SKLearn Kelas
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._FrameworkBaseEstimatorSKLearn
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
- compute_target
- AbstractComputeTarget atau str
Target komputasi di mana pelatihan akan terjadi. Ini bisa berupa objek atau untai (karakter) "lokal".
- vm_size
- str
Ukuran mesin virtual dari target komputasi yang akan dibuat untuk pelatihan.
Nilai yang didukung: Ukuran mesin virtual Azure apa pun.
- vm_priority
- 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
- str
Untai (karakter) yang menunjukkan jalur relatif ke file yang digunakan untuk memulai pelatihan.
- script_params
- dict
Kamus argumen baris perintah untuk diteruskan ke skrip pelatihan yang ditentukan dalam entry_script
.
- custom_docker_image
- str
Nama gambar Docker tempat membuat gambar yang akan digunakan untuk pelatihan. Jika tidak diatur, gambar berbasis CPU default akan digunakan sebagai gambar dasar.
- user_managed
- 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
- list
Daftar untai (karakter) yang menunjukkan paket conda untuk ditambahkan ke lingkungan Python untuk eksperimen.
- pip_packages
- list
Daftar untai (karakter) yang menunjukkan paket pip yang akan ditambahkan ke lingkungan Python untuk eksperimen.
- conda_dependencies_file_path
- 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
- 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
- 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
- str
Untai (karakter) yang menunjukkan jalur relatif ke file teks persyaratan pip.
Ini dapat dilengkapi dengan kombinasi parameter pip_packages
.
- environment_variables
- dict
Sebuah kamus berisi nama dan nilai variabel lingkungan. Variabel lingkungan ini diatur pada proses tempat skrip pengguna sedang dijalankan.
- environment_definition
- 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
- list
Daftar objek DataReference atau DatasetConsumptionConfig yang akan digunakan sebagai input.
- shm_size
- str
Ukuran blok memori bersama kontainer Docker. Jika tidak diatur, azureml.core.environment._DEFAULT_SHM_SIZE default digunakan.
- resume_from
- DataPath
Jalur data yang berisi file model atau titik pemeriksaan untuk melanjutkan eksperimen.
- max_run_duration_seconds
- 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
- str
Versi Scikit-learn yang akan digunakan untuk mengeksekusi kode pelatihan.
SKLearn.get_supported_versions()
mengembalikan daftar versi yang didukung oleh SDK saat ini.
- compute_target
- AbstractComputeTarget atau str
Target komputasi di mana pelatihan akan terjadi. Ini bisa berupa objek atau untai (karakter) "lokal".
- vm_size
- str
Ukuran mesin virtual dari target komputasi yang akan dibuat untuk pelatihan. Nilai yang didukung: Ukuran mesin virtual Azure apa pun.
- vm_priority
- 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
- str
Untai (karakter) yang menunjukkan jalur relatif ke file yang digunakan untuk memulai pelatihan.
- script_params
- dict
Kamus argumen baris perintah untuk diteruskan ke skrip pelatihan yang ditentukan dalam entry_script
.
- use_docker
- bool
Nilai bool yang menunjukkan apakah lingkungan untuk menjalankan eksperimen harus berbasis Docker.
- custom_docker_image
- 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.
- user_managed
- 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
- list
Daftar untai (karakter) yang menunjukkan paket conda untuk ditambahkan ke lingkungan Python untuk eksperimen.
- pip_packages
- list
Daftar untai (karakter) yang menunjukkan paket pip yang akan ditambahkan ke lingkungan Python untuk eksperimen.
- conda_dependencies_file_path
- 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
- 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
- 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
- str
Untai (karakter) yang menunjukkan jalur relatif ke file teks persyaratan pip.
Ini dapat dilengkapi dengan kombinasi parameter pip_packages
.
- environment_variables
- dict
Sebuah kamus berisi nama dan nilai variabel lingkungan. Variabel lingkungan ini diatur pada proses tempat skrip pengguna sedang dijalankan.
- environment_definition
- 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
- list
Daftar azureml.data.data_reference. Objek DataReference untuk digunakan sebagai input.
- shm_size
- str
Ukuran blok memori bersama kontainer Docker. Jika tidak diatur, azureml.core.environment._DEFAULT_SHM_SIZE default digunakan.
- resume_from
- DataPath
Jalur data yang berisi file model atau titik pemeriksaan untuk melanjutkan eksperimen.
- max_run_duration_seconds
- 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
- 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
- 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
- bool
Nonaktifkan validasi skrip sebelum menjalankan pengiriman. Default-nya adalah True.
- _show_package_warnings
- 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'
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