TruncationSelectionPolicy Classe

Definisce un criterio di terminazione anticipata che annulla una determinata percentuale di esecuzioni a ogni intervallo di valutazione.

Ereditarietà

azure.ai.ml.entities._job.sweep.early_termination_policy.EarlyTerminationPolicy

TruncationSelectionPolicy

Costruttore

TruncationSelectionPolicy(*, delay_evaluation: int = 0, evaluation_interval: int = 0, truncation_percentage: int = 0)

Parametri di sole parole chiave

Nome	Descrizione
delay_evaluation	int Numero di intervalli in base ai quali ritardare la prima valutazione. Il valore predefinito è 0.
evaluation_interval	int Intervallo (numero di esecuzioni) tra le valutazioni dei criteri. Il valore predefinito è 0.
truncation_percentage	int Percentuale di esecuzioni da annullare a ogni intervallo di valutazione. Il valore predefinito è 0.

Esempio

Configurazione di un criterio di terminazione anticipata per un processo di sweep degli iperparametri tramite TruncationStoppingPolicy

   from azure.ai.ml import command

   job = command(
       inputs=dict(kernel="linear", penalty=1.0),
       compute=cpu_cluster,
       environment=f"{job_env.name}:{job_env.version}",
       code="./scripts",
       command="python scripts/train.py --kernel $kernel --penalty $penalty",
       experiment_name="sklearn-iris-flowers",
   )

   # we can reuse an existing Command Job as a function that we can apply inputs to for the sweep configurations
   from azure.ai.ml.sweep import QUniform, TruncationSelectionPolicy, Uniform

   job_for_sweep = job(
       kernel=Uniform(min_value=0.0005, max_value=0.005),
       penalty=QUniform(min_value=0.05, max_value=0.75, q=1),
   )

   sweep_job = job_for_sweep.sweep(
       sampling_algorithm="random",
       primary_metric="best_val_acc",
       goal="Maximize",
       max_total_trials=8,
       max_concurrent_trials=4,
       early_termination_policy=TruncationSelectionPolicy(delay_evaluation=5, evaluation_interval=2),
   )