SKLearn Kelas

Referensi

Membuat estimator untuk pelatihan dalam eksperimen Scikit-learn.

TIDAK DIGUNAKAN LAGI. Gunakan objek ScriptRunConfig dengan lingkungan yang Anda tentukan sendiri atau lingkungan yang dikuratori AzureML-Tutorial. Untuk pengenalan konfigurasi eksperimen SKLearn yang berjalan dengan ScriptRunConfig, lihat Melatih model scikit-learn dalam skala besar dengan Azure Machine Learning.

Estimator ini hanya mendukung pelatihan CPU node tunggal.

Versi yang didukung: 0.20.3

Menginisialisasi estimator Scikit-learn.

Warisan: azureml.train.estimator._framework_base_estimator._FrameworkBaseEstimator

SKLearn

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 di mana pelatihan akan terjadi. Ini bisa berupa objek atau untai (karakter) "lokal".
vm_size Diperlukan	str Ukuran mesin virtual dari target komputasi yang akan dibuat untuk pelatihan. Nilai yang didukung: Ukuran mesin virtual Azure apa pun.
vm_priority Diperlukan	str 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 `vm_size param` ditentukan dalam input.
entry_script Diperlukan	str Untai (karakter) yang menunjukkan jalur relatif ke file yang digunakan untuk memulai pelatihan.
script_params Diperlukan	dict Kamus argumen baris perintah untuk diteruskan ke skrip pelatihan yang ditentukan dalam `entry_script`.
custom_docker_image Diperlukan	str Nama gambar Docker tempat membuat gambar yang akan digunakan untuk pelatihan. Jika tidak diatur, gambar berbasis CPU default akan digunakan sebagai gambar dasar.
image_registry_details Diperlukan	ContainerRegistry Detail dari registri gambar Docker.
user_managed Diperlukan	bool Menentukan apakah Azure Machine Learning menggunakan kembali lingkungan Python yang ada. Jika False, Azure Machine Learning akan membuat lingkungan Python berdasarkan spesifikasi dependensi conda.
conda_packages Diperlukan	list Daftar untai (karakter) yang menunjukkan paket conda untuk ditambahkan ke lingkungan Python untuk eksperimen.
pip_packages Diperlukan	list Daftar untai (karakter) yang menunjukkan paket pip yang akan ditambahkan ke lingkungan Python untuk eksperimen.
conda_dependencies_file_path Diperlukan	str Untai (karakter) yang menunjukkan jalur relatif ke file yaml dependensi conda. Jika ditentukan, Azure Machine Learning tidak akan memasang paket terkait kerangka kerja apa pun. Ini dapat dilengkapi dengan kombinasi parameter `conda_packages`. TIDAK DIGUNAKAN LAGI. Gunakan parameter `conda_dependencies_file`.
pip_requirements_file_path Diperlukan	str Untai (karakter) yang menunjukkan jalur relatif ke file teks persyaratan pip. Ini dapat dilengkapi dengan kombinasi parameter `pip_packages`. TIDAK DIGUNAKAN LAGI. Gunakan parameter `pip_requirements_file`.
conda_dependencies_file Diperlukan	str Untai (karakter) yang menunjukkan jalur relatif ke file yaml dependensi conda. Jika ditentukan, Azure Machine Learning tidak akan memasang paket terkait kerangka kerja apa pun. Ini dapat dilengkapi dengan kombinasi parameter `conda_packages`.
pip_requirements_file Diperlukan	str Untai (karakter) yang menunjukkan jalur relatif ke file teks persyaratan pip. Ini dapat dilengkapi dengan kombinasi parameter `pip_packages`.
environment_variables Diperlukan	dict Sebuah kamus berisi nama dan nilai variabel lingkungan. Variabel lingkungan ini diatur pada proses tempat skrip pengguna sedang dijalankan.
environment_definition Diperlukan	Environment Definisi lingkungan untuk eksperimen mencakup variabel PythonSection, DockerSection, serta lingkungan. Opsi lingkungan apa pun yang tidak secara langsung diekspos melalui parameter lain ke konstruksi Estimator bisa diatur menggunakan parameter `environment_definition`. Jika parameter ini ditentukan, ini akan lebih diutamakan daripada parameter terkait lingkungan lainnya seperti `use_gpu`, `custom_docker_image`, `conda_packages`, atau `pip_packages`. Kesalahan akan dilaporkan sebagai kombinasi yang tidak valid.
inputs Diperlukan	list Daftar objek DataReference 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 file model atau titik pemeriksaan untuk melanjutkan eksperimen.
max_run_duration_seconds Diperlukan	int Waktu maksimum yang diizinkan untuk eksekusi. Azure Machine Learning akan mencoba membatalkan eksekusi secara otomatis jika memakan 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 di mana pelatihan akan terjadi. Ini bisa berupa objek atau untai (karakter) "lokal".
vm_size Diperlukan	str Ukuran mesin virtual dari target komputasi yang akan dibuat untuk pelatihan. Nilai yang didukung: Ukuran mesin virtual Azure apa pun.
vm_priority Diperlukan	str 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 `vm_size param` ditentukan dalam input.
entry_script Diperlukan	str Untai (karakter) yang menunjukkan jalur relatif ke file yang digunakan untuk memulai pelatihan.
script_params Diperlukan	dict Kamus argumen baris perintah untuk diteruskan ke skrip pelatihan 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 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	ContainerRegistry Detail dari registri gambar Docker.
user_managed Diperlukan	bool Menentukan apakah Azure Machine Learning menggunakan kembali lingkungan Python yang ada. Jika False, Azure Machine Learning akan membuat lingkungan Python berdasarkan spesifikasi dependensi conda.
conda_packages Diperlukan	list Daftar untai (karakter) yang menunjukkan paket conda untuk ditambahkan ke lingkungan Python untuk eksperimen.
pip_packages Diperlukan	list Daftar untai (karakter) yang menunjukkan paket pip yang akan ditambahkan ke lingkungan Python untuk eksperimen.
conda_dependencies_file_path Diperlukan	str Untai (karakter) yang menunjukkan jalur relatif ke file yaml dependensi conda. Jika ditentukan, Azure Machine Learning tidak akan memasang paket terkait kerangka kerja apa pun. Ini dapat dilengkapi dengan kombinasi parameter `conda_packages`. TIDAK DIGUNAKAN LAGI. Gunakan parameter `conda_dependencies_file`.
pip_requirements_file_path Diperlukan	str Untai (karakter) yang menunjukkan jalur relatif ke file teks persyaratan pip. Ini dapat dilengkapi dengan kombinasi parameter `pip_packages`. TIDAK DIGUNAKAN LAGI. Gunakan parameter `pip_requirements_file`.
conda_dependencies_file Diperlukan	str Untai (karakter) yang menunjukkan jalur relatif ke file yaml dependensi conda. Jika ditentukan, Azure Machine Learning tidak akan memasang paket terkait kerangka kerja apa pun. Ini dapat dilengkapi dengan kombinasi parameter `conda_packages`.
pip_requirements_file Diperlukan	str Untai (karakter) yang menunjukkan jalur relatif ke file teks persyaratan pip. Ini dapat dilengkapi dengan kombinasi parameter `pip_packages`.
environment_variables Diperlukan	dict Sebuah kamus berisi nama dan nilai variabel lingkungan. Variabel lingkungan ini diatur pada proses tempat skrip pengguna sedang dijalankan.
environment_definition Diperlukan	Environment Definisi lingkungan untuk eksperimen mencakup variabel PythonSection, DockerSection, serta lingkungan. Opsi lingkungan apa pun yang tidak secara langsung diekspos melalui parameter lain ke konstruksi Estimator bisa diatur menggunakan parameter `environment_definition`. Jika parameter ini ditentukan, ini akan lebih diutamakan daripada parameter terkait lingkungan lainnya seperti `use_gpu`, `custom_docker_image`, `conda_packages`, atau `pip_packages`. Kesalahan akan dilaporkan sebagai 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 file model atau titik pemeriksaan untuk melanjutkan eksperimen.
max_run_duration_seconds Diperlukan	int Waktu maksimum yang diizinkan untuk eksekusi. Azure Machine Learning akan mencoba membatalkan eksekusi secara otomatis jika memakan 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. Default-nya 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 Machine Learning menjalankan skrip Anda di lingkungan conda dalam kontainer Docker. Kontainer Scikit-learn telah menginstal dependensi berikut.

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 memasang dependensi tambahan, Anda dapat menggunakan parameter pip_packages atau conda_packages, atau Anda dapat menyediakan file pip_requirements_file atau conda_dependencies_file. Atau, Anda bisa membangun gambar Anda sendiri dan meneruskan parameter custom_docker_image ke konstruktor estimator.

Atribut

DEFAULT_VERSION

DEFAULT_VERSION = '0.20.3'

FRAMEWORK_NAME

FRAMEWORK_NAME = 'SKLearn'

Bagikan melalui