EstimatorStep Kelas
TIDAK DIGUNAKAN LAGI. Membuat langkah alur untuk menjalankan Estimator untuk pelatihan model Azure ML.
Buat langkah Alur Azure ML untuk menjalankan Estimator untuk pelatihan model Pembelajaran Mesin.
TIDAK DIGUNAKAN LAGI. Gunakan CommandStep sebagai gantinya. Misalnya lihat Cara menjalankan pelatihan ML dalam alur dengan CommandStep.
- Warisan
-
EstimatorStep
Konstruktor
EstimatorStep(name=None, estimator=None, estimator_entry_script_arguments=None, runconfig_pipeline_params=None, inputs=None, outputs=None, compute_target=None, allow_reuse=True, version=None)
Parameter
Nama | Deskripsi |
---|---|
name
|
Nama langkah. Nilai default: None
|
estimator
|
Objek penghitung terkait untuk langkah ini. Dapat berupa penghitung yang telah dikonfigurasi sebelumnya seperti Chainer, PyTorch, TensorFlow, atau SKLearn. Nilai default: None
|
estimator_entry_script_arguments
|
[Diperlukan] Daftar argumen baris perintah. Jika skrip entri Penghitung tidak menerima argumen baris perintah, atur nilai parameter ini ke daftar kosong. Nilai default: None
|
runconfig_pipeline_params
|
Penimpaan properti runconfig saat runtime menggunakan pasangan kunci-nilai, masing-masing dengan nama properti runconfig dan PipelineParameter untuk properti tersebut. Nilai yang didukung: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount' Nilai default: None
|
inputs
|
Daftar input yang akan digunakan. Nilai default: None
|
outputs
|
Daftar objek PipelineData. Nilai default: None
|
compute_target
|
[Diperlukan] Target komputasi untuk digunakan. Nilai default: None
|
allow_reuse
|
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 ulang ditentukan oleh apakah definisi himpunan data telah berubah, bukan oleh apakah data yang mendasarinya telah berubah. Nilai default: True
|
version
|
Tag versi opsional untuk menunjukkan perubahan fungsionalitas untuk modul. Nilai default: None
|
name
Diperlukan
|
Nama langkah. |
estimator
Diperlukan
|
<xref:Estimator>
Objek penghitung terkait untuk langkah ini. Dapat berupa penghitung yang telah dikonfigurasi sebelumnya seperti Chainer, PyTorch, TensorFlow, atau SKLearn. |
estimator_entry_script_arguments
Diperlukan
|
[str]
[Diperlukan] Daftar argumen baris perintah. Jika skrip entri Penghitung tidak menerima argumen baris perintah, atur nilai parameter ini ke daftar kosong. |
runconfig_pipeline_params
Diperlukan
|
Penimpaan properti runconfig saat runtime menggunakan pasangan kunci-nilai, masing-masing dengan nama properti runconfig dan PipelineParameter untuk properti tersebut. Nilai yang didukung: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount' |
inputs
Diperlukan
|
list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig, PipelineOutputTabularDataset, PipelineOutputFileDataset]]
Daftar input yang akan digunakan. |
outputs
Diperlukan
|
Daftar objek PipelineData. |
compute_target
Diperlukan
|
[Diperlukan] Target komputasi untuk digunakan. |
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 ulang ditentukan oleh apakah definisi himpunan data telah berubah, bukan oleh apakah data yang mendasarinya telah berubah. |
version
Diperlukan
|
versi |
Keterangan
Perhatikan bahwa argumen ke skrip entri yang digunakan dalam objek Estimator harus ditetapkan sebagai daftar menggunakan parameter estimator_entry_script_arguments
saat membuat EstimatorStep. Parameter Penghitung script_params
menerima kamus. Namun, parameter estimator_entry_script_argument
mengharapkan argumen sebagai daftar.
Inisialisasi EstimatorStep melibatkan penetapan daftar input dengan parameter inputs
dan Anda tidak perlu menentukan input dengan Penghitung, pengecualian akan ditampilkan jika Anda melakukannya. Lihat parameter inputs
untuk jenis input yang diizinkan. Anda juga dapat secara opsional menentukan semua output untuk langkah. Lihat parameter outputs
untuk jenis output yang diizinkan.
Praktik terbaik untuk bekerja dengan EstimatorStep adalah menggunakan folder terpisah untuk skrip dan semua file dependen yang terkait dengan langkah tersebut, dan menetapkan folder tersebut sebagai Estimatorsource_directory
objek. Ada dua manfaat dari melakukan hal ini. Pertama, itu membantu mengurangi ukuran snapshot yang dibuat untuk langkah, karena hanya yang diperlukan untuk langkahnya yang di-snapshot. Kedua, output langkah dari eksekusi sebelumnya dapat digunakan ulang jika tidak ada perubahan pada source_directory
yang akan memicu pengunggahan ulang snaphot.
Metode
create_node |
Buat node dari langkah Kusto dan tambahkan ke grafik yang ditentukan. TIDAK DIGUNAKAN LAGI. Gunakan CommandStep sebagai gantinya. Misalnya lihat Cara menjalankan pelatihan ML dalam alur dengan CommandStep. 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 Kusto dan tambahkan ke grafik yang ditentukan.
TIDAK DIGUNAKAN LAGI. Gunakan CommandStep sebagai gantinya. Misalnya lihat Cara menjalankan pelatihan ML dalam alur dengan CommandStep.
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. |