SKLearn Kelas

Membuat estimator untuk pelatihan dalam eksperimen Scikit-learn.

USANG. ScriptRunConfig Gunakan objek dengan lingkungan yang anda tentukan sendiri atau lingkungan AzureML-Tutorial yang dikumpulkan. Untuk pengenalan tentang mengonfigurasi eksekusi eksperimen SKLearn dengan ScriptRunConfig, lihat Melatih model scikit-learn dalam skala besar dengan Azure Machine Learning.

Estimator ini hanya mendukung pelatihan CPU simpul tunggal.

Versi yang didukung: 0.20.3

Menginisialisasi estimator Scikit-learn.

Konstruktor

SKLearn(source_directory, *, compute_target=None, vm_size=None, vm_priority=None, entry_script=None, script_params=None, use_docker=True, 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, 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 String yang mewakili jalur relatif ke file yang digunakan untuk memulai pelatihan.
script_params Diperlukan	dict Kamus argumen baris perintah untuk diteruskan ke skrip pelatihan Anda yang ditentukan dalam `entry_script`.
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. False berarti bahwa AzureML 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 String yang mewakili jalur relatif ke file yaml dependensi conda. Jika ditentukan, Azure ML tidak akan menginstal paket terkait kerangka kerja apa pun. Ini dapat disediakan dalam kombinasi dengan `conda_packages` parameter . USANG. Gunakan parameter `conda_dependencies_file`.
pip_requirements_file_path Diperlukan	str String yang mewakili 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 String yang mewakili jalur relatif ke file yaml dependensi conda. Jika ditentukan, Azure ML tidak akan menginstal paket terkait kerangka kerja apa pun. Ini dapat disediakan dalam kombinasi dengan `conda_packages` parameter .
pip_requirements_file Diperlukan	str String yang mewakili 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 mencakup variabel PythonSection, DockerSection, dan lingkungan. Opsi lingkungan apa pun yang tidak secara langsung diekspos melalui parameter lain ke konstruksi Estimator dapat diatur menggunakan `environment_definition` parameter. Jika parameter ini ditentukan, parameter akan lebih diutamakan daripada parameter terkait lingkungan lain seperti `use_gpu`, , `custom_docker_image`, `conda_packages`atau `pip_packages`. Kesalahan akan dilaporkan kombinasi yang tidak valid.
inputs Diperlukan	list Daftar DataReference objek atau DatasetConsumptionConfig yang akan digunakan sebagai input.
shm_size Diperlukan	str Ukuran blok memori bersama kontainer Docker. Jika tidak diatur, azureml.core.environment._DEFAULT_SHM_SIZE default digunakan.
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 Scikit-learn yang akan digunakan untuk mengeksekusi kode pelatihan. `SKLearn.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, 'khusus' digunakan. Nilai yang didukung: 'dedicated' dan 'lowpriority'. Ini hanya berlaku ketika `vm_size param` ditentukan dalam input.
entry_script Diperlukan	str String yang mewakili jalur relatif ke file yang digunakan untuk memulai pelatihan.
script_params Diperlukan	dict Kamus argumen baris perintah untuk diteruskan ke skrip pelatihan Anda yang ditentukan dalam `entry_script`.
use_docker Diperlukan	bool Nilai bool yang menunjukkan apakah lingkungan untuk menjalankan eksperimen harus berbasis Docker.
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. False berarti bahwa AzureML 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 String yang mewakili jalur relatif ke file yaml dependensi conda. Jika ditentukan, Azure ML tidak akan menginstal paket terkait kerangka kerja apa pun. Ini dapat disediakan dalam kombinasi dengan `conda_packages` parameter . USANG. Gunakan parameter `conda_dependencies_file`.
pip_requirements_file_path Diperlukan	str String yang mewakili 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 String yang mewakili jalur relatif ke file yaml dependensi conda. Jika ditentukan, Azure ML tidak akan menginstal paket terkait kerangka kerja apa pun. Ini dapat disediakan dalam kombinasi dengan `conda_packages` parameter .
pip_requirements_file Diperlukan	str String yang mewakili 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 mencakup variabel PythonSection, DockerSection, dan lingkungan. Opsi lingkungan apa pun yang tidak secara langsung diekspos melalui parameter lain ke konstruksi Estimator dapat diatur menggunakan `environment_definition` parameter. Jika parameter ini ditentukan, parameter akan lebih diutamakan daripada parameter terkait lingkungan lain seperti `use_gpu`, , `custom_docker_image`, `conda_packages`atau `pip_packages`. Kesalahan akan dilaporkan kombinasi yang tidak valid.
inputs Diperlukan	list Daftar azureml.data.data_reference. Objek DataReference untuk digunakan sebagai input.
shm_size Diperlukan	str Ukuran blok memori bersama kontainer Docker. Jika tidak diatur, azureml.core.environment._DEFAULT_SHM_SIZE default digunakan.
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 Scikit-learn yang akan digunakan untuk mengeksekusi kode pelatihan. `SKLearn.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 SKLearn memiliki dependensi berikut yang terinstal.

Dependensi | Scikit-learn 0.20.3 | ———————- | —————– | Python | 3.6.2 | azureml-defaults | Terbaru | IntelMpi | 2018.3.222 | scikit-learn | 0.20.3 | numpy | 1.16.2 | miniconda | 4.5.11 | scipy | 1.2.1 | joblib | 0.13.2 | git | 2.7.4 |

Gambar Docker memperluas Ubuntu 16.04.

Jika Anda perlu menginstal dependensi tambahan, Anda dapat menggunakan pip_packages parameter atau conda_packages , atau Anda dapat menyediakan file atau pip_requirements_file Andaconda_dependencies_file. Atau, Anda dapat membangun gambar Anda sendiri dan meneruskan custom_docker_image parameter ke konstruktor estimator.

Atribut

DEFAULT_VERSION

DEFAULT_VERSION = '0.20.3'

FRAMEWORK_NAME

FRAMEWORK_NAME = 'SKLearn'

Saran dan Komentar

Apakah halaman ini membantu?