TrainingOutput Klasa

Definiuje wyspecjalizowane dane wyjściowe niektórych elementów PipelineSteps do użycia w potoku.

Funkcja TrainingOutput umożliwia udostępnienie metryki lub modelu zautomatyzowanego uczenia maszynowego jako danych wyjściowych kroków, które mają być używane przez inny krok w potoku usługi Azure Machine Learning. Może być używany z programem AutoMLStep lub HyperDriveStep.

Inicjowanie funkcji TrainingOutput.

param model_file: określony plik modelu, który ma zostać uwzględniony w danych wyjściowych. Tylko dla.HyperDriveStep

Dziedziczenie

builtins.object

TrainingOutput

Konstruktor

TrainingOutput(type, iteration=None, metric=None, model_file=None)

Parametry

Nazwa	Opis
type Wymagane	str Typ danych wyjściowych trenowania. Możliwe wartości to: "Metryki", "Model".
iteration	int Numer iteracji odpowiedniego modelu trenowania. Ten numer iteracji można podać tylko z typem "Model". iteration Podaj parametr lub metric parametr, ale nie oba. wartość domyślna: None
metric	str Metryka do użycia w celu zwrócenia najlepszego modelu trenowania. Metryka może być dostarczana tylko z typem "Model". iteration Podaj parametr lub metric parametr, ale nie oba. wartość domyślna: None
model_file	str Określony plik modelu, który ma zostać uwzględniony w danych wyjściowych. Tylko dla.HyperDriveStep wartość domyślna: None
type Wymagane	str Typ danych wyjściowych trenowania. Możliwe wartości to: "Metryki", "Model".
iteration Wymagane	int Numer iteracji odpowiedniego modelu trenowania. Ten numer iteracji można podać tylko z typem "Model". iteration Podaj parametr lub metric parametr, ale nie oba.
metric Wymagane	str Metryka do użycia w celu zwrócenia najlepszego modelu trenowania. Metryka może być dostarczana tylko z typem "Model". iteration Podaj parametr lub metric parametr, ale nie oba.

Uwagi

Funkcja TrainingOutput jest używana podczas PipelineData tworzenia elementu Pipeline w celu umożliwienia wykonywania innych kroków w celu korzystania z metryk lub modeli generowanych przez element AutoMLStep lub HyperDriveStep.

Użyj metody TrainingOutput podczas definiowania elementu AutoMLStep w następujący sposób:

   from azureml.pipeline.core import PipelineData, TrainingOutput

   metrics_data = PipelineData(name='metrics_data', datastore=ds,
                                pipeline_output_name='metrics_output',
                                training_output=TrainingOutput(type='Metrics'))
   model_data = PipelineData(name='model_data', datastore=ds,
                             pipeline_output_name='best_model_output',
                             training_output=TrainingOutput(type='Model'))
   automl_step = AutoMLStep(name='automl_step',
                            automl_config=automl_config,
                            inputs=[input_data],
                            outputs=[metrics_data, model_data])

Zobacz przykład użycia funkcji TrainingOutput i kroku AutoMlStep w notesie https://aka.ms/pl-automl.

Atrybuty

iteration

Pobierz numer iteracji odpowiedniego modelu trenowania.

Zwraca

Typ	Opis
int	Numer iteracji dla modelu trenowania.

metric

Uzyskaj metryki dla najlepszego modelu trenowania.

Zwraca

Typ	Opis
str	Nazwa metryki dla najlepszego modelu trenowania.

model_file

Pobierz plik modelu, który ma zostać uwzględniony w danych wyjściowych, aby uzyskać najlepszy model trenowania.

Zwraca

Typ	Opis
str	Konkretny plik, który ma zostać uwzględniony w danych wyjściowych najlepszego modelu trenowania.

type

Uzyskaj typ danych wyjściowych trenowania.

Zwraca

Typ	Opis
str	Typ danych wyjściowych trenowania. Możliwe wartości to: "Metryki", "Model".