Chainer Klas

Vertegenwoordigt een estimator voor training in Chainer-experimenten.

VEROUDERD. Gebruik het ScriptRunConfig object met uw eigen gedefinieerde omgeving of een van de door Azure ML Chainer beheerde omgevingen. Zie Trainingsuitvoeringen configureren en verzenden voor een inleiding tot het configureren van experimentuitvoeringen met ScriptRunConfig.

Ondersteunde versies: 5.1.0, 7.0.0

Initialiseer een Chainer-estimator.

Constructor

Chainer(source_directory, *, compute_target=None, vm_size=None, vm_priority=None, entry_script=None, script_params=None, node_count=1, process_count_per_node=1, distributed_backend=None, distributed_training=None, use_gpu=False, use_docker=True, custom_docker_base_image=None, custom_docker_image=None, image_registry_details=None, user_managed=False, conda_packages=None, pip_packages=None, conda_dependencies_file_path=None, pip_requirements_file_path=None, conda_dependencies_file=None, pip_requirements_file=None, environment_variables=None, environment_definition=None, inputs=None, source_directory_data_store=None, shm_size=None, resume_from=None, max_run_duration_seconds=None, framework_version=None, _enable_optimized_mode=False, _disable_validation=True, _show_lint_warnings=False, _show_package_warnings=False)

Parameters

Name	Description
source_directory Vereist	str Een lokale map met experimentconfiguratiebestanden.
compute_target Vereist	AbstractComputeTarget of str Het rekendoel waar de training plaatsvindt. Dit kan een object zijn of de tekenreeks 'lokaal'.
vm_size Vereist	str De VM-grootte van het rekendoel dat wordt gemaakt voor de training. Ondersteunde waarden: elke Azure-VM-grootte.
vm_priority Vereist	str De vm-prioriteit van het rekendoel dat wordt gemaakt voor de training. Als dit niet is opgegeven, wordt 'dedicated' gebruikt. Ondersteunde waarden: 'dedicated' en 'lowpriority'. Dit wordt alleen van kracht wanneer de vm_size param invoer is opgegeven.
entry_script Vereist	str Het relatieve pad naar het bestand met het trainingsscript.
script_params Vereist	dict Een woordenlijst met opdrachtregelargumenten die moeten worden doorgegeven aan het trainingsscript dat is opgegeven in entry_script.
node_count Vereist	int Het aantal knooppunten in het rekendoel dat wordt gebruikt voor training. Als deze groter is dan 1, wordt een gedistribueerde MPI-taak uitgevoerd. Alleen het AmlCompute doel wordt ondersteund voor gedistribueerde taken.
process_count_per_node Vereist	int Het aantal processen per knooppunt. Als deze groter is dan 1, wordt een gedistribueerde MPI-taak uitgevoerd. Alleen het AmlCompute doel wordt ondersteund voor gedistribueerde taken.
distributed_backend Vereist	str De communicatieback-end voor gedistribueerde training. VEROUDERD. Gebruik de distributed_training parameter. Ondersteunde waarden: 'mpi'. 'mpi': MPI/Horovod Deze parameter is vereist wanneer node_count of process_count_per_node> 1. Wanneer node_count == 1 en process_count_per_node == 1, wordt er geen back-end gebruikt, tenzij de back-end expliciet is ingesteld. Alleen het AmlCompute doel wordt ondersteund voor gedistribueerde training.
distributed_training Vereist	Mpi Parameters voor het uitvoeren van een gedistribueerde trainingstaak. Voor het uitvoeren van een gedistribueerde taak met MPI-back-end gebruikt u het Mpi object om op te geven process_count_per_node.
use_gpu Vereist	bool Hiermee geeft u op of de omgeving voor het uitvoeren van het experiment GPU's moet ondersteunen. Indien waar, wordt op GPU gebaseerde standaard Docker-installatiekopieën gebruikt in de omgeving. Als dit onwaar is, wordt een op CPU gebaseerde installatiekopieën gebruikt. Standaard-Docker-installatiekopieën (CPU of GPU) worden alleen gebruikt als de custom_docker_image parameter niet is ingesteld. Deze instelling wordt alleen gebruikt in rekendoelen waarvoor Docker is ingeschakeld.
use_docker Vereist	bool Hiermee geeft u op of de omgeving voor het uitvoeren van het experiment Docker moet zijn.
custom_docker_base_image Vereist	str De naam van de Docker-installatiekopie waaruit de installatiekopie voor training moet worden gebouwd. VEROUDERD. Gebruik de custom_docker_image parameter. Als deze niet is ingesteld, wordt een standaardinstallatiekopieën op basis van CPU gebruikt als basisinstallatiekopieën.
custom_docker_image Vereist	str De naam van de Docker-installatiekopie waaruit de installatiekopie voor training moet worden gebouwd. Als deze niet is ingesteld, wordt een standaardinstallatiekopieën op basis van CPU gebruikt als basisinstallatiekopieën.
image_registry_details Vereist	ContainerRegistry De details van het Docker-installatiekopieënregister.
user_managed Vereist	bool Hiermee geeft u op of Azure ML een bestaande Python-omgeving opnieuw gebruikt. Als dit onwaar is, maakt Azure ML een Python-omgeving op basis van de conda-afhankelijkhedenspecificatie.
conda_packages Vereist	list Een lijst met tekenreeksen die conda-pakketten vertegenwoordigen die moeten worden toegevoegd aan de Python-omgeving voor het experiment.
pip_packages Vereist	list Een lijst met tekenreeksen die pip-pakketten vertegenwoordigen die moeten worden toegevoegd aan de Python-omgeving voor het experiment.
conda_dependencies_file_path Vereist	str Het relatieve pad naar het yaml-bestand van conda-afhankelijkheden. Indien opgegeven, installeert Azure ML geen frameworkgerelateerde pakketten. VEROUDERD. Gebruik de conda_dependencies_file parameter.
pip_requirements_file_path Vereist	str Het relatieve pad naar het tekstbestand met pip-vereisten. Dit kan worden opgegeven in combinatie met de pip_packages parameter. VEROUDERD. Gebruik de pip_requirements_file parameter.
conda_dependencies_file Vereist	str Het relatieve pad naar het yaml-bestand van conda-afhankelijkheden. Indien opgegeven, installeert Azure ML geen frameworkgerelateerde pakketten.
pip_requirements_file Vereist	str Het relatieve pad naar het tekstbestand met pip-vereisten. Dit kan worden opgegeven in combinatie met de pip_packages parameter.
environment_variables Vereist	dict Een woordenlijst met namen en waarden van omgevingsvariabelen. Deze omgevingsvariabelen worden ingesteld voor het proces waarin het gebruikersscript wordt uitgevoerd.
environment_definition Vereist	Environment De omgevingsdefinitie voor het experiment. Dit omvat PythonSection, DockerSection en omgevingsvariabelen. Elke omgevingsoptie die niet rechtstreeks via andere parameters aan de Estimator-constructie wordt blootgesteld, kan worden ingesteld met behulp van deze parameter. Als deze parameter is opgegeven, heeft deze voorrang op andere omgevingsgerelateerde parameters, zoals use_gpu, custom_docker_image, conda_packagesof pip_packages. Fouten worden gerapporteerd over ongeldige combinaties.
inputs Vereist	list Een lijst met DataReference objecten die DatasetConsumptionConfig als invoer moeten worden gebruikt.
source_directory_data_store Vereist	Datastore Het back-upgegevensarchief voor projectshare.
shm_size Vereist	str De grootte van het gedeelde geheugenblok van de Docker-container. Als dit niet is ingesteld, wordt de standaard-azureml.core.environment._DEFAULT_SHM_SIZE gebruikt. Zie Docker run referentie voor meer informatie.
resume_from Vereist	DataPath Het gegevenspad met het controlepunt of modelbestanden waaruit het experiment moet worden hervat.
max_run_duration_seconds Vereist	int De maximaal toegestane tijd voor de uitvoering. Azure ML probeert de uitvoering automatisch te annuleren als het langer duurt dan deze waarde.
framework_version Vereist	str De Chainer-versie die moet worden gebruikt voor het uitvoeren van trainingscode. Chainer.get_supported_versions() retourneert een lijst met de versies die worden ondersteund door de huidige SDK.
source_directory Vereist	str Een lokale map met experimentconfiguratiebestanden.
compute_target Vereist	AbstractComputeTarget of str Het rekendoel waar de training plaatsvindt. Dit kan een object zijn of de tekenreeks 'lokaal'.
vm_size Vereist	str De VM-grootte van het rekendoel dat wordt gemaakt voor de training. Ondersteunde waarden: elke Azure-VM-grootte.
vm_priority Vereist	str De vm-prioriteit van het rekendoel dat wordt gemaakt voor de training. Als dit niet is opgegeven, wordt deze standaard ingesteld op 'toegewezen'. Ondersteunde waarden: 'dedicated' en 'lowpriority'. Dit wordt alleen van kracht wanneer de vm_size param is opgegeven in de invoer.
entry_script Vereist	str Het relatieve pad naar het bestand met het trainingsscript.
script_params Vereist	dict Een woordenlijst met opdrachtregelargumenten die moeten worden doorgegeven aan het trainingsscript dat is opgegeven in entry_script.
node_count Vereist	int Het aantal knooppunten in het rekendoel dat wordt gebruikt voor training. Als deze groter is dan 1, wordt een gedistribueerde MPI-taak uitgevoerd. Alleen het AmlCompute doel wordt ondersteund voor gedistribueerde taken.
process_count_per_node Vereist	int Het aantal processen per knooppunt. Als deze groter is dan 1, wordt een gedistribueerde MPI-taak uitgevoerd. Alleen AmlCompute doel-rekendoel wordt ondersteund voor gedistribueerde taken.
distributed_backend Vereist	str De communicatieback-end voor gedistribueerde training. VEROUDERD. Gebruik de distributed_training parameter. Ondersteunde waarden: 'mpi'. 'mpi': MPI/Horovod Deze parameter is vereist wanneer node_count of process_count_per_node> 1. Wanneer node_count == 1 en process_count_per_node == 1, wordt er geen back-end gebruikt, tenzij de back-end expliciet is ingesteld. Alleen het AmlCompute doel wordt ondersteund voor gedistribueerde training.
distributed_training Vereist	Mpi Parameters voor het uitvoeren van een gedistribueerde trainingstaak. Voor het uitvoeren van een gedistribueerde taak met MPI-back-end gebruikt u het Mpi object om op te geven process_count_per_node.
use_gpu Vereist	bool Hiermee geeft u op of de omgeving voor het uitvoeren van het experiment GPU's moet ondersteunen. Indien waar, wordt een op GPU gebaseerde standaard Docker-installatiekopieën gebruikt in de omgeving. Als dit onwaar is, wordt een op CPU gebaseerde installatiekopieën gebruikt. Standaard-Docker-installatiekopieën (CPU of GPU) worden alleen gebruikt als de custom_docker_image parameter niet is ingesteld. Deze instelling wordt alleen gebruikt in rekendoelen waarvoor Docker is ingeschakeld.
use_docker Vereist	bool Hiermee geeft u op of de omgeving voor het uitvoeren van het experiment Docker moet zijn.
custom_docker_base_image Vereist	str De naam van de Docker-installatiekopie waaruit de installatiekopie voor training moet worden gebouwd. VEROUDERD. Gebruik de custom_docker_image parameter. Als deze niet is ingesteld, wordt een standaardinstallatiekopieën op basis van CPU gebruikt als basisinstallatiekopieën.
custom_docker_image Vereist	str De naam van de Docker-installatiekopie waaruit de installatiekopie voor training moet worden gebouwd. Als deze niet is ingesteld, wordt een standaardinstallatiekopieën op basis van CPU gebruikt als basisinstallatiekopieën.
image_registry_details Vereist	ContainerRegistry De details van het Docker-installatiekopieënregister.
user_managed Vereist	bool Hiermee geeft u op of Azure ML een bestaande Python-omgeving opnieuw gebruikt. Als dit onwaar is, maakt Azure ML een Python-omgeving op basis van de conda-afhankelijkhedenspecificatie.
conda_packages Vereist	list Een lijst met tekenreeksen die conda-pakketten vertegenwoordigen die moeten worden toegevoegd aan de Python-omgeving voor het experiment.
pip_packages Vereist	list Een lijst met tekenreeksen die pip-pakketten vertegenwoordigen die moeten worden toegevoegd aan de Python-omgeving voor het experiment.
conda_dependencies_file_path Vereist	str Het relatieve pad naar het yaml-bestand van conda-afhankelijkheden. Indien opgegeven, installeert Azure ML geen frameworkgerelateerde pakketten. VEROUDERD. Gebruik de conda_dependencies_file parameter.
pip_requirements_file_path Vereist	str Het relatieve pad naar het tekstbestand met pip-vereisten. Dit kan worden opgegeven in combinatie met de pip_packages parameter. VEROUDERD. Gebruik de pip_requirements_file parameter.
conda_dependencies_file Vereist	str Het relatieve pad naar het yaml-bestand van conda-afhankelijkheden. Indien opgegeven, installeert Azure ML geen frameworkgerelateerde pakketten.
pip_requirements_file Vereist	str Het relatieve pad naar het tekstbestand met pip-vereisten. Dit kan worden opgegeven in combinatie met de pip_packages parameter.
environment_variables Vereist	dict Een woordenlijst met namen en waarden van omgevingsvariabelen. Deze omgevingsvariabelen worden ingesteld voor het proces waarin het gebruikersscript wordt uitgevoerd.
environment_definition Vereist	Environment De omgevingsdefinitie voor het experiment. Dit omvat PythonSection, DockerSection en omgevingsvariabelen. Elke omgevingsoptie die niet rechtstreeks via andere parameters aan de Estimator-constructie wordt blootgesteld, kan worden ingesteld met behulp van deze parameter. Als deze parameter is opgegeven, heeft deze voorrang op andere omgevingsgerelateerde parameters, zoals use_gpu, custom_docker_image, conda_packagesof pip_packages. Fouten worden gerapporteerd over ongeldige combinaties.
inputs Vereist	list Een lijst met azureml.data.data_reference. DataReference-objecten die moeten worden gebruikt als invoer.
source_directory_data_store Vereist	Datastore Het back-upgegevensarchief voor projectshare.
shm_size Vereist	str De grootte van het gedeelde geheugenblok van de Docker-container. Als dit niet is ingesteld, wordt de standaard-azureml.core.environment._DEFAULT_SHM_SIZE gebruikt. Zie Docker run referentie voor meer informatie.
resume_from Vereist	DataPath Het gegevenspad met het controlepunt of modelbestanden waaruit het experiment moet worden hervat.
max_run_duration_seconds Vereist	int De maximaal toegestane tijd voor de uitvoering. Azure ML probeert de uitvoering automatisch te annuleren als het langer duurt dan deze waarde.
framework_version Vereist	str De Chainer-versie die moet worden gebruikt voor het uitvoeren van trainingscode. Chainer.get_supported_versions() retourneert een lijst met de versies die worden ondersteund door de huidige SDK.
_enable_optimized_mode Vereist	bool Schakel incrementele omgevingsbuild in met vooraf gebouwde frameworkinstallatiekopieën voor snellere voorbereiding van de omgeving. Een vooraf gebouwde frameworkinstallatiekopie is gebouwd op basis van azure ML-standaard-CPU/GPU-basisinstallatiekopieën met vooraf geïnstalleerde frameworkafhankelijkheden.
_disable_validation Vereist	bool Schakel scriptvalidatie uit voordat het verzenden wordt uitgevoerd. De standaardwaarde is Waar.
_show_lint_warnings Vereist	bool Waarschuwingen voor het linten van scripts weergeven. De standaardwaarde is Onwaar.
_show_package_warnings Vereist	bool Pakketvalidatiewaarschuwingen weergeven. De standaardwaarde is Onwaar.

Opmerkingen

Wanneer u een trainingstaak verzendt, voert Azure ML uw script uit in een Conda-omgeving in een Docker-container. Chainer-containers hebben de volgende afhankelijkheden geïnstalleerd.

Afhankelijkheden | Chainer 5.1.0 | Chainer 7.0.0 | —————————- | —————– | ————— | Python | 3.6.2 | 3.6.2 | CUDA (alleen GPU-installatiekopie) | 9.0 | 9.0 | cuDNN (alleen GPU-installatiekopieën) | 7.6.3 | 7.6.3 | NCCL (alleen GPU-installatiekopieën) | 2.4.8 | 2.4.8 | azureml-defaults | Meest recente | Meest recente | IntelMpi | 2018.3.222 | 2018.3.222 | horovod | 0.15.2 | 0.15.2 | miniconda | 4.5.11 | 4.5.11 | chainer | 5.1.0 | 7.0.0 | cupy-cuda90 (alleen GPU-installatiekopie) | 5.2.0 | 7.0.0 | git | 2.7.4 | 2.7.4 |

De Docker-installatiekopieën breiden Ubuntu 16.04 uit.

Als u aanvullende afhankelijkheden wilt installeren, kunt u de pip_packages of conda_packages parameter gebruiken. U kunt ook de pip_requirements_file of conda_dependencies_file parameter opgeven. U kunt ook uw eigen installatiekopieën bouwen en de custom_docker_image parameter doorgeven aan de estimatorconstructor.

Zie voor meer informatie over Docker-containers die worden gebruikt in Chainer-training https://github.com/Azure/AzureML-Containers.

Kenmerken

DEFAULT_VERSION

DEFAULT_VERSION = '5.1.0'

FRAMEWORK_NAME

FRAMEWORK_NAME = 'Chainer'