RunDetails Classe

Rappresenta un widget del notebook jupyter usato per visualizzare lo stato di avanzamento del training del modello.

Il widget è asincrono e offre gli aggiornamenti fino al termine del training.

Inizializzare il widget con l'istanza di esecuzione specificata.

Ereditarietà

builtins.object

RunDetails

Costruttore

RunDetails(run_instance)

Parametri

run_instance

Run

Necessario

Eseguire l'istanza per cui verrà eseguito il rendering del widget.

run_instance

Run

Necessario

Eseguire l'istanza per cui verrà eseguito il rendering del widget.

Commenti

Un widget Jupyter Notebook di Azure ML mostra lo stato di avanzamento del training del modello, incluse proprietà, log e metriche. Il tipo di widget selezionato viene dedotto in modo implicito dall'oggetto run_instance. Non è necessario impostarlo in modo esplicito. Usare il metodo per iniziare il show rendering del widget. Se il widget non è installato, verrà visualizzato un collegamento per visualizzare il contenuto in una nuova pagina del browser. Dopo aver avviato un esperimento, è anche possibile visualizzare lo stato di avanzamento del training del modello nel portale di Azure usando il get_portal_url() metodo della Run classe.

Nell'esempio seguente viene illustrato come creare un widget e avviarlo:

   from azureml.widgets import RunDetails

   RunDetails(remote_run).show()

L'esempio completo è disponibile da https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/automated-machine-learning/classification-credit-card-fraud/auto-ml-classification-credit-card-fraud.ipynb

Sono supportati i tipi di esecuzioni seguenti:

• StepRun: mostra le proprietà di esecuzione, i log di output, le metriche.

• HyperDriveRun: mostra le proprietà di esecuzione padre, i log, le esecuzioni figlio, il grafico delle metriche primarie e il grafico di coordinate parallele degli iperparametri.

• AutoMLRun: mostra le esecuzioni figlio e il grafico delle metriche primarie con l'opzione per selezionare singole metriche.

• PipelineRun: mostra i nodi in esecuzione e non in esecuzione di una pipeline insieme alla rappresentazione grafica dei nodi e dei bordi.

• ReinforcementLearningRun: mostra lo stato delle esecuzioni in tempo reale. Reinforcement Learning di Azure Machine Learning è attualmente una funzionalità di anteprima. Per altre informazioni, vedere Apprendimento di rinforzo con Azure Marchine Learning.

Il pacchetto azureml-widgets viene installato quando si installa Azure Machine Learning SDK. Tuttavia, potrebbe essere necessaria un'ulteriore installazione a seconda dell'ambiente.

• Jupyter Notebooks: sia i notebook locali che cloud sono completamente supportati, con interattività, aggiornamenti automatici asincroni e esecuzione di celle non bloccabili.

• JupyterLab: potrebbe essere necessaria un'ulteriore installazione.

  1. Verificare che il pacchetto azure-widgets sia installato e, in caso contrario, installarlo.

     
        sudo -i pip install azureml-widgets
     

  2. Installare l'estensione JupyterLab.

     
        sudo -i jupyter labextension install @jupyter-widgets/jupyterlab-manager
     

  3. Dopo l'installazione, riavviare il kernel in tutti i notebook attualmente in esecuzione.

     
        jupyter labextension list
     

• Databricks: supporto parziale per i widget di Juypter Notebook. Quando si usa il widget, verrà visualizzato un collegamento per visualizzare il contenuto in una nuova pagina del browser. Usare l'oggetto con il showrender_lib parametro impostato su 'displayHTML'.

Metodi

get_widget_data	Recuperare e trasformare i dati dalla cronologia di esecuzione da eseguire per il rendering del widget. Usato anche per scopi di debug.
show	Eseguire il rendering del widget e avviare il thread per aggiornare il widget.

get_widget_data

Recuperare e trasformare i dati dalla cronologia di esecuzione da eseguire per il rendering del widget. Usato anche per scopi di debug.

get_widget_data(widget_settings=None)

Parametri

widget_settings

dict

valore predefinito: None

Impostazioni da applicare al widget. Impostazione supportata: 'debug' (un booleano).

Restituisce

Dizionario contenente i dati da eseguire per il rendering dal widget.

Tipo restituito

dict

show

Eseguire il rendering del widget e avviare il thread per aggiornare il widget.

show(render_lib=None, widget_settings=None)

Parametri

render_lib

<xref:func>

valore predefinito: None

Libreria da usare per il rendering. Obbligatorio solo per Databricks con valore 'displayHTML'.

widget_settings

dict

valore predefinito: None

Impostazioni da applicare al widget. Impostazione supportata: 'debug' (un booleano).