Chainer Kelas
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.
- Warisan
-
azureml.train.estimator._framework_base_estimator._FrameworkBaseEstimatorChainer
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
|
Direktori lokal yang berisi file konfigurasi eksperimen. |
compute_target
Diperlukan
|
AbstractComputeTarget atau
str
Target komputasi di mana pelatihan akan terjadi. Ini bisa berupa objek atau untai (karakter) "lokal". |
vm_size
Diperlukan
|
Ukuran mesin virtual dari target komputasi yang akan dibuat untuk pelatihan. Nilai yang didukung: Ukuran mesin virtual Azure apa pun. |
vm_priority
Diperlukan
|
Prioritas mesin virtual dari target komputasi yang akan dibuat untuk pelatihan. Jika tidak ditentukan, 'khusus' akan digunakan. Nilai yang didukung: 'khusus' dan 'prioritas rendah'. Ini berlaku hanya jika |
entry_script
Diperlukan
|
Jalur relatif ke file yang berisi skrip pelatihan. |
script_params
Diperlukan
|
Kamus argumen baris perintah untuk diteruskan ke skrip pelatihan yang ditentukan dalam |
node_count
Diperlukan
|
Jumlah node dalam target komputasi yang digunakan untuk pelatihan. Jika lebih besar dari 1, pekerjaan terdistribusi MPI akan dijalankan. Hanya target AmlCompute yang didukung untuk pekerjaan terdistribusi. |
process_count_per_node
Diperlukan
|
Jumlah proses per node. Jika lebih besar dari 1, pekerjaan terdistribusi MPI akan dijalankan. Hanya target AmlCompute yang didukung untuk pekerjaan terdistribusi. |
distributed_backend
Diperlukan
|
Backend komunikasi untuk pelatihan terdistribusi. TIDAK DIGUNAKAN LAGI. Gunakan parameter Nilai yang didukung: 'mpi'. 'mpi': MPI/Horovod Parameter ini diperlukan saat Ketika |
distributed_training
Diperlukan
|
Parameter untuk menjalankan pekerjaan pelatihan terdistribusi. Untuk menjalankan pekerjaan yang terdistribusi dengan backend MPI, gunakan objek Mpi untuk menentukan |
use_gpu
Diperlukan
|
Menentukan apakah lingkungan untuk menjalankan eksperimen harus mendukung GPU.
Jika benar, gambar Docker default berbasis GPU akan digunakan di lingkungan. Jika salah, gambar berbasis CPU akan digunakan. Gambar docker default (CPU atau GPU) hanya akan digunakan jika parameter |
use_docker
Diperlukan
|
Tentukan apakah lingkungan untuk menjalankan eksperimen harus berbasis Docker. |
custom_docker_base_image
Diperlukan
|
Nama gambar Docker dari mana gambar yang akan digunakan untuk pelatihan akan dibuat. TIDAK DIGUNAKAN LAGI. Gunakan parameter Jika tidak diatur, gambar berbasis CPU default akan digunakan sebagai gambar dasar. |
custom_docker_image
Diperlukan
|
Nama gambar Docker dari mana gambar yang akan digunakan untuk pelatihan akan dibuat. Jika tidak diatur, gambar berbasis CPU default akan digunakan sebagai gambar dasar. |
image_registry_details
Diperlukan
|
Detail dari registri gambar Docker. |
user_managed
Diperlukan
|
Menentukan apakah Azure ML menggunakan kembali lingkungan Python yang ada. Jika salah, Azure Machine Learning akan membuat lingkungan Python berdasarkan spesifikasi dependensi conda. |
conda_packages
Diperlukan
|
Daftar untai (karakter) yang menunjukkan paket conda yang akan ditambahkan ke lingkungan Python untuk eksperimen. |
pip_packages
Diperlukan
|
Daftar untai (karakter) menunjukkan paket pip yang akan ditambahkan ke lingkungan Python untuk eksperimen. |
conda_dependencies_file_path
Diperlukan
|
Jalur relatif ke file yaml dependensi conda.
Jika ditentukan, Azure Machine Learning tidak akan memasang paket terkait kerangka kerja apa pun.
TIDAK DIGUNAKAN LAGI. Gunakan parameter |
pip_requirements_file_path
Diperlukan
|
Jalur relatif ke file teks persyaratan pip.
Ini dapat dikombinasikan dengan paramater |
conda_dependencies_file
Diperlukan
|
Jalur relatif ke file yaml dependensi conda. Jika ditentukan, Azure Machine Learning tidak akan memasang paket terkait kerangka kerja apa pun. |
pip_requirements_file
Diperlukan
|
Jalur relatif ke file teks persyaratan pip.
Ini dapat dikombinasikan dengan paramater |
environment_variables
Diperlukan
|
Sebuah kamus berisi nama dan nilai variabel lingkungan. Variabel lingkungan ini diatur pada proses saat skrip pengguna sedang dijalankan. |
environment_definition
Diperlukan
|
Definisi lingkungan untuk eksperimen. Ini termasuk PythonSection, DockerSection, dan variabel lingkungan. Opsi lingkungan apa pun yang tidak secara langsung diekspos melalui parameter lain ke konstruksi Penghitungan dapat diatur menggunakan parameter ini. Jika parameter ini ditentukan, parameter akan lebih diutamakan daripada parameter terkait lingkungan lainnya seperti |
inputs
Diperlukan
|
Daftar objek DataReference atau DatasetConsumptionConfig yang akan digunakan sebagai input. |
source_directory_data_store
Diperlukan
|
Penyimpanan data pendukung untuk berbagi proyek. |
shm_size
Diperlukan
|
Ukuran blok memori bersama kontainer Docker. Jika tidak diatur, azureml.core.environment._DEFAULT_SHM_SIZE default digunakan. Untuk informasi selengkapnya, lihat Referensi eksekusi Docker. |
resume_from
Diperlukan
|
Jalur data yang berisi file titik pemeriksaan atau model untuk melanjutkan eksperimen. |
max_run_duration_seconds
Diperlukan
|
Waktu maksimum yang diizinkan untuk eksekusi. Azure ML akan mencoba membatalkan eksekusi secara otomatis jika memakan waktu lebih lama dari nilai ini. |
framework_version
Diperlukan
|
Versi Chainer yang akan digunakan untuk mengeksekusi kode pelatihan.
|
source_directory
Diperlukan
|
Direktori lokal yang berisi file konfigurasi eksperimen. |
compute_target
Diperlukan
|
AbstractComputeTarget atau
str
Target komputasi di mana pelatihan akan terjadi. Ini bisa berupa objek atau untai (karakter) "lokal". |
vm_size
Diperlukan
|
Ukuran mesin virtual dari target komputasi yang akan dibuat untuk pelatihan. Nilai yang didukung: Ukuran mesin virtual Azure apa pun. |
vm_priority
Diperlukan
|
Prioritas mesin virtual dari target komputasi yang akan dibuat untuk pelatihan. Jika tidak ditentukan, maka akan diatur ke default ke 'dedicated'. Nilai yang didukung: 'khusus' dan 'prioritas rendah'. Ini hanya berlaku ketika param vm_size ditentukan dalam input. |
entry_script
Diperlukan
|
Jalur relatif ke file yang berisi skrip pelatihan. |
script_params
Diperlukan
|
Kamus argumen baris perintah untuk diteruskan ke skrip pelatihan yang ditentukan dalam |
node_count
Diperlukan
|
Jumlah node dalam target komputasi yang digunakan untuk pelatihan. Jika lebih besar dari 1, pekerjaan terdistribusi MPI akan dijalankan. Hanya target AmlCompute yang didukung untuk pekerjaan terdistribusi. |
process_count_per_node
Diperlukan
|
Jumlah proses per node. Jika lebih besar dari 1, pekerjaan terdistribusi MPI akan dijalankan. Hanya AmlCompute target komputasi target yang didukung untuk pekerjaan terdistribusi. |
distributed_backend
Diperlukan
|
Backend komunikasi untuk pelatihan terdistribusi. TIDAK DIGUNAKAN LAGI. Gunakan parameter Nilai yang didukung: 'mpi'. 'mpi': MPI/Horovod Parameter ini diperlukan saat Ketika |
distributed_training
Diperlukan
|
Parameter untuk menjalankan pekerjaan pelatihan terdistribusi. Untuk menjalankan pekerjaan yang terdistribusi dengan backend MPI, gunakan objek Mpi untuk menentukan |
use_gpu
Diperlukan
|
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 parameter |
use_docker
Diperlukan
|
Tentukan apakah lingkungan untuk menjalankan eksperimen harus berbasis Docker. |
custom_docker_base_image
Diperlukan
|
Nama gambar Docker dari mana gambar yang akan digunakan untuk pelatihan akan dibuat. TIDAK DIGUNAKAN LAGI. Gunakan parameter Jika tidak diatur, gambar berbasis CPU default akan digunakan sebagai gambar dasar. |
custom_docker_image
Diperlukan
|
Nama gambar Docker dari mana gambar yang akan digunakan untuk pelatihan akan dibuat. Jika tidak diatur, gambar berbasis CPU default akan digunakan sebagai gambar dasar. |
image_registry_details
Diperlukan
|
Detail dari registri gambar Docker. |
user_managed
Diperlukan
|
Menentukan apakah Azure ML menggunakan kembali lingkungan Python yang ada. Jika salah, Azure Machine Learning akan membuat lingkungan Python berdasarkan spesifikasi dependensi conda. |
conda_packages
Diperlukan
|
Daftar untai (karakter) yang menunjukkan paket conda yang akan ditambahkan ke lingkungan Python untuk eksperimen. |
pip_packages
Diperlukan
|
Daftar untai (karakter) menunjukkan paket pip yang akan ditambahkan ke lingkungan Python untuk eksperimen. |
conda_dependencies_file_path
Diperlukan
|
Jalur relatif ke file yaml dependensi conda. Jika ditentukan, Azure Machine Learning tidak akan memasang paket terkait kerangka kerja apa pun.
TIDAK DIGUNAKAN LAGI. Gunakan parameter |
pip_requirements_file_path
Diperlukan
|
Jalur relatif ke file teks persyaratan pip.
Ini dapat dikombinasikan dengan paramater |
conda_dependencies_file
Diperlukan
|
Jalur relatif ke file yaml dependensi conda. Jika ditentukan, Azure Machine Learning tidak akan memasang paket terkait kerangka kerja apa pun. |
pip_requirements_file
Diperlukan
|
Jalur relatif ke file teks persyaratan pip.
Ini dapat dikombinasikan dengan paramater |
environment_variables
Diperlukan
|
Sebuah kamus berisi nama dan nilai variabel lingkungan. Variabel lingkungan ini diatur pada proses saat skrip pengguna sedang dijalankan. |
environment_definition
Diperlukan
|
Definisi lingkungan untuk eksperimen. Ini termasuk PythonSection, DockerSection, dan variabel lingkungan. Opsi lingkungan apa pun yang tidak secara langsung diekspos melalui parameter lain ke konstruksi Penghitungan dapat diatur menggunakan parameter ini. Jika parameter ini ditentukan, parameter akan lebih diutamakan daripada parameter terkait lingkungan lainnya seperti |
inputs
Diperlukan
|
Daftar azureml.data.data_reference. Objek DataReference untuk digunakan sebagai input. |
source_directory_data_store
Diperlukan
|
Penyimpanan data pendukung untuk berbagi proyek. |
shm_size
Diperlukan
|
Ukuran blok memori bersama kontainer Docker. Jika tidak diatur, azureml.core.environment._DEFAULT_SHM_SIZE default digunakan. Untuk informasi selengkapnya, lihat Referensi eksekusi Docker. |
resume_from
Diperlukan
|
Jalur data yang berisi file titik pemeriksaan atau model untuk melanjutkan eksperimen. |
max_run_duration_seconds
Diperlukan
|
Waktu maksimum yang diizinkan untuk eksekusi. Azure ML akan mencoba membatalkan eksekusi secara otomatis jika memakan waktu lebih lama dari nilai ini. |
framework_version
Diperlukan
|
Versi Chainer yang akan digunakan untuk mengeksekusi kode pelatihan.
|
_enable_optimized_mode
Diperlukan
|
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
|
Nonaktifkan validasi skrip sebelum menjalankan pengiriman. Default-nya adalah True. |
_show_lint_warnings
Diperlukan
|
Tampilkan peringatan linting skrip. Defaultnya adalah False. |
_show_package_warnings
Diperlukan
|
Tampilkan peringatan validasi paket. Defaultnya adalah False. |
Keterangan
Saat mengirimkan pekerjaan pelatihan, Azure Machine Learning menjalankan skrip Anda di lingkungan conda dalam kontainer Docker. Kontainer Chainer telah menginstal dependensi berikut.
Dependencies | Chainer 5.1.0 | Chainer 7.0.0 | —————————- | —————– | ————— | Python | 3.6.2 | 3.6.2 | CUDA (GPU image only) | 9.0 | 9.0 | cuDNN (GPU image only) | 7.6.3 | 7.6.3 | NCCL (GPU image only) | 2.4.8 | 2.4.8 | azureml-defaults | Latest | Latest | 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 (GPU image only) | 5.2.0 | 7.0.0 | git | 2.7.4 | 2.7.4 |
Gambar Docker memperluas Ubuntu 16.04.
Untuk memasang dependensi tambahan, Anda dapat menggunakan parameter pip_packages
atau conda_packages
. Atau, Anda dapat menentukan parameter pip_requirements_file
atau conda_dependencies_file
.
Selain itu, Anda dapat membangun gambar Anda sendiri, dan meneruskan parameter custom_docker_image
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
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