dnn Paket

Referensi

Berisi estimator yang digunakan dalam pelatihan Deep Neural Network (DNN).

Kelas

Chainer	Menunjukkan estimator untuk pelatihan dalam eksperimen Chainer. TIDAK DIGUNAKAN LAGI. Gunakan objek ScriptRunConfig dengan lingkungan yang Anda tentukan sendiri atau salah satu lingkungan Azure ML Chainer yang dikumpulkan. Untuk pengenalan tentang mengonfigurasi eksekusi eksperimen dengan ScriptRunConfig, lihat Mengonfigurasi dan mengirimkan eksekusi pelatihan. Versi yang didukung: 5.1.0, 7.0.0 Menginisialisasi estimator Chainer.
Gloo	Mengelola pengaturan Gloo untuk pekerjaan pelatihan terdistribusi. TIDAK DIGUNAKAN LAGI. Gunakan kelas PyTorchConfiguration. Gloo dapat ditentukan untuk pekerjaan pelatihan dengan parameter `distributed_training` estimator PyTorch yang telah dikonfigurasi sebelumnya atau Estimator generic apa pun yang mendukung Gloo. Kelas untuk mengelola pengaturan Gloo untuk pekerjaan.
Mpi	Mengelola pengaturan Message Passing Interface (MPI) untuk pekerjaan pelatihan terdistribusi. TIDAK DIGUNAKAN LAGI. Gunakan kelas MpiConfiguration. MPI dapat ditentukan untuk pekerjaan dengan parameter `distributed_training` dari estimator Chainer, PyTorch, dan TensorFlow, yang telah dikonfigurasi sebelumnya, atau dengan generik Estimator. Kelas untuk mengelola pengaturan MPI untuk pekerjaan.
Nccl	Mengelola pengaturan Nccl untuk pekerjaan pelatihan terdistribusi. TIDAK DIGUNAKAN LAGI. Gunakan kelas PyTorchConfiguration. Nccl dapat ditentukan untuk pekerjaan pelatihan dengan parameter `distributed_training` dari estimator PyTorch yang dikonfigurasi sebelumnya atau Estimator umum yang mendukung Nccl. Kelas untuk mengelola pengaturan Nccl untuk pekerjaan.
ParameterServer	Kelola pengaturan Server Parameter untuk pekerjaan pelatihan. TIDAK DIGUNAKAN LAGI. Gunakan kelas TensorflowConfiguration. Kelas untuk mengelola pengaturan server parameter untuk pekerjaan. TIDAK DIGUNAKAN LAGI. Gunakan kelas TensorflowConfiguration.
PyTorch	Mewakili estimator untuk pelatihan dalam eksperimen PyTorch. TIDAK DIGUNAKAN LAGI. Gunakan objek ScriptRunConfig dengan lingkungan yang Anda tentukan sendiri atau salah satu lingkungan yang dikuratori Azure ML PyTorch. Untuk pengenalan konfigurasi eksperimen PyTorch yang berjalan dengan ScriptRunConfig, lihat Melatih model PyTorch dalam skala dengan Azure Machine Learning. Versi yang didukung: 1.0, 1.1, 1.2, 1.3, 1.4, 1.5, 1.6 Menginisialisasi estimator PyTorch. Referensi jalankan Docker. :type shm_size: str :p aram resume_from: Jalur data yang berisi titik pemeriksaan atau file model untuk melanjutkan eksperimen. :type resume_from: azureml.data.datapath.DataPath :p aram max_run_duration_seconds: Waktu maksimum yang diizinkan untuk eksekusi. Azure ML akan mencoba untuk secara otomatis batalkan eksekusi jika membutuhkan waktu lebih lama dari nilai ini.
TensorFlow	Mewakili estimator untuk pelatihan dalam eksperimen TensorFlow. TIDAK DIGUNAKAN LAGI. Gunakan objek ScriptRunConfig dengan lingkungan yang Anda tentukan sendiri atau salah satu lingkungan yang dikumpulkan Azure ML TensorFlow. Untuk pengenalan konfigurasi eksperimen TensorFlow yang berjalan dengan ScriptRunConfig, lihat Melatih model TensorFlow dalam skala dengan Azure Machine Learning. Versi yang didukung: 1.10, 1.12, 1.13, 2.0, 2.1, 2.2 Menginisialisasi estimator TensorFlow. Referensi jalankan Docker. :type shm_size: str :p aram resume_from: Jalur data yang berisi titik pemeriksaan atau file model untuk melanjutkan eksperimen. :type resume_from: azureml.data.datapath.DataPath :p aram max_run_duration_seconds: Waktu maksimum yang diizinkan untuk eksekusi. Azure ML akan mencoba untuk secara otomatis batalkan eksekusi jika membutuhkan waktu lebih lama dari nilai ini.