Condividi tramite

TextClassificationMultilabelJob Classe

  • Riferimento

Configurazione per il processo multilabel di classificazione del testo AutoML.

Inizializza una nuova attività Di classificazione del testo AutoML Multilabel.

Ereditarietà
azure.ai.ml.entities._job.automl.nlp.automl_nlp_job.AutoMLNLPJob
TextClassificationMultilabelJob

Costruttore

TextClassificationMultilabelJob(*, target_column_name: str | None = None, training_data: Input | None = None, validation_data: Input | None = None, primary_metric: str | None = None, log_verbosity: str | None = None, **kwargs)

Parametri

target_column_name
Necessario

Nome della colonna di destinazione

training_data
Necessario

Dati di training da usare per il training

validation_data
Necessario

Dati di convalida da usare per la valutazione del modello sottoposto a training

primary_metric
Necessario

Metrica primaria da visualizzare.

log_verbosity
Necessario

Livello di verbosità log

kwargs
Necessario

Argomenti specifici del processo

Metodi

dump

Esegue il dump del contenuto del processo in un file in formato YAML.
extend_search_space

Aggiungere (a) spazi di ricerca per questo processo NLP autoML.
set_data
set_featurization
set_limits
set_sweep

Impostazioni di sweep per tutte le attività NLP autoML.
set_training_parameters

Correggere determinati parametri di training durante la procedura di training per tutti i candidati.

Passare. Questo deve essere un intero positivo. :keyword learning_rate: frequenza di apprendimento iniziale. Deve essere un float in (0, 1). :keyword learning_rate_scheduler: tipo di utilità di pianificazione della frequenza di apprendimento. Deve scegliere tra "lineare", "cosno", "cosine_with_restarts", "polinomiale", "costante" e "constant_with_warmup". :keyword model_name: il nome del modello da usare durante il training. Deve scegliere tra 'bert-base-cased', 'bert-base-uncased', 'bert-base-multilingue-cased', 'bert-base-german-cased', 'bert-large-cased', 'bert-large-uncased', 'distilbert-base-cased', 'distilbert-base-uncased', 'roberta-base', 'roberta-large', 'distilroberta-base', 'xlm-roberta-base', 'xlm-roberta-large', xlnet-base-cased', 'xlnet-large-cased', 'xlnet-large-cased'. :keyword number_of_epochs: numero di epoche da eseguire con. Deve essere un intero positivo. :keyword training_batch_size: dimensioni del batch durante il training. Deve essere un intero positivo. :keyword validation_batch_size: dimensione del batch durante la convalida. Deve essere un intero positivo. :keyword warmup_ratio: rapporto dei passaggi di training totali usati per un riscaldamento lineare da 0 a learning_rate. Deve essere un float in [0, 1]. :keyword weight_decay: valore del decadimento del peso quando optimizer è sgd, adam o adamw. Deve essere un float nell'intervallo [0, 1]. :return: Nessuno.

dump

Esegue il dump del contenuto del processo in un file in formato YAML.

dump(dest: str | PathLike | IO, **kwargs) -> None

Parametri

dest
Union[<xref:PathLike>, str, IO[AnyStr]]
Necessario

Percorso locale o flusso di file in cui scrivere il contenuto YAML. Se il massimo è un percorso di file, verrà creato un nuovo file. Se il massimo è un file aperto, il file verrà scritto direttamente.

kwargs
dict

Argomenti aggiuntivi da passare al serializzatore YAML.

Eccezioni

FileExistsError

Generato se il numero massimo è un percorso di file e il file esiste già.

IOError

Generato se il massimo è un file aperto e il file non è scrivibile.

extend_search_space

Aggiungere (a) spazi di ricerca per questo processo NLP autoML.

extend_search_space(value: SearchSpace | List[SearchSpace]) -> None

Parametri

value
Union[SearchSpace, List[SearchSpace]]
Necessario

Un oggetto SearchSpace o un elenco di oggetti SearchSpace con parametri specifici della prevenzione della perdita dei dati.

Restituisce

Nessuno.

Eccezioni

FileExistsError

Generato se il numero massimo è un percorso di file e il file esiste già.

IOError

Generato se il massimo è un file aperto e il file non è scrivibile.

set_data 

set_data(*, training_data: Input, target_column_name: str, validation_data: Input) -> None

Eccezioni

FileExistsError

Generato se il numero massimo è un percorso di file e il file esiste già.

IOError

Generato se il massimo è un file aperto e il file non è scrivibile.

set_featurization 

set_featurization(*, dataset_language: str | None = None) -> None

Eccezioni

FileExistsError

Generato se il numero massimo è un percorso di file e il file esiste già.

IOError

Generato se il massimo è un file aperto e il file non è scrivibile.

set_limits 

set_limits(*, max_trials: int = 1, max_concurrent_trials: int = 1, max_nodes: int = 1, timeout_minutes: int | None = None, trial_timeout_minutes: int | None = None) -> None

Eccezioni

FileExistsError

Generato se il numero massimo è un percorso di file e il file esiste già.

IOError

Generato se il massimo è un file aperto e il file non è scrivibile.

set_sweep

Impostazioni di sweep per tutte le attività NLP autoML.

set_sweep(*, sampling_algorithm: str | SamplingAlgorithmType, early_termination: EarlyTerminationPolicy | None = None)

Parametri

sampling_algorithm

Obbligatorio. Specifica il tipo di algoritmo di campionamento dell'iperparametro. I valori possibili includono: "Grid", "Random" e "Bayesian".

early_termination

Criteri di terminazione anticipata facoltativa per terminare i candidati di formazione con prestazioni scarse.

Restituisce

Nessuno

Eccezioni

FileExistsError

Generato se il numero massimo è un percorso di file e il file esiste già.

IOError

Generato se il massimo è un file aperto e il file non è scrivibile.

set_training_parameters

Correggere determinati parametri di training durante la procedura di training per tutti i candidati.

Passare. Questo deve essere un intero positivo. :keyword learning_rate: frequenza di apprendimento iniziale. Deve essere un float in (0, 1). :keyword learning_rate_scheduler: tipo di utilità di pianificazione della frequenza di apprendimento. Deve scegliere tra "lineare", "cosno", "cosine_with_restarts", "polinomiale", "costante" e "constant_with_warmup". :keyword model_name: il nome del modello da usare durante il training. Deve scegliere tra 'bert-base-cased', 'bert-base-uncased', 'bert-base-multilingue-cased', 'bert-base-german-cased', 'bert-large-cased', 'bert-large-uncased', 'distilbert-base-cased', 'distilbert-base-uncased', 'roberta-base', 'roberta-large', 'distilroberta-base', 'xlm-roberta-base', 'xlm-roberta-large', xlnet-base-cased', 'xlnet-large-cased', 'xlnet-large-cased'. :keyword number_of_epochs: numero di epoche da eseguire con. Deve essere un intero positivo. :keyword training_batch_size: dimensioni del batch durante il training. Deve essere un intero positivo. :keyword validation_batch_size: dimensione del batch durante la convalida. Deve essere un intero positivo. :keyword warmup_ratio: rapporto dei passaggi di training totali usati per un riscaldamento lineare da 0 a learning_rate. Deve essere un float in [0, 1]. :keyword weight_decay: valore del decadimento del peso quando optimizer è sgd, adam o adamw. Deve essere un float nell'intervallo [0, 1]. :return: Nessuno.

set_training_parameters(*, gradient_accumulation_steps: int | None = None, learning_rate: float | None = None, learning_rate_scheduler: str | NlpLearningRateScheduler | None = None, model_name: str | None = None, number_of_epochs: int | None = None, training_batch_size: int | None = None, validation_batch_size: int | None = None, warmup_ratio: float | None = None, weight_decay: float | None = None) -> None

Parametri

gradient_accumulation_steps

numero di passaggi su cui accumulare sfumature prima di un'indietro

Eccezioni

FileExistsError

Generato se il numero massimo è un percorso di file e il file esiste già.

IOError

Generato se il massimo è un file aperto e il file non è scrivibile.

Attributi

base_path

Percorso di base della risorsa.

Restituisce

Percorso di base della risorsa.

Tipo restituito

str

creation_context

Contesto di creazione della risorsa.

Restituisce

Metadati di creazione per la risorsa.

Tipo restituito

Optional[SystemData]

featurization

id

L'ID della risorsa.

Restituisce

ID globale della risorsa, ID di Azure Resource Manager (ARM).

Tipo restituito

Optional[str]

inputs

limits

log_files

File di output del processo.

Restituisce

Dizionario di nomi e URL di log.

Tipo restituito

Optional[Dict[str, str]]

log_verbosity

outputs

primary_metric

search_space

status

Stato del processo.

I valori comuni restituiti includono "Running", "Completed" e "Failed". Tutti i valori possibili sono:

  • NotStarted: questo è uno stato temporaneo in cui gli oggetti Run lato client si trovano prima dell'invio nel cloud.

  • Avvio: l'esecuzione è stata avviata nell'elaborazione nel cloud. Il chiamante ha un ID di esecuzione a questo punto.

  • Provisioning: l'elaborazione su richiesta viene creata per un invio di processo specificato.

  • Preparazione: l'ambiente di esecuzione è in fase di preparazione ed è in una delle due fasi seguenti:

    • Compilazione di immagini Docker

    • configurazione dell'ambiente conda

  • Accodato: il processo viene accodato nella destinazione di calcolo. Ad esempio, in BatchAI il processo si trova in uno stato in coda

    in attesa che tutti i nodi richiesti siano pronti.

  • Esecuzione: il processo è stato avviato per l'esecuzione nella destinazione di calcolo.

  • Finalizzazione: l'esecuzione del codice utente è stata completata e l'esecuzione è in fasi di post-elaborazione.

  • CancelRequested: l'annullamento è stato richiesto per il processo.

  • Completato: l'esecuzione è stata completata correttamente. Ciò include sia l'esecuzione del codice utente che l'esecuzione

    fasi di post-elaborazione.

  • Impossibile: l'esecuzione non è riuscita. In genere la proprietà Error in un'esecuzione fornisce informazioni dettagliate sul motivo.

  • Annullata: segue una richiesta di annullamento e indica che l'esecuzione è stata annullata correttamente.

  • NotResponding: per le esecuzioni abilitate per Heartbeat, non è stato inviato di recente alcun heartbeat.

Restituisce

Stato del processo.

Tipo restituito

Optional[str]

studio_url

Endpoint di Azure ML Studio.

Restituisce

URL della pagina dei dettagli del processo.

Tipo restituito

Optional[str]

sweep

task_type

Ottenere il tipo di attività.

Restituisce

Tipo di attività da eseguire. I valori possibili includono: "classificazione", "regressione", "previsione".

Tipo restituito

str

test_data

Ottenere i dati di test.

Restituisce

Testare l'input dei dati

Tipo restituito

Input

training_data

Ottenere i dati di training.

Restituisce

Input dati di training

Tipo restituito

Input

training_parameters

type

Tipo del processo.

Restituisce

Tipo del processo.

Tipo restituito

Optional[str]

validation_data

Ottenere i dati di convalida.

Restituisce

Input dati di convalida

Tipo restituito

Input