TrainingOutput Classe

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

O TrainingOutput permite que uma métrica ou modelo de aprendizado de máquina automatizado seja disponibilizado como uma saída de etapa a ser consumida por outra etapa em um Pipeline de Aprendizado de Máquina do Azure. Pode ser usado com AutoMLStep ou HyperDriveStep.

Inicialize TrainingOutput.

param model_file: O arquivo de modelo específico a ser incluído na saída. Apenas para HyperDriveStep isso.

Construtor

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

Parâmetros

Name	Description
type Necessário	str O tipo de resultados da formação. Os valores possíveis incluem: 'Métricas', 'Modelo'.
iteration	int O número de iteração do modelo de treinamento correspondente. Este número de iteração só pode ser fornecido com o tipo 'Modelo'. Forneça o iteration parâmetro ou o metric parâmetro, mas não ambos. Default value: None
metric	str A métrica a ser usada para retornar o melhor modelo de treinamento. A métrica só pode ser fornecida com o tipo 'Modelo'. Forneça o iteration parâmetro ou o metric parâmetro, mas não ambos. Default value: None
model_file	str O arquivo de modelo específico a ser incluído na saída. Apenas para HyperDriveStep isso. Default value: None
type Necessário	str O tipo de resultados da formação. Os valores possíveis incluem: 'Métricas', 'Modelo'.
iteration Necessário	int O número de iteração do modelo de treinamento correspondente. Este número de iteração só pode ser fornecido com o tipo 'Modelo'. Forneça o iteration parâmetro ou o metric parâmetro, mas não ambos.
metric Necessário	str A métrica a ser usada para retornar o melhor modelo de treinamento. A métrica só pode ser fornecida com o tipo 'Modelo'. Forneça o iteration parâmetro ou o metric parâmetro, mas não ambos.

Observações

TrainingOutput é usado com PipelineData ao construir um Pipeline para permitir que outras etapas consumam as métricas ou modelos gerados por um 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 utilização de TrainingOutput e um passo AutoMlStep no bloco de notas https://aka.ms/pl-automl.

Atributos

iteration

Obtenha o número de iteração do modelo de treinamento correspondente.

Devoluções

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

metric

Obtenha a métrica para o melhor modelo de treinamento.

Devoluções

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

model_file

Obtenha um arquivo de modelo para ser incluído na saída para o melhor modelo de treinamento.

Devoluções

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

type

Obtenha o tipo de resultado do treinamento.

Devoluções

Tipo	Description
str	Tipo de resultados da formação. Os valores possíveis incluem: 'Métricas', 'Modelo'.