Chainer Kelas

Mewakili estimator untuk pelatihan dalam eksperimen Chainer.

USANG. ScriptRunConfig Gunakan objek dengan lingkungan yang Anda tentukan sendiri atau salah satu lingkungan yang dikumpulkan Azure ML Chainer. 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.

Konstruktor

Chainer(source_directory, *, compute_target=None, vm_size=None, vm_priority=None, entry_script=None, script_params=None, node_count=1, process_count_per_node=1, distributed_backend=None, distributed_training=None, use_gpu=False, use_docker=True, custom_docker_base_image=None, custom_docker_image=None, image_registry_details=None, user_managed=False, conda_packages=None, pip_packages=None, conda_dependencies_file_path=None, pip_requirements_file_path=None, conda_dependencies_file=None, pip_requirements_file=None, environment_variables=None, environment_definition=None, inputs=None, source_directory_data_store=None, shm_size=None, resume_from=None, max_run_duration_seconds=None, framework_version=None, _enable_optimized_mode=False, _disable_validation=True, _show_lint_warnings=False, _show_package_warnings=False)

Parameter

Nama	Deskripsi
source_directory Diperlukan	str Direktori lokal yang berisi file konfigurasi eksperimen.
compute_target Diperlukan	AbstractComputeTarget atau str Target komputasi tempat pelatihan akan terjadi. Ini bisa menjadi objek atau string "lokal".
vm_size Diperlukan	str Ukuran VM dari target komputasi yang akan dibuat untuk pelatihan. Nilai yang didukung: Ukuran Azure VM apa pun.
vm_priority Diperlukan	str Prioritas VM dari target komputasi yang akan dibuat untuk pelatihan. Jika tidak ditentukan, 'khusus' digunakan. Nilai yang didukung: 'dedicated' dan 'lowpriority'. Ini hanya berlaku ketika `vm_size param` ditentukan dalam input.
entry_script Diperlukan	str Jalur relatif ke file yang berisi skrip pelatihan.
script_params Diperlukan	dict Kamus argumen baris perintah untuk diteruskan ke skrip pelatihan yang ditentukan dalam `entry_script`.
node_count Diperlukan	int Jumlah simpul dalam target komputasi yang digunakan untuk pelatihan. Jika lebih besar dari 1, pekerjaan terdistribusi MPI akan dijalankan. Hanya target yang AmlCompute didukung untuk pekerjaan terdistribusi.
process_count_per_node Diperlukan	int Jumlah proses per simpul. Jika lebih besar dari 1, pekerjaan terdistribusi MPI akan dijalankan. Hanya target yang AmlCompute didukung untuk pekerjaan terdistribusi.
distributed_backend Diperlukan	str Backend komunikasi untuk pelatihan terdistribusi. USANG. Gunakan parameter `distributed_training`. Nilai yang didukung: 'mpi'. 'mpi': MPI/Horovod Parameter ini diperlukan saat `node_count` atau `process_count_per_node`> 1. Ketika `node_count` == 1 dan `process_count_per_node` == 1, tidak ada backend yang akan digunakan kecuali backend secara eksplisit diatur. Hanya target yang AmlCompute didukung untuk pelatihan terdistribusi.
distributed_training Diperlukan	Mpi Parameter untuk menjalankan pekerjaan pelatihan terdistribusi. Untuk menjalankan pekerjaan terdistribusi dengan backend MPI, gunakan Mpi objek untuk menentukan `process_count_per_node`.
use_gpu Diperlukan	bool Menentukan apakah lingkungan untuk menjalankan eksperimen harus mendukung GPU. Jika true, gambar Docker default berbasis GPU akan digunakan di lingkungan. Jika false, gambar berbasis CPU akan digunakan. Gambar docker default (CPU atau GPU) hanya akan digunakan jika `custom_docker_image` parameter tidak diatur. Pengaturan ini hanya digunakan dalam target komputasi yang diaktifkan Docker.
use_docker Diperlukan	bool Menentukan apakah lingkungan untuk menjalankan eksperimen harus berbasis Docker.
custom_docker_base_image Diperlukan	str Nama gambar Docker tempat gambar yang akan digunakan untuk pelatihan akan dibangun. USANG. Gunakan parameter `custom_docker_image`. Jika tidak diatur, gambar berbasis CPU default akan digunakan sebagai gambar dasar.
custom_docker_image Diperlukan	str Nama gambar Docker tempat gambar yang akan digunakan untuk pelatihan akan dibangun. Jika tidak diatur, gambar berbasis CPU default akan digunakan sebagai gambar dasar.
image_registry_details Diperlukan	ContainerRegistry Detail registri gambar Docker.
user_managed Diperlukan	bool Menentukan apakah Azure ML menggunakan kembali lingkungan Python yang ada. Jika false, Azure ML akan membuat lingkungan Python berdasarkan spesifikasi dependensi conda.
conda_packages Diperlukan	list Daftar string yang mewakili paket conda yang akan ditambahkan ke lingkungan Python untuk eksperimen.
pip_packages Diperlukan	list Daftar string yang mewakili paket pip yang akan ditambahkan ke lingkungan Python untuk eksperimen.
conda_dependencies_file_path Diperlukan	str Jalur relatif ke file yaml dependensi conda. Jika ditentukan, Azure ML tidak akan menginstal paket terkait kerangka kerja apa pun. USANG. Gunakan parameter `conda_dependencies_file`.
pip_requirements_file_path Diperlukan	str Jalur relatif ke file teks persyaratan pip. Ini dapat disediakan dalam kombinasi dengan `pip_packages` parameter . USANG. Gunakan parameter `pip_requirements_file`.
conda_dependencies_file Diperlukan	str Jalur relatif ke file yaml dependensi conda. Jika ditentukan, Azure ML tidak akan menginstal paket terkait kerangka kerja apa pun.
pip_requirements_file Diperlukan	str Jalur relatif ke file teks persyaratan pip. Ini dapat disediakan dalam kombinasi dengan `pip_packages` parameter .
environment_variables Diperlukan	dict Kamus nama dan nilai variabel lingkungan. Variabel lingkungan ini diatur pada proses di mana skrip pengguna sedang dijalankan.
environment_definition Diperlukan	Environment Definisi lingkungan untuk eksperimen. Ini termasuk variabel PythonSection, DockerSection, dan lingkungan. Opsi lingkungan apa pun yang tidak secara langsung diekspos melalui parameter lain ke konstruksi Estimator dapat diatur menggunakan parameter ini. Jika parameter ini ditentukan, parameter ini akan lebih diutamakan daripada parameter terkait lingkungan lainnya seperti `use_gpu`, , `custom_docker_image`, `conda_packages`atau `pip_packages`. Kesalahan akan dilaporkan pada kombinasi yang tidak valid.
inputs Diperlukan	list Daftar DataReference objek atau DatasetConsumptionConfig yang akan digunakan sebagai input.
source_directory_data_store Diperlukan	Datastore Penyimpanan data cadangan untuk berbagi proyek.
shm_size Diperlukan	str Ukuran blok memori bersama kontainer Docker. Jika tidak diatur, azureml.core.environment._DEFAULT_SHM_SIZE default digunakan. Untuk informasi selengkapnya, lihat Referensi Docker run.
resume_from Diperlukan	DataPath Jalur data yang berisi titik pemeriksaan atau file model untuk melanjutkan eksperimen.
max_run_duration_seconds Diperlukan	int Waktu maksimum yang diizinkan untuk eksekusi. Azure ML akan mencoba membatalkan eksekusi secara otomatis jika membutuhkan waktu lebih lama dari nilai ini.
framework_version Diperlukan	str Versi Chainer yang akan digunakan untuk mengeksekusi kode pelatihan. `Chainer.get_supported_versions()` mengembalikan daftar versi yang didukung oleh SDK saat ini.
source_directory Diperlukan	str Direktori lokal yang berisi file konfigurasi eksperimen.
compute_target Diperlukan	AbstractComputeTarget atau str Target komputasi tempat pelatihan akan terjadi. Ini bisa menjadi objek atau string "lokal".
vm_size Diperlukan	str Ukuran VM dari target komputasi yang akan dibuat untuk pelatihan. Nilai yang didukung: Ukuran Azure VM apa pun.
vm_priority Diperlukan	str Prioritas VM dari target komputasi yang akan dibuat untuk pelatihan. Jika tidak ditentukan, maka akan default ke 'dedicated'. Nilai yang didukung: 'dedicated' dan 'lowpriority'. Ini hanya berlaku ketika param vm_size ditentukan dalam input.
entry_script Diperlukan	str Jalur relatif ke file yang berisi skrip pelatihan.
script_params Diperlukan	dict Kamus argumen baris perintah untuk diteruskan ke skrip pelatihan yang ditentukan dalam `entry_script`.
node_count Diperlukan	int Jumlah simpul dalam target komputasi yang digunakan untuk pelatihan. Jika lebih besar dari 1, pekerjaan terdistribusi MPI akan dijalankan. Hanya target yang AmlCompute didukung untuk pekerjaan terdistribusi.
process_count_per_node Diperlukan	int Jumlah proses per simpul. Jika lebih besar dari 1, pekerjaan terdistribusi MPI akan dijalankan. Hanya AmlCompute target komputasi target yang didukung untuk pekerjaan terdistribusi.
distributed_backend Diperlukan	str Backend komunikasi untuk pelatihan terdistribusi. USANG. Gunakan parameter `distributed_training`. Nilai yang didukung: 'mpi'. 'mpi': MPI/Horovod Parameter ini diperlukan saat `node_count` atau `process_count_per_node`> 1. Ketika `node_count` == 1 dan `process_count_per_node` == 1, tidak ada backend yang akan digunakan kecuali backend secara eksplisit diatur. Hanya target yang AmlCompute didukung untuk pelatihan terdistribusi.
distributed_training Diperlukan	Mpi Parameter untuk menjalankan pekerjaan pelatihan terdistribusi. Untuk menjalankan pekerjaan terdistribusi dengan backend MPI, gunakan Mpi objek untuk menentukan `process_count_per_node`.
use_gpu Diperlukan	bool Menentukan apakah lingkungan untuk menjalankan eksperimen harus mendukung GPU. Jika true, gambar Docker default berbasis GPU akan digunakan di lingkungan. Jika false, gambar berbasis CPU akan digunakan. Gambar Docker default (CPU atau GPU) hanya akan digunakan jika `custom_docker_image` parameter tidak diatur. Pengaturan ini hanya digunakan dalam target komputasi yang diaktifkan Docker.
use_docker Diperlukan	bool Menentukan apakah lingkungan untuk menjalankan eksperimen harus berbasis Docker.
custom_docker_base_image Diperlukan	str Nama gambar Docker tempat gambar yang akan digunakan untuk pelatihan akan dibangun. USANG. Gunakan parameter `custom_docker_image`. Jika tidak diatur, gambar berbasis CPU default akan digunakan sebagai gambar dasar.
custom_docker_image Diperlukan	str Nama gambar Docker tempat gambar yang akan digunakan untuk pelatihan akan dibangun. Jika tidak diatur, gambar berbasis CPU default akan digunakan sebagai gambar dasar.
image_registry_details Diperlukan	ContainerRegistry Detail registri gambar Docker.
user_managed Diperlukan	bool Menentukan apakah Azure ML menggunakan kembali lingkungan Python yang ada. Jika false, Azure ML akan membuat lingkungan Python berdasarkan spesifikasi dependensi conda.
conda_packages Diperlukan	list Daftar string yang mewakili paket conda yang akan ditambahkan ke lingkungan Python untuk eksperimen.
pip_packages Diperlukan	list Daftar string yang mewakili paket pip yang akan ditambahkan ke lingkungan Python untuk eksperimen.
conda_dependencies_file_path Diperlukan	str Jalur relatif ke file yaml dependensi conda. Jika ditentukan, Azure ML tidak akan menginstal paket terkait kerangka kerja apa pun. USANG. Gunakan parameter `conda_dependencies_file`.
pip_requirements_file_path Diperlukan	str Jalur relatif ke file teks persyaratan pip. Ini dapat disediakan dalam kombinasi dengan `pip_packages` parameter . USANG. Gunakan parameter `pip_requirements_file`.
conda_dependencies_file Diperlukan	str Jalur relatif ke file yaml dependensi conda. Jika ditentukan, Azure ML tidak akan menginstal paket terkait kerangka kerja apa pun.
pip_requirements_file Diperlukan	str Jalur relatif ke file teks persyaratan pip. Ini dapat disediakan dalam kombinasi dengan `pip_packages` parameter .
environment_variables Diperlukan	dict Kamus nama dan nilai variabel lingkungan. Variabel lingkungan ini diatur pada proses di mana skrip pengguna sedang dijalankan.
environment_definition Diperlukan	Environment Definisi lingkungan untuk eksperimen. Ini termasuk variabel PythonSection, DockerSection, dan lingkungan. Opsi lingkungan apa pun yang tidak secara langsung diekspos melalui parameter lain ke konstruksi Estimator dapat diatur menggunakan parameter ini. Jika parameter ini ditentukan, parameter ini akan lebih diutamakan daripada parameter terkait lingkungan lainnya seperti `use_gpu`, , `custom_docker_image`, `conda_packages`atau `pip_packages`. Kesalahan akan dilaporkan pada kombinasi yang tidak valid.
inputs Diperlukan	list Daftar azureml.data.data_reference. Objek DataReference untuk digunakan sebagai input.
source_directory_data_store Diperlukan	Datastore Penyimpanan data cadangan untuk berbagi proyek.
shm_size Diperlukan	str Ukuran blok memori bersama kontainer Docker. Jika tidak diatur, azureml.core.environment._DEFAULT_SHM_SIZE default digunakan. Untuk informasi selengkapnya, lihat Referensi Docker run.
resume_from Diperlukan	DataPath Jalur data yang berisi titik pemeriksaan atau file model untuk melanjutkan eksperimen.
max_run_duration_seconds Diperlukan	int Waktu maksimum yang diizinkan untuk eksekusi. Azure ML akan mencoba membatalkan eksekusi secara otomatis jika membutuhkan waktu lebih lama dari nilai ini.
framework_version Diperlukan	str Versi Chainer yang akan digunakan untuk mengeksekusi kode pelatihan. `Chainer.get_supported_versions()` mengembalikan daftar versi yang didukung oleh SDK saat ini.
_enable_optimized_mode Diperlukan	bool Aktifkan build lingkungan inkremental dengan gambar kerangka kerja bawaan untuk persiapan lingkungan yang lebih cepat. Gambar kerangka kerja bawaan dibangun di atas gambar dasar CPU/GPU default Azure ML dengan dependensi kerangka kerja yang telah diinstal sebelumnya.
_disable_validation Diperlukan	bool Nonaktifkan validasi skrip sebelum menjalankan pengiriman. Defaultnya adalah True.
_show_lint_warnings Diperlukan	bool Tampilkan peringatan linting skrip. Defaultnya adalah False.
_show_package_warnings Diperlukan	bool Tampilkan peringatan validasi paket. Defaultnya adalah False.

Keterangan

Saat mengirimkan pekerjaan pelatihan, Azure ML menjalankan skrip Anda di lingkungan conda dalam kontainer Docker. Kontainer chainer memiliki dependensi berikut yang terinstal.

Dependensi | Chainer 5.1.0 | Chainer 7.0.0 | —————————- | —————– | ————— | Python | 3.6.2 | 3.6.2 | CUDA (hanya gambar GPU) | 9.0 | 9.0 | cuDNN (hanya gambar GPU) | 7.6.3 | 7.6.3 | NCCL (hanya gambar GPU) | 2.4.8 | 2.4.8 | azureml-defaults | Terbaru | Terbaru | IntelMpi | 2018.3.222 | 2018.3.222 | horovod | 0.15.2 | 0.15.2 | miniconda | 4.5.11 | 4.5.11 | chainer | 5.1.0 | 7.0.0 | cupy-cuda90 (hanya gambar GPU) | 5.2.0 | 7.0.0 | git | 2.7.4 | 2.7.4 |

Gambar Docker memperluas Ubuntu 16.04.

Untuk menginstal dependensi tambahan, Anda dapat menggunakan pip_packages parameter atau conda_packages . Atau, Anda dapat menentukan pip_requirements_file parameter atau conda_dependencies_file . Atau, Anda dapat membangun gambar Anda sendiri, dan meneruskan custom_docker_image parameter ke konstruktor estimator.

Untuk informasi selengkapnya tentang kontainer Docker yang digunakan dalam pelatihan Chainer, lihat https://github.com/Azure/AzureML-Containers.

Atribut

DEFAULT_VERSION

DEFAULT_VERSION = '5.1.0'

FRAMEWORK_NAME

FRAMEWORK_NAME = 'Chainer'

Saran dan Komentar

Apakah halaman ini membantu?