TrainingOutput Classe

Define uma saída especializada de determinados PipelineSteps para uso em um pipeline.

O TrainingOutput permite que uma métrica ou um modelo de machine learning automatizado seja disponibilizado como uma saída de etapa para ser consumido por outra etapa em um pipeline do Azure Machine Learning. Não pode ser usado com AutoMLStep ou HyperDriveStep.

Inicializar TrainingOutput.

param model_file: o arquivo de modelo específico a ser incluído na saída. Somente para HyperDriveStep.

Herança

builtins.object

TrainingOutput

Construtor

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

Parâmetros

Nome	Description
type Obrigatório	str O tipo de saída de treinamento. Os valores possíveis incluem: 'Metrics' e 'Model'.
iteration	int O número de iteração do modelo de treinamento correspondente. Esse número de iteração só pode ser fornecido com o tipo 'Model'. Forneça o parâmetro iteration ou o parâmetro metric, mas não ambos. valor padrão: None
metric	str A métrica a ser usada para retornar o melhor modelo de treinamento. A métrica só pode ser fornecida com o tipo 'Model'. Forneça o parâmetro iteration ou o parâmetro metric, mas não ambos. valor padrão: None
model_file	str O arquivo de modelo específico a ser incluído na saída. Somente para HyperDriveStep. valor padrão: None
type Obrigatório	str O tipo de saída de treinamento. Os valores possíveis incluem: 'Metrics' e 'Model'.
iteration Obrigatório	int O número de iteração do modelo de treinamento correspondente. Esse número de iteração só pode ser fornecido com o tipo 'Model'. Forneça o parâmetro iteration ou o parâmetro metric, mas não ambos.
metric Obrigatório	str A métrica a ser usada para retornar o melhor modelo de treinamento. A métrica só pode ser fornecida com o tipo 'Model'. Forneça o parâmetro iteration ou o parâmetro metric, mas não ambos.

Comentários

TrainingOutput é usado com PipelineData ao criar um Pipeline para permitir que outras etapas consumam as métricas ou modelos gerados por AutoMLStep ou HyperDriveStep.

Use TrainingOutput ao definir um AutoMLStep da seguinte maneira:

   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])

Veja um exemplo de como usar TrainingOutput e uma etapa AutoMlStep no notebook https://aka.ms/pl-automl.

Atributos

iteration

Obtém o número de iteração do modelo de treinamento correspondente.

Retornos

Tipo	Description
int	O número de iteração para o modelo de treinamento.

metric

Obtém a métrica para o melhor modelo de treinamento.

Retornos

Tipo	Description
str	O nome da métrica para o melhor modelo de treinamento.

model_file

Obtém um arquivo de modelo a ser incluído na saída do melhor modelo de treinamento.

Retornos

Tipo	Description
str	Um arquivo específico a ser incluído na saída do melhor modelo de treinamento.

type

Obtém o tipo de saída de treinamento.

Retornos

Tipo	Description
str	Tipo de saída de treinamento. Os valores possíveis incluem: 'Metrics' e 'Model'.