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

PythonScriptStep

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	str Nome del passaggio. Valore predefinito: None
estimator	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	list[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. Valore predefinito: None
runconfig_pipeline_params	dict[str, PipelineParameter] 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	list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig]] Elenco di input da usare. Valore predefinito: None
outputs	list[Union[PipelineData, OutputDatasetConfig, PipelineOutputAbstractDataset]] Elenco di oggetti PipelineData. Valore predefinito: None
compute_target	Union[DsvmCompute, AmlCompute, RemoteCompute, str] [Obbligatorio] Destinazione di calcolo da usare. Valore predefinito: None
allow_reuse	bool 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	str Un tag di versione facoltativo per indicare una modifica della funzionalità per il modulo. Valore predefinito: None
name Necessario	str 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	dict[str, PipelineParameter] 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	list[Union[PipelineData, PipelineOutputAbstractDataset] Elenco di oggetti PipelineData.
compute_target Necessario	Union[DsvmCompute, AmlCompute, RemoteCompute, str] [Obbligatorio] Destinazione di calcolo da usare.
allow_reuse Necessario	bool 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	str 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	Graph Oggetto graph a cui aggiungere il nodo.
default_datastore Necessario	Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore] Archivio dati predefinito.
context Necessario	<xref:azureml.pipeline.core._GraphContext> Contesto del grafico.

Restituisce

Tipo	Descrizione
Node	Nodo creato.