TrainingOutput Classe
Define uma saída especializada de determinados Pipelines para utilização num pipeline.
TrainingOutput permite que uma métrica ou modelo de machine learning automatizado seja disponibilizado como um resultado de passo a ser consumido por outro passo num Pipeline do Azure Machine Learning. Pode ser utilizado com AutoMLStep ou HyperDriveStep.
Inicializar TrainingOutput.
parâmetro model_file: o ficheiro de modelo específico a ser incluído na saída. Apenas para HyperDriveStep .
- Herança
-
builtins.objectTrainingOutput
Construtor
TrainingOutput(type, iteration=None, metric=None, model_file=None)
Parâmetros
- type
- str
O tipo de saída de preparação. Os valores possíveis incluem: "Métricas", "Modelo".
- iteration
- int
O número de iteração do modelo de preparação correspondente.
Este número de iteração só pode ser fornecido com o tipo "Modelo".
Indique o iteration
parâmetro ou o metric
parâmetro, mas não ambos.
- metric
- str
A métrica a utilizar para devolver o melhor modelo de preparação.
A métrica só pode ser fornecida com o tipo "Modelo".
Indique o iteration
parâmetro ou o metric
parâmetro, mas não ambos.
- model_file
- str
O ficheiro de modelo específico a ser incluído na saída. Apenas para HyperDriveStep .
- type
- str
O tipo de saída de preparação. Os valores possíveis incluem: "Métricas", "Modelo".
- iteration
- int
O número de iteração do modelo de preparação correspondente.
Este número de iteração só pode ser fornecido com o tipo "Modelo".
Indique o iteration
parâmetro ou o metric
parâmetro, mas não ambos.
- metric
- str
A métrica a utilizar para devolver o melhor modelo de preparação.
A métrica só pode ser fornecida com o tipo "Modelo".
Indique o iteration
parâmetro ou o metric
parâmetro, mas não ambos.
Observações
TrainingOutput é utilizado ao PipelineData construir um Pipeline para permitir outros passos para consumir as métricas ou modelos gerados por um AutoMLStep ou HyperDriveStep.
Utilize TrainingOutput ao definir um AutoMLStep da seguinte forma:
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 utilizar TrainingOutput e um passo AutoMlStep no bloco de notas https://aka.ms/pl-automl.
Atributos
iteration
Obtenha o número de iteração do modelo de preparação correspondente.
Devoluções
O número de iteração do modelo de preparação.
Tipo de retorno
metric
Obtenha a métrica para o melhor modelo de preparação.
Devoluções
O nome da métrica para o melhor modelo de preparação.
Tipo de retorno
model_file
Obtenha um ficheiro de modelo para ser incluído na saída para o melhor modelo de preparação.
Devoluções
Um ficheiro específico a ser incluído na saída do melhor modelo de preparação.
Tipo de retorno
type
Obtenha o tipo de saída de preparação.
Devoluções
Tipo de saída de preparação. Os valores possíveis incluem: "Métricas", "Modelo".
Tipo de retorno
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