AutoMLRun Classe
Representa uma execução de experimento de ML automatizado no Azure Machine Learning.
A classe AutoMLRun pode ser usada para gerenciar uma execução, verificar o status dela e recuperar os detalhes quando uma execução de AutoML é enviada. Para obter mais informações sobre como trabalhar com execuções de experimento, consulte a classe Run.
Inicializar uma execução de AutoML.
- Herança
-
AutoMLRun
Construtor
AutoMLRun(experiment, run_id, **kwargs)
Parâmetros
Nome | Description |
---|---|
experiment
Obrigatório
|
O experimento associado à execução. |
run_id
Obrigatório
|
A ID da execução. |
experiment
Obrigatório
|
O experimento associado à execução. |
run_id
Obrigatório
|
A ID da execução. |
Comentários
Um objeto AutoMLRun é retornado quando você usa o método submit de um experimento.
Para recuperar uma execução que já foi iniciada, use o seguinte código:
from azureml.train.automl.run import AutoMLRun
ws = Workspace.from_config()
experiment = ws.experiments['my-experiment-name']
automl_run = AutoMLRun(experiment, run_id = 'AutoML_9fe201fe-89fd-41cc-905f-2f41a5a98883')
Métodos
cancel |
Cancele uma execução do AutoML. Retorna true se a execução de AutoML foi cancelada com êxito. |
cancel_iteration |
Cancelar uma determinada execução filho. |
complete |
Conclua uma execução do AutoML. |
continue_experiment |
Continue um experimento AutoML existente. |
fail |
Falha em uma execução do AutoML. Há a opção de definir a propriedade de Erro da execução com uma mensagem ou exceção transmitida para |
get_best_child |
Retornar a execução do filho com a melhor pontuação para essa execução do AutoML. |
get_guardrails |
Imprimir e retornar resultados detalhados da execução da verificação de Guardrail. |
get_output |
Retornar a execução com o melhor pipeline correspondente que já foi testado. Se nenhum parâmetro de entrada for fornecido, |
get_run_sdk_dependencies |
Obter as dependências de execução do SDK para uma determinada execução. |
pause |
Retornar True se a execução do AutoML tiver sido pausada com êxito. Este método não está implementado. |
register_model |
Registrar o modelo com o serviço ACI do AzureML. |
resume |
Retorna True se a execução do AutoML é retomada com êxito. Este método não está implementado. |
retry |
Retorna True se a execução do AutoML é tentada novamente com êxito. Este método não está implementado. |
summary |
Obter uma tabela que contém um resumo dos algoritmos tentados e suas pontuações. |
wait_for_completion |
Aguardar a conclusão desta execução. Retorna o objeto de status após a espera. |
cancel
Cancele uma execução do AutoML.
Retorna true se a execução de AutoML foi cancelada com êxito.
cancel()
Retornos
Tipo | Description |
---|---|
Nenhum |
cancel_iteration
Cancelar uma determinada execução filho.
cancel_iteration(iteration)
Parâmetros
Nome | Description |
---|---|
iteration
Obrigatório
|
A iteração a ser cancelada. |
Retornos
Tipo | Description |
---|---|
Nenhum |
complete
Conclua uma execução do AutoML.
complete(**kwargs)
Retornos
Tipo | Description |
---|---|
Nenhum |
continue_experiment
Continue um experimento AutoML existente.
continue_experiment(X=None, y=None, sample_weight=None, X_valid=None, y_valid=None, sample_weight_valid=None, data=None, label=None, columns=None, cv_splits_indices=None, spark_context=None, experiment_timeout_hours=None, experiment_exit_score=None, iterations=None, show_output=False, training_data=None, validation_data=None, **kwargs)
Parâmetros
Nome | Description |
---|---|
X
|
Recursos de treinamento. Valor padrão: None
|
y
|
Rótulos de treinamento. Valor padrão: None
|
sample_weight
|
Pesos de amostra para dados de treinamento. Valor padrão: None
|
X_valid
|
Recursos de validação. Valor padrão: None
|
y_valid
|
Rótulos de validação. Valor padrão: None
|
sample_weight_valid
|
pesos de amostra do conjunto de validação. Valor padrão: None
|
data
|
Rótulo e recursos de treinamento. Valor padrão: None
|
label
|
Coluna de rótulo nos dados. Valor padrão: None
|
columns
|
Uma lista de colunas permitidas nos dados a ser usada como recursos. Valor padrão: None
|
cv_splits_indices
|
Indica onde dividir os dados de treinamento para validação cruzada. Cada linha é uma dobra cruzada separada e, dentro de cada dobra cruzada, são fornecidas duas matrizes, a primeira com os índices para amostras a serem usadas para dados de treinamento e a segunda com os índices a serem usados para dados de validação. ou seja, [[t1, v1], [t2, v2], ...] onde t1 são os índices de treinamento para a primeira dobra cruzada e v1 são os índices de validação para a primeira dobra cruzada. Valor padrão: None
|
spark_context
|
<xref:SparkContext>
Contexto do Spark, aplicável somente quando usado dentro do ambiente do Azure Databricks/Spark. Valor padrão: None
|
experiment_timeout_hours
|
Por quantas horas adicionais executar esse experimento. Valor padrão: None
|
experiment_exit_score
|
Se especificado, indica que o experimento é encerrado quando esse valor é atingido. Valor padrão: None
|
iterations
|
Quantas iterações adicionais executar para este experimento. Valor padrão: None
|
show_output
|
Sinalizador que indica se a saída deve ser impressa no console. Valor padrão: False
|
training_data
|
<xref:azureml.dataprep.Dataflow> ou
DataFrame
Dados de treinamento de entrada. Valor padrão: None
|
validation_data
|
<xref:azureml.dataprep.Dataflow> ou
DataFrame
Dados de validação. Valor padrão: None
|
Retornos
Tipo | Description |
---|---|
A executar pai do AutoML. |
Exceções
Tipo | Description |
---|---|
fail
Falha em uma execução do AutoML.
Há a opção de definir a propriedade de Erro da execução com uma mensagem ou exceção transmitida para error_details
.
fail(error_details=None, error_code=None, _set_status=True, **kwargs)
Parâmetros
Nome | Description |
---|---|
error_details
|
str ou
BaseException
Detalhes opcionais do erro. Valor padrão: None
|
error_code
|
Código opcional do erro para a classificação de erro. Valor padrão: None
|
_set_status
|
Indica se o evento de status deve ser enviado para rastreamento. Valor padrão: True
|
get_best_child
Retornar a execução do filho com a melhor pontuação para essa execução do AutoML.
get_best_child(metric: str | None = None, onnx_compatible: bool = False, **kwargs: Any) -> Run
Parâmetros
Nome | Description |
---|---|
metric
|
A métrica a ser usada ao selecionar a melhor execução a ser retornada. O padrão é a métrica primária. Valor padrão: None
|
onnx_compatible
|
Se deve retornar apenas execuções que geraram modelos onnx. Valor padrão: False
|
kwargs
Obrigatório
|
|
Retornos
Tipo | Description |
---|---|
AutoML filho executado. |
get_guardrails
Imprimir e retornar resultados detalhados da execução da verificação de Guardrail.
get_guardrails(to_console: bool = True) -> Dict[str, Any]
Parâmetros
Nome | Description |
---|---|
to_console
|
Indica se os resultados da verificação devem ser gravados no console. Valor padrão: True
|
Retornos
Tipo | Description |
---|---|
Um dicionário de resultados do verificador. |
Exceções
Tipo | Description |
---|---|
get_output
Retornar a execução com o melhor pipeline correspondente que já foi testado.
Se nenhum parâmetro de entrada for fornecido, get_output
retornará o melhor pipeline de acordo com a métrica primária. Como alternativa, você pode usar o parâmetro iteration
ou metric
para recuperar uma iteração específica ou a melhor execução por métrica fornecida, respectivamente.
get_output(iteration: int | None = None, metric: str | None = None, return_onnx_model: bool = False, return_split_onnx_model: SplitOnnxModelName | None = None, **kwargs: Any) -> Tuple[Run, Any]
Parâmetros
Nome | Description |
---|---|
iteration
|
O número de iteração do modelo executado e ajustado correspondente a ser retornado. Valor padrão: None
|
metric
|
A métrica a ser usada ao selecionar a melhor execução e o modelo ajustado a ser retornado. Valor padrão: None
|
return_onnx_model
|
Esse método retornará o modelo ONNX convertido se o parâmetro Valor padrão: False
|
return_split_onnx_model
|
O tipo do modelo de divisão onnx a ser retornado Valor padrão: None
|
Retornos
Tipo | Description |
---|---|
Run, <xref:Model>
|
A execução, o modelo ajustado correspondente. |
Exceções
Tipo | Description |
---|---|
Comentários
Se você quiser inspecionar os pré-processadores e o algoritmo (estimador) usados, poderá fazer isso por meio de Model.steps
, semelhante a sklearn.pipeline.Pipeline.steps
.
Por exemplo, o código a seguir mostra como recuperar o estimador.
best_run, model = parent_run.get_output()
estimator = model.steps[-1]
get_run_sdk_dependencies
Obter as dependências de execução do SDK para uma determinada execução.
get_run_sdk_dependencies(iteration=None, check_versions=True, **kwargs)
Parâmetros
Nome | Description |
---|---|
iteration
|
O número de iteração da execução ajustada a ser recuperada. Se Nenhum, recuperar o ambiente pai. Valor padrão: None
|
check_versions
|
Se True, verificar as versões com o ambiente atual. Se False, passar. Valor padrão: True
|
Retornos
Tipo | Description |
---|---|
O dicionário de dependências recuperado de RunHistory. |
Exceções
Tipo | Description |
---|---|
pause
Retornar True se a execução do AutoML tiver sido pausada com êxito.
Este método não está implementado.
pause()
Exceções
Tipo | Description |
---|---|
register_model
Registrar o modelo com o serviço ACI do AzureML.
register_model(model_name=None, description=None, tags=None, iteration=None, metric=None)
Parâmetros
Nome | Description |
---|---|
model_name
|
O nome do modelo que está sendo implantado. Valor padrão: None
|
description
|
A descrição do modelo que está sendo implantado. Valor padrão: None
|
tags
|
Tags para o modelo que está sendo implantado. Valor padrão: None
|
iteration
|
Substituir pelo modelo a ser implantado. Implanta o modelo para uma determinada iteração. Valor padrão: None
|
metric
|
Substituir pelo modelo a ser implantado. Implanta o melhor modelo para uma métrica diferente. Valor padrão: None
|
Retornos
Tipo | Description |
---|---|
<xref:Model>
|
O objeto de modelo registrado. |
resume
Retorna True se a execução do AutoML é retomada com êxito.
Este método não está implementado.
resume()
Exceções
Tipo | Description |
---|---|
NotImplementedError:
|
retry
Retorna True se a execução do AutoML é tentada novamente com êxito.
Este método não está implementado.
retry()
Exceções
Tipo | Description |
---|---|
summary
Obter uma tabela que contém um resumo dos algoritmos tentados e suas pontuações.
summary()
Retornos
Tipo | Description |
---|---|
O Pandas DataFrame que contém estatísticas do modelo AutoML. |
wait_for_completion
Aguardar a conclusão desta execução.
Retorna o objeto de status após a espera.
wait_for_completion(show_output=False, wait_post_processing=False)
Parâmetros
Nome | Description |
---|---|
show_output
|
Indica se a saída de execução deve ser mostrada em sys.stdout. Valor padrão: False
|
wait_post_processing
|
Indica se é necessário aguardar a conclusão do processamento da postagem após a conclusão da execução. Valor padrão: False
|
Retornos
Tipo | Description |
---|---|
O objeto de status. |
Exceções
Tipo | Description |
---|---|
Atributos
run_id
Retornar a ID de execução da execução atual.
Retornos
Tipo | Description |
---|---|
A ID de executar da versão atual. |