EstimatorStep クラス
非推奨。 Azure ML モデル トレーニング用に Estimator を実行するパイプライン ステップを作成します。
Azure ML Pipeline ステップを作成して、Estimator for Machine Learning モデル トレーニングを実行します。
非推奨。 代わりに CommandStep を使用してください。 例については、「CommandStep を使用してパイプラインで ML トレーニングを実行する方法」を参照してください。
- 継承
-
EstimatorStep
コンストラクター
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)
パラメーター
- estimator
- Estimator
このステップに関連付けられている推定器オブジェクト。 Chainer、PyTorch、TensorFlow、SKLearn などの事前構成された推定器 を指定できます。
[必須] コマンドライン引数の一覧。 推定器のエントリ スクリプトがコマンド ライン引数を受け入れない場合は、このパラメーター値を空のリストに設定します。
- runconfig_pipeline_params
- dict[str, PipelineParameter]
キーと値のペアを使用した実行時の runconfig プロパティのオーバーライド。それぞれに runconfig プロパティの名前とそのプロパティの PipelineParameter が含まれています。
サポートされる値は、'NodeCount'、'MpiProcessCountPerNode'、'TensorflowWorkerCount'、'TensorflowParameterServerCount' です。
- inputs
- list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig]]
使用する入力のリスト。
PipelineData オブジェクトのリスト。
- allow_reuse
- bool
同じ設定で再実行されたときに、ステップで前の結果を再利用するかどうかを示します。 再利用は既定で有効になっています。 ステップの内容 (スクリプトや依存関係) だけでなく、入力とパラメーターも変更されていない場合は、このステップの前の実行からの出力が再利用されます。 ステップを再利用する場合、計算するジョブを送信する代わりに、前の実行の結果を後続のステップですぐに利用できるようにします。 Azure Machine Learning データセットを入力として使用する場合、再利用は、基になるデータが変更されたかどうかではなく、データセットの定義が変更されたかどうかによって決まります。
- estimator
- <xref:Estimator>
このステップに関連付けられている推定器オブジェクト。 Chainer、PyTorch、TensorFlow、SKLearn などの事前構成された推定器 を指定できます。
- estimator_entry_script_arguments
- [str]
[必須] コマンドライン引数の一覧。 推定器のエントリ スクリプトがコマンド ライン引数を受け入れない場合は、このパラメーター値を空のリストに設定します。
- runconfig_pipeline_params
- dict[str, PipelineParameter]
キーと値のペアを使用した実行時の runconfig プロパティのオーバーライド。それぞれに runconfig プロパティの名前とそのプロパティの PipelineParameter が含まれています。
サポートされる値は、'NodeCount'、'MpiProcessCountPerNode'、'TensorflowWorkerCount'、'TensorflowParameterServerCount' です。
- inputs
- list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig, PipelineOutputTabularDataset, PipelineOutputFileDataset]]
使用する入力のリスト。
- allow_reuse
- bool
同じ設定で再実行されたときに、ステップで前の結果を再利用するかどうかを示します。 再利用は既定で有効になっています。 ステップの内容 (スクリプトや依存関係) だけでなく、入力とパラメーターも変更されていない場合は、このステップの前の実行からの出力が再利用されます。 ステップを再利用する場合、計算するジョブを送信する代わりに、前の実行の結果を後続のステップですぐに利用できるようにします。 Azure Machine Learning データセットを入力として使用する場合、再利用は、基になるデータが変更されたかどうかではなく、データセットの定義が変更されたかどうかによって決まります。
注釈
Estimator オブジェクトで使用されるエントリ スクリプトへの引数は、EstimatorStep をインスタンス化するときに、estimator_entry_script_arguments
パラメーターを使用してリストとして指定する必要があることに注意してください。 推定器パラメーター script_params
は辞書を受け入れます。 ただし、estimator_entry_script_argument
パラメーターの引数はリストである必要があります。
EstimatorStep の初期化では、inputs
パラメーターで入力リストを指定する必要があり、推定器で入力を指定する必要はありません。指定した場合は例外がスローされます。 許可されている入力の種類については、inputs
パラメーターを参照してください。 必要に応じて、ステップの出力を指定することもできます。 許可されている出力の種類については、outputs
パラメーターを参照してください。
EstimatorStep を使用する場合のベスト プラクティスは、ステップに関連付けられているスクリプトと任意の依存ファイルに対して別のフォルダーを使用し、そのフォルダーを Estimator オブジェクトの source_directory
として指定することです。 これには 2 つの利点があります。 まず、ステップに必要なものだけがスナップショットされるため、ステップに対して作成されるスナップショットのサイズを小さくするのに役立ちます。 そして、スナップショットの再アップロードをトリガーする source_directory
に変更がない場合に、以前の実行からのステップの出力を再利用することができます。
メソッド
create_node |
推定器ステップからノードを作成し、指定したグラフに追加します。 非推奨。 代わりに CommandStep を使用してください。 例については、「CommandStep を使用してパイプラインで ML トレーニングを実行する方法」を参照してください。 このメソッドは直接使用するためのものではありません。 このステップでパイプラインがインスタンス化されると、Azure ML は、ワークフローを表すパイプライン グラフにステップを追加できるように、このメソッドで必要なパラメーターを自動的に渡します。 |
create_node
推定器ステップからノードを作成し、指定したグラフに追加します。
非推奨。 代わりに CommandStep を使用してください。 例については、「CommandStep を使用してパイプラインで ML トレーニングを実行する方法」を参照してください。
このメソッドは直接使用するためのものではありません。 このステップでパイプラインがインスタンス化されると、Azure ML は、ワークフローを表すパイプライン グラフにステップを追加できるように、このメソッドで必要なパラメーターを自動的に渡します。
create_node(graph, default_datastore, context)
パラメーター
- context
- <xref:azureml.pipeline.core._GraphContext>
グラフ コンテキスト。
戻り値
作成されたノード。
の戻り値の型 :
フィードバック
https://aka.ms/ContentUserFeedback」を参照してください。
以下は間もなく提供いたします。2024 年を通じて、コンテンツのフィードバック メカニズムとして GitHub の issue を段階的に廃止し、新しいフィードバック システムに置き換えます。 詳細については、「フィードバックの送信と表示