EstimatorStep Classe
DEPRECATO. Crea un passaggio della pipeline da eseguire Estimator per il training del modello di Azure ML.
Creare un passaggio di Azure ML Pipeline per eseguire il training del modello di Stima per Machine Learning.
DEPRECATO. Usare invece.CommandStep Per un esempio, vedere Come eseguire il training ml nelle pipeline con CommandStep.
- Ereditarietà
-
EstimatorStep
Costruttore
EstimatorStep(name=None, estimator=None, estimator_entry_script_arguments=None, runconfig_pipeline_params=None, inputs=None, outputs=None, compute_target=None, allow_reuse=True, version=None)
Parametri
Nome | Descrizione |
---|---|
name
|
Nome del passaggio. Valore predefinito: None
|
estimator
|
Oggetto di stima associato per questo passaggio. Può essere un stimatore preconfigurato, Chainerad esempio , PyTorch, TensorFlowo SKLearn. Valore predefinito: None
|
estimator_entry_script_arguments
|
[Obbligatorio] Elenco di argomenti della riga di comando. Se lo script di voce di Estimator non accetta argomenti della riga di comando, impostare questo valore di parametro su un elenco vuoto. Valore predefinito: None
|
runconfig_pipeline_params
|
Override delle proprietà runconfig in fase di esecuzione usando coppie chiave-valore, ognuna con il nome della proprietà runconfig e PipelineParameter per tale proprietà. Valori supportati: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount' Valore predefinito: None
|
inputs
|
Elenco di input da usare. Valore predefinito: None
|
outputs
|
Elenco di oggetti PipelineData. Valore predefinito: None
|
compute_target
|
[Obbligatorio] Destinazione di calcolo da usare. Valore predefinito: None
|
allow_reuse
|
Indica se il passaggio deve riutilizzare i risultati precedenti quando si esegue di nuovo con le stesse impostazioni. Il riutilizzo è abilitato per impostazione predefinita. Se il contenuto del passaggio (script/dipendenze) e gli input e i parametri rimangono invariati, l'output dell'esecuzione precedente di questo passaggio viene riutilizzato. Quando si riutilizza il passaggio, anziché inviare il processo al calcolo, i risultati dell'esecuzione precedente vengono immediatamente resi disponibili per tutti i passaggi successivi. Se si usano set di dati di Azure Machine Learning come input, il riutilizzo è determinato dal fatto che la definizione del set di dati sia stata modificata, non dal fatto che i dati sottostanti siano stati modificati. Valore predefinito: True
|
version
|
Un tag di versione facoltativo per indicare una modifica della funzionalità per il modulo. Valore predefinito: None
|
name
Necessario
|
Nome del passaggio. |
estimator
Necessario
|
<xref:Estimator>
Oggetto di stima associato per questo passaggio. Può essere un stimatore preconfigurato, Chainerad esempio , PyTorch, TensorFlowo SKLearn. |
estimator_entry_script_arguments
Necessario
|
[str]
[Obbligatorio] Elenco di argomenti della riga di comando. Se lo script di voce di Estimator non accetta argomenti della riga di comando, impostare questo valore di parametro su un elenco vuoto. |
runconfig_pipeline_params
Necessario
|
Override delle proprietà runconfig in fase di esecuzione usando coppie chiave-valore, ognuna con il nome della proprietà runconfig e PipelineParameter per tale proprietà. Valori supportati: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount' |
inputs
Necessario
|
list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig, PipelineOutputTabularDataset, PipelineOutputFileDataset]]
Elenco di input da usare. |
outputs
Necessario
|
Elenco di oggetti PipelineData. |
compute_target
Necessario
|
[Obbligatorio] Destinazione di calcolo da usare. |
allow_reuse
Necessario
|
Indica se il passaggio deve riutilizzare i risultati precedenti quando si esegue di nuovo con le stesse impostazioni. Il riutilizzo è abilitato per impostazione predefinita. Se il contenuto del passaggio (script/dipendenze) e gli input e i parametri rimangono invariati, l'output dell'esecuzione precedente di questo passaggio viene riutilizzato. Quando si riutilizza il passaggio, anziché inviare il processo al calcolo, i risultati dell'esecuzione precedente vengono immediatamente resi disponibili per tutti i passaggi successivi. Se si usano set di dati di Azure Machine Learning come input, il riutilizzo è determinato dal fatto che la definizione del set di dati sia stata modificata, non dal fatto che i dati sottostanti siano stati modificati. |
version
Necessario
|
version |
Commenti
Si noti che gli argomenti dello script di voce usati nell'oggetto Estimator devono essere specificati come elenco usando il estimator_entry_script_arguments
parametro durante l'istanza di un oggetto EstimatorStep. Il parametro script_params
Estimator accetta un dizionario. Tuttavia, il estimator_entry_script_argument
parametro prevede argomenti come elenco.
L'inizializzazione EstimatorStep comporta la specifica di un elenco di input con il inputs
parametro e non è necessario specificare gli input con l'utilità di stima, verrà generata un'eccezione se si esegue l'operazione. Fare riferimento al inputs
parametro per i tipi di input consentiti. È anche possibile specificare facoltativamente eventuali output per il passaggio. Fare riferimento al outputs
parametro per i tipi di output consentiti.
La procedura consigliata per l'uso di EstimatorStep consiste nell'usare una cartella separata per gli script e i file dipendenti associati al passaggio e specificare tale cartella come Estimator oggetto .source_directory
In questo modo si hanno due vantaggi. Prima di tutto, consente di ridurre le dimensioni dello snapshot creato per il passaggio, perché solo ciò che è necessario per il passaggio viene snapshotto. In secondo luogo, l'output del passaggio da un'esecuzione precedente può essere riutilizzato se non sono presenti modifiche all'oggetto source_directory
che attiva un nuovo caricamento dello snaphot.
Metodi
create_node |
Creare un nodo dal passaggio Stimare e aggiungerlo al grafico specificato. DEPRECATO. Usare invece.CommandStep Per un esempio, vedere Come eseguire il training ml nelle pipeline con CommandStep. Questo metodo non deve essere usato direttamente. Quando viene creata un'istanza di una pipeline con questo passaggio, Azure ML passa automaticamente i parametri necessari tramite questo metodo in modo che il passaggio possa essere aggiunto a un grafico della pipeline che rappresenta il flusso di lavoro. |
create_node
Creare un nodo dal passaggio Stimare e aggiungerlo al grafico specificato.
DEPRECATO. Usare invece.CommandStep Per un esempio, vedere Come eseguire il training ml nelle pipeline con CommandStep.
Questo metodo non deve essere usato direttamente. Quando viene creata un'istanza di una pipeline con questo passaggio, Azure ML passa automaticamente i parametri necessari tramite questo metodo in modo che il passaggio possa essere aggiunto a un grafico della pipeline che rappresenta il flusso di lavoro.
create_node(graph, default_datastore, context)
Parametri
Nome | Descrizione |
---|---|
graph
Necessario
|
Oggetto graph a cui aggiungere il nodo. |
default_datastore
Necessario
|
Archivio dati predefinito. |
context
Necessario
|
<xref:azureml.pipeline.core._GraphContext>
Contesto del grafico. |
Restituisce
Tipo | Descrizione |
---|---|
Nodo creato. |