SweepJob Classe

Trabalho de varredura para ajuste de hiperparâmetro.

Herança

azure.ai.ml.entities._job.job.Job

SweepJob

azure.ai.ml.entities._job.sweep.parameterized_sweep.ParameterizedSweep

SweepJob

azure.ai.ml.entities._job.job_io_mixin.JobIOMixin

SweepJob

Construtor

SweepJob(*, name: str | None = None, description: str | None = None, tags: Dict | None = None, display_name: str | None = None, experiment_name: str | None = None, identity: ManagedIdentityConfiguration | AmlTokenConfiguration | UserIdentityConfiguration | None = None, inputs: Dict[str, int | str | float | bool | Input] | None = None, outputs: Dict[str, Output] | None = None, compute: str | None = None, limits: SweepJobLimits | None = None, sampling_algorithm: str | SamplingAlgorithm | None = None, search_space: Dict[str, Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform] | None = None, objective: Objective | None = None, trial: CommandJob | CommandComponent | None = None, early_termination: BanditPolicy | MedianStoppingPolicy | TruncationSelectionPolicy | None = None, queue_settings: QueueSettings | None = None, **kwargs: Any)

Parâmetros

name

str

Nome do trabalho.

display_name

str

Nome de exibição do trabalho.

description

str

Descrição do trabalho.

tags

dict[str, str]

Dicionário de marcas. As marcas podem ser adicionadas, removidas e atualizadas.

properties

dict[str, str]

O dicionário de propriedades do ativo.

experiment_name

str

Nome do experimento em que o trabalho será criado, se Nenhum for fornecido, o trabalho será criado no experimento 'Default'.

identity

Union[ManagedIdentityConfiguration, AmlTokenConfiguration, UserIdentityConfiguration]

Identidade que o trabalho de treinamento usará durante a execução na computação.

inputs

dict

Entradas para o comando.

outputs

dict[str, Output]

Mapeamento de associações de dados de saída usadas no trabalho.

sampling_algorithm

str

O algoritmo de amostragem de hiperparâmetro a ser usado no search_space. O padrão é "aleatório".

search_space

Dict

Dicionário do espaço de pesquisa do hiperparâmetro. A chave é o nome do hiperparâmetro e o valor é a expressão de parâmetro.

objective

Objective

Métrica para a qual otimizar.

compute

str

O destino de computação em que o trabalho é executado.

trial

Union[CommandJob, CommandComponent]

A configuração do trabalho para cada avaliação. Cada avaliação será fornecida com uma combinação diferente de valores de hiperparâmetro que os exemplos do sistema do search_space.

early_termination

Union[BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]

A política de término antecipado a ser usada. Um trabalho de avaliação gratuita é cancelado quando os critérios da política especificada são atendidos. Se omitido, nenhuma política de término antecipado será aplicada.

limits

<xref:azure.ai.ml.entities.SweepJobLimits>

Limites para o trabalho de varredura.

queue_settings

QueueSettings

Configurações de fila para o trabalho.

kwargs

dict

Um dicionário de parâmetros de configuração adicionais.

Exemplos

Criando um SweepJob

   from azure.ai.ml.entities import CommandJob
   from azure.ai.ml.sweep import BayesianSamplingAlgorithm, Objective, SweepJob, SweepJobLimits

   command_job = CommandJob(
       inputs=dict(kernel="linear", penalty=1.0),
       compute=cpu_cluster,
       environment=f"{job_env.name}:{job_env.version}",
       code="./scripts",
       command="python scripts/train.py --kernel $kernel --penalty $penalty",
       experiment_name="sklearn-iris-flowers",
   )

   sweep = SweepJob(
       sampling_algorithm=BayesianSamplingAlgorithm(),
       trial=command_job,
       search_space={"ss": Choice(type="choice", values=[{"space1": True}, {"space2": True}])},
       inputs={"input1": {"file": "top_level.csv", "mode": "ro_mount"}},
       compute="top_level",
       limits=SweepJobLimits(trial_timeout=600),
       objective=Objective(goal="maximize", primary_metric="accuracy"),
   )

Métodos

dump	Despeja o conteúdo do trabalho em um arquivo no formato YAML.
set_limits	Definir limites para o nó De varredura. Deixe os parâmetros como Nenhum se você não quiser atualizar os valores correspondentes.
set_objective	Defina o objeto de varredura.. Deixe os parâmetros como Nenhum se você não quiser atualizar os valores correspondentes. "minimize", "maximize". :type goal: str :palavra-chave primary_metric: nome da métrica a ser otimizada. :p aramtype primary_metric: str

dump

Despeja o conteúdo do trabalho em um arquivo no formato YAML.

dump(dest: str | PathLike | IO, **kwargs) -> None

Parâmetros

dest

Union[<xref:PathLike>, str, IO[AnyStr]]

Obrigatório

O caminho local ou o fluxo de arquivos no qual gravar o conteúdo YAML. Se dest for um caminho de arquivo, um novo arquivo será criado. Se dest for um arquivo aberto, o arquivo será gravado diretamente.

kwargs

dict

Argumentos adicionais a serem passados para o serializador YAML.

Exceções

FileExistsError

Gerado se dest for um caminho de arquivo e o arquivo já existir.

IOError

Gerado se dest for um arquivo aberto e o arquivo não for gravável.

set_limits

Definir limites para o nó De varredura. Deixe os parâmetros como Nenhum se você não quiser atualizar os valores correspondentes.

set_limits(*, max_concurrent_trials: int | None = None, max_total_trials: int | None = None, timeout: int | None = None, trial_timeout: int | None = None) -> None

Parâmetros

max_concurrent_trials

int

número máximo de avaliação simultânea.

max_total_trials

int

número máximo total de avaliação.

timeout

int

tempo limite total em segundos para o nó de varredura

trial_timeout

int

tempo limite em segundos para cada avaliação

Exceções

FileExistsError

Gerado se dest for um caminho de arquivo e o arquivo já existir.

IOError

Gerado se dest for um arquivo aberto e o arquivo não for gravável.

set_objective

Defina o objeto de varredura.. Deixe os parâmetros como Nenhum se você não quiser atualizar os valores correspondentes.

"minimize", "maximize". :type goal: str :palavra-chave primary_metric: nome da métrica a ser otimizada. :p aramtype primary_metric: str

set_objective(*, goal: str | None = None, primary_metric: str | None = None) -> None

Parâmetros

goal

Define as metas de métrica com suporte para ajuste de hiperparâmetros. Os valores aceitáveis são:

Exceções

FileExistsError

Gerado se dest for um caminho de arquivo e o arquivo já existir.

IOError

Gerado se dest for um arquivo aberto e o arquivo não for gravável.

Atributos

base_path

O caminho base do recurso.

Retornos

O caminho base do recurso.

Tipo de retorno

str

creation_context

O contexto de criação do recurso.

Retornos

Os metadados de criação para o recurso.

Tipo de retorno

Optional[SystemData]

early_termination

Política de término antecipado para o trabalho de varredura.

Retornos

Política de término antecipado para o trabalho de varredura.

Tipo de retorno

<xref:azure.ai.ml.entities._job.sweep.early_termination_policy.EarlyTerminationPolicy>

id

A ID do recurso.

Retornos

A ID global do recurso, uma ID do ARM (Resource Manager do Azure).

Tipo de retorno

Optional[str]

inputs

limits

Limites para o trabalho de varredura.

Retornos

Limites para o trabalho de varredura.

Tipo de retorno

SweepJobLimits

log_files

Arquivos de saída do trabalho.

Retornos

O dicionário de nomes de log e URLs.

Tipo de retorno

Optional[Dict[str, str]]

outputs

sampling_algorithm

Algoritmo de amostragem para o trabalho de varredura.

Retornos

Algoritmo de amostragem para o trabalho de varredura.

Tipo de retorno

SamplingAlgorithm

status

O status do trabalho.

Os valores comuns retornados incluem "Running", "Completed" e "Failed". Todos os valores possíveis são:

• NotStarted - Esse é um estado temporário em que os objetos Run do lado do cliente estão antes do envio à nuvem.

• Starting – A Execução começou a ser processada na nuvem. O chamador tem uma ID de execução neste ponto.

• Provisionamento – a computação sob demanda está sendo criada para um determinado envio de trabalho.

• Preparando – o ambiente de execução está sendo preparado e está em um dos dois estágios:

  • Build de imagem do Docker

  • conda environment setup

• Enfileirado – o trabalho está na fila no destino de computação. Por exemplo, no BatchAI, o trabalho está em um estado enfileirado

  enquanto aguarda que todos os nós solicitados estejam prontos.

• Em execução – o trabalho começou a ser executado no destino de computação.

• Finalização – a execução do código do usuário foi concluída e a execução está em estágios de pós-processamento.

• CancelRequested – O cancelamento foi solicitado para o trabalho.

• Concluído – a execução foi concluída com êxito. Isso inclui a execução e a execução do código do usuário

  estágios de pós-processamento.

• Failed – A execução falhou. Normalmente, a propriedade de Erro em uma execução fornecerá detalhes sobre o motivo.

• Canceled – Segue uma solicitação de cancelamento e indica que a execução foi cancelada com êxito.

• NotResponding – Para execuções que têm Pulsações habilitadas, nenhuma pulsação foi enviada recentemente.

Retornos

Status do trabalho.

Tipo de retorno

Optional[str]

studio_url

Ponto de extremidade do Estúdio do Azure ML.

Retornos

A URL para a página de detalhes do trabalho.

Tipo de retorno

Optional[str]

type

O tipo do trabalho.

Retornos

O tipo do trabalho.

Tipo de retorno

Optional[str]