendaftarkan model. Misalnya jenis alur kerja ini, lihat notebook https://aka.ms/automl-retrain-pipeline.
Untuk mengelola, memeriksa status, dan mendapatkan detail eksekusi dari alur yang dijalankan, gunakan kelas AutoMLStepRun.
Untuk informasi selengkapnya tentang pembelajaran mesin otomatis di Azure, lihat artikel Apa itu pembelajaran mesin otomatis?. Untuk informasi selengkapnya tentang menyiapkan eksperimen Azure Machine Learning otomatis tanpa menggunakan alur, lihat artikel Mengonfigurasi eksperimen Azure Machine Learning otomatis di Python.
Metode
create_node |
Buat node dari langkah AutoML ini dan tambahkan ke grafik yang diberikan. Metode ini tidak dimaksudkan untuk digunakan secara langsung. Ketika alur dibuat dengan langkah ini, Azure Machine Learning secara otomatis meneruskan parameter yang diperlukan melalui metode ini sehingga langkah tersebut dapat ditambahkan ke grafik alur yang mewakili alur kerja. |
create_node
Buat node dari langkah AutoML ini dan tambahkan ke grafik yang diberikan.
Metode ini tidak dimaksudkan untuk digunakan secara langsung. Ketika alur dibuat dengan langkah ini, Azure Machine Learning secara otomatis meneruskan parameter yang diperlukan melalui metode ini sehingga langkah tersebut dapat ditambahkan ke grafik alur yang mewakili alur kerja.
create_node(graph, default_datastore, context)
Parameter
Nama | Deskripsi |
---|---|
graph
Diperlukan
|
Objek grafik untuk menambahkan node. |
default_datastore
Diperlukan
|
Datastore default. |
context
Diperlukan
|
<xref:azureml.pipeline.core._GraphContext>
Konteks grafik. |
Mengembalikan
Jenis | Deskripsi |
---|---|
Node yang dibuat. |
Atribut
AUTOML_CONFIG_PARAM_NAME
AUTOML_CONFIG_PARAM_NAME = 'AutoMLConfig'
DEFAULT_METRIC_PREFIX
DEFAULT_METRIC_PREFIX = 'default_metrics_'
DEFAULT_MODEL_PREFIX
DEFAULT_MODEL_PREFIX = 'default_model_'