Delen via

AutoML upgraden naar SDK v2

  • Artikel

In SDK v2 worden 'experimenten' en 'runs' samengevoegd in taken.

In SDK v1 is AutoML voornamelijk geconfigureerd en uitgevoerd met behulp van de AutoMLConfig klasse. In SDK v2 is deze klasse geconverteerd naar een AutoML taak. Hoewel er enkele verschillen zijn in de configuratieopties, blijft naamgeving en functionaliteit behouden in V2.

Dit artikel bevat een vergelijking van scenario('s) in SDK v1 en SDK v2.

AutoML-uitvoering verzenden

  • SDK v1: Hieronder ziet u een voorbeeld van een AutoML-classificatietaak. Bekijk onze opslagplaats met voorbeelden voor de volledige code.

    # Imports

import azureml.core
from azureml.core.experiment import Experiment
from azureml.core.workspace import Workspace
from azureml.core.dataset import Dataset
from azureml.train.automl import AutoMLConfig
from azureml.train.automl.run import AutoMLRun   

# Load tabular dataset
data = "<url_to_data>"
dataset = Dataset.Tabular.from_delimited_files(data)
training_data, validation_data = dataset.random_split(percentage=0.8, seed=223)
label_column_name = "Class"

# Configure Auto ML settings
automl_settings = {
    "n_cross_validations": 3,
    "primary_metric": "average_precision_score_weighted",
    "enable_early_stopping": True,
    "max_concurrent_iterations": 2,  
    "experiment_timeout_hours": 0.25,  
    "verbosity": logging.INFO,
}

# Put together an AutoML job constructor
automl_config = AutoMLConfig(
    task="classification",
    debug_log="automl_errors.log",
    compute_target=compute_target,
    training_data=training_data,
    label_column_name=label_column_name,
    **automl_settings,
)

# Submit run
remote_run = experiment.submit(automl_config, show_output=False)
azureml_url = remote_run.get_portal_url()
print(azureml_url)

  • SDK v2: Hieronder ziet u een voorbeeld van een AutoML-classificatietaak. Bekijk onze opslagplaats met voorbeelden voor de volledige code.

    # Imports
from azure.ai.ml import automl, Input, MLClient

from azure.ai.ml.constants import AssetTypes
from azure.ai.ml.automl import (
    classification,
    ClassificationPrimaryMetrics,
    ClassificationModels,
)


# Create MLTables for training dataset
# Note that AutoML Job can also take in tabular data
my_training_data_input = Input(
    type=AssetTypes.MLTABLE, path="./data/training-mltable-folder"
)

# Create the AutoML classification job with the related factory-function.
classification_job = automl.classification(
    compute="<compute_name>",
    experiment_name="<exp_name?",
    training_data=my_training_data_input,
    target_column_name="<name_of_target_column>",
    primary_metric="accuracy",
    n_cross_validations=5,
    enable_model_explainability=True,
    tags={"my_custom_tag": "My custom value"},
)

# Limits are all optional
classification_job.set_limits(
    timeout_minutes=600,
    trial_timeout_minutes=20,
    max_trials=5,
    max_concurrent_trials = 4,
    max_cores_per_trial= 1,
    enable_early_termination=True,
)

# Training properties are optional
classification_job.set_training(
    blocked_training_algorithms=["LogisticRegression"],
    enable_onnx_compatible_models=True,
)

# Submit the AutoML job
returned_job = ml_client.jobs.create_or_update(classification_job)  
returned_job

Toewijzing van belangrijke functionaliteit in SDK v1 en SDK v2

Functionaliteit in SDK v1 Ruwe toewijzing in SDK v2
Methode/API in SDK v1 (koppelingen naar ref docs gebruiken) Methode/API in SDK v2 (koppelingen naar ref docs gebruiken)

Volgende stappen

Zie voor meer informatie: