TextClassificationMultilabelJob Classe
Configuração da Tarefa Multilabela de Classificação de Textos de AutoML.
Inicializa uma nova tarefa Multilabel de Classificação de Texto autoML.
- Herança
-
azure.ai.ml.entities._job.automl.nlp.automl_nlp_job.AutoMLNLPJobTextClassificationMultilabelJob
Construtor
TextClassificationMultilabelJob(*, target_column_name: str | None = None, training_data: Input | None = None, validation_data: Input | None = None, primary_metric: str | None = None, log_verbosity: str | None = None, **kwargs)
Parâmetros
- target_column_name
O nome da coluna de destino
- training_data
Dados de preparação a utilizar para preparação
- validation_data
Dados de validação a utilizar para avaliar o modelo preparado
- primary_metric
A métrica primária a apresentar.
- log_verbosity
Nível de verbosidade do registo
- kwargs
Argumentos específicos da tarefa
Métodos
dump |
Captura o conteúdo da tarefa num ficheiro no formato YAML. |
extend_search_space |
Adicione (a) espaços de pesquisa para esta tarefa NLP de AutoML. |
set_data | |
set_featurization | |
set_limits | |
set_sweep |
Definições de varrimento para todas as tarefas NLP de AutoML. |
set_training_parameters |
Corrija determinados parâmetros de preparação ao longo do procedimento de preparação para todos os candidatos. passe. Tem de ser um número inteiro positivo. :keyword learning_rate: taxa de aprendizagem inicial. Tem de ser um carro alegórico (0, 1). :keyword learning_rate_scheduler: o tipo de programador de taxa de aprendizagem. Tem de escolher entre "linear", "cosseno", "cosine_with_restarts", "polinomial", "constante" e "constant_with_warmup". :keyword model_name: o nome do modelo a utilizar durante a preparação. Tem de escolher entre "bert-base-cased", "bert-base-uncased", "bert-base-multilingual-cased", "bert-base-german-cased", "bert-large-cased", 'bert-large-uncased', 'distilbert-base-cased', 'distilbert-base-uncased', 'roberta-base', 'roberta-large', 'distilroberta-base', 'xlm-roberta-base', 'xlm-roberta-large', xlnet-base-cased' e 'xlnet-large-cased'. :keyword number_of_epochs: o número de épocas com que preparar. Tem de ser um número inteiro positivo. :keyword training_batch_size: o tamanho do lote durante a preparação. Tem de ser um número inteiro positivo. :keyword validation_batch_size: o tamanho do lote durante a validação. Tem de ser um número inteiro positivo. :keyword warmup_ratio: rácio dos passos de preparação totais utilizados para um aquecimento linear de 0 para learning_rate. Tem de ser um carro alegórico em [0, 1]. :keyword weight_decay: value of weight decay when optimizer is sgd, adam, or adamw. Tem de ser um flutuante no intervalo [0, 1]. :return: None. |
dump
Captura o conteúdo da tarefa num ficheiro no formato YAML.
dump(dest: str | PathLike | IO, **kwargs) -> None
Parâmetros
O caminho local ou o fluxo de ficheiros no qual escrever o conteúdo YAML. Se dest for um caminho de ficheiro, será criado um novo ficheiro. Se dest for um ficheiro aberto, o ficheiro será escrito diretamente.
- kwargs
- dict
Argumentos adicionais a transmitir para o serializador YAML.
Exceções
Gerado se dest for um caminho de ficheiro e o ficheiro já existir.
Gerado se dest for um ficheiro aberto e o ficheiro não for gravável.
extend_search_space
Adicione (a) espaços de pesquisa para esta tarefa NLP de AutoML.
extend_search_space(value: SearchSpace | List[SearchSpace]) -> None
Parâmetros
- value
- Union[SearchSpace, List[SearchSpace]]
um objeto SearchSpace ou uma lista de objetos SearchSpace com parâmetros específicos de nlp.
Devoluções
Nenhum.
Exceções
Gerado se dest for um caminho de ficheiro e o ficheiro já existir.
Gerado se dest for um ficheiro aberto e o ficheiro não for gravável.
set_data
set_data(*, training_data: Input, target_column_name: str, validation_data: Input) -> None
Exceções
Gerado se dest for um caminho de ficheiro e o ficheiro já existir.
Gerado se dest for um ficheiro aberto e o ficheiro não for gravável.
set_featurization
set_featurization(*, dataset_language: str | None = None) -> None
Exceções
Gerado se dest for um caminho de ficheiro e o ficheiro já existir.
Gerado se dest for um ficheiro aberto e o ficheiro não for gravável.
set_limits
set_limits(*, max_trials: int = 1, max_concurrent_trials: int = 1, max_nodes: int = 1, timeout_minutes: int | None = None, trial_timeout_minutes: int | None = None) -> None
Exceções
Gerado se dest for um caminho de ficheiro e o ficheiro já existir.
Gerado se dest for um ficheiro aberto e o ficheiro não for gravável.
set_sweep
Definições de varrimento para todas as tarefas NLP de AutoML.
set_sweep(*, sampling_algorithm: str | SamplingAlgorithmType, early_termination: EarlyTerminationPolicy | None = None)
Parâmetros
- sampling_algorithm
Obrigatório. Especifica o tipo de algoritmo de amostragem de hiperparâmetros. Os valores possíveis incluem: "Grid", "Random" e "Bayesian".
- early_termination
Política de cessação antecipada opcional para acabar com candidatos de formação com mau desempenho.
Devoluções
Nenhuma
Exceções
Gerado se dest for um caminho de ficheiro e o ficheiro já existir.
Gerado se dest for um ficheiro aberto e o ficheiro não for gravável.
set_training_parameters
Corrija determinados parâmetros de preparação ao longo do procedimento de preparação para todos os candidatos.
passe. Tem de ser um número inteiro positivo. :keyword learning_rate: taxa de aprendizagem inicial. Tem de ser um carro alegórico (0, 1). :keyword learning_rate_scheduler: o tipo de programador de taxa de aprendizagem. Tem de escolher entre "linear", "cosseno", "cosine_with_restarts", "polinomial", "constante" e "constant_with_warmup". :keyword model_name: o nome do modelo a utilizar durante a preparação. Tem de escolher entre "bert-base-cased", "bert-base-uncased", "bert-base-multilingual-cased", "bert-base-german-cased", "bert-large-cased", 'bert-large-uncased', 'distilbert-base-cased', 'distilbert-base-uncased', 'roberta-base', 'roberta-large', 'distilroberta-base', 'xlm-roberta-base', 'xlm-roberta-large', xlnet-base-cased' e 'xlnet-large-cased'. :keyword number_of_epochs: o número de épocas com que preparar. Tem de ser um número inteiro positivo. :keyword training_batch_size: o tamanho do lote durante a preparação. Tem de ser um número inteiro positivo. :keyword validation_batch_size: o tamanho do lote durante a validação. Tem de ser um número inteiro positivo. :keyword warmup_ratio: rácio dos passos de preparação totais utilizados para um aquecimento linear de 0 para learning_rate. Tem de ser um carro alegórico em [0, 1]. :keyword weight_decay: value of weight decay when optimizer is sgd, adam, or adamw. Tem de ser um flutuante no intervalo [0, 1]. :return: None.
set_training_parameters(*, gradient_accumulation_steps: int | None = None, learning_rate: float | None = None, learning_rate_scheduler: str | NlpLearningRateScheduler | None = None, model_name: str | None = None, number_of_epochs: int | None = None, training_batch_size: int | None = None, validation_batch_size: int | None = None, warmup_ratio: float | None = None, weight_decay: float | None = None) -> None
Parâmetros
- gradient_accumulation_steps
número de passos sobre os quais acumular gradações antes de retroceder
Exceções
Gerado se dest for um caminho de ficheiro e o ficheiro já existir.
Gerado se dest for um ficheiro aberto e o ficheiro não for gravável.
Atributos
base_path
creation_context
O contexto de criação do recurso.
Devoluções
Os metadados de criação do recurso.
Tipo de retorno
featurization
id
O ID do recurso.
Devoluções
O ID global do recurso, um ID de Resource Manager do Azure (ARM).
Tipo de retorno
inputs
limits
log_files
Ficheiros de saída da tarefa.
Devoluções
O dicionário de nomes de registo e URLs.
Tipo de retorno
log_verbosity
outputs
primary_metric
search_space
status
O estado da tarefa.
Os valores comuns devolvidos incluem "Em Execução", "Concluído" e "Com Falhas". Todos os valores possíveis são:
NotStarted - Este é um estado temporário em que os objetos Run do lado do cliente estão antes da submissão da cloud.
A iniciar – a Execução começou a ser processada na cloud. O autor da chamada tem um ID de execução neste momento.
Aprovisionamento – a computação a pedido está a ser criada para uma determinada submissão de trabalho.
Preparação – o ambiente de execução está a ser preparado e encontra-se numa de duas fases:
Compilação da imagem do Docker
configuração do ambiente conda
Em fila – a tarefa está em fila de espera no destino de computação. Por exemplo, no BatchAI, a tarefa está num estado em fila
enquanto aguarda que todos os nós pedidos estejam prontos.
Em execução – a tarefa começou a ser executada no destino de computação.
Finalização – a execução do código do utilizador foi concluída e a execução encontra-se em fases de pós-processamento.
CancelRequested - Foi pedido o cancelamento para a tarefa.
Concluído – a execução foi concluída com êxito. Isto inclui a execução do código do utilizador e a execução
fases de pós-processamento.
Falha – a execução falhou. Normalmente, a propriedade Error numa execução irá fornecer detalhes sobre o motivo.
Cancelado – segue um pedido de cancelamento e indica que a execução foi cancelada com êxito.
NotResponding – para execuções com Heartbeats ativados, não foi enviado nenhum heartbeat recentemente.
Devoluções
Estado da tarefa.
Tipo de retorno
studio_url
Ponto final do Azure ML Studio.
Devoluções
O URL para a página de detalhes da tarefa.
Tipo de retorno
sweep
task_type
Obter tipo de tarefa.
Devoluções
O tipo de tarefa a executar. Os valores possíveis incluem: "classification", "regression", "forecasting".
Tipo de retorno
test_data
training_data
training_parameters
type
validation_data
Azure SDK for Python
Comentários
https://aka.ms/ContentUserFeedback.
Brevemente: Ao longo de 2024, vamos descontinuar progressivamente o GitHub Issues como mecanismo de feedback para conteúdos e substituí-lo por um novo sistema de feedback. Para obter mais informações, veja:Submeter e ver comentários