Поделиться через


EstimatorStep Класс

НЕ РЕКОМЕНДУЕТСЯ. Создает этап конвейера для выполнения Estimator для обучения модели Azure ML.

Создайте шаг конвейера Машинного обучения Azure для запуска оценщика для обучения модели машинного обучения.

НЕ РЕКОМЕНДУЕТСЯ. Вместо него используется CommandStep. Пример см. в статье о выполнении обучения ML в конвейерах с помощью CommandStep.

Наследование
EstimatorStep

Конструктор

EstimatorStep(name=None, estimator=None, estimator_entry_script_arguments=None, runconfig_pipeline_params=None, inputs=None, outputs=None, compute_target=None, allow_reuse=True, version=None)

Параметры

Имя Описание
name
str

Имя шага этапа.

Default value: None
estimator

Связанный объект оценщика для этого этапа. Может быть предварительно настроенным оценщиком, таким как Chainer, PyTorch, TensorFlow или SKLearn.

Default value: None
estimator_entry_script_arguments

[Обязательно.] Список аргументов командной строки. Если скрипт записи оценщика не принимает аргументы командной строки, задайте в качестве значения этого параметра пустой список.

Default value: None
runconfig_pipeline_params

Переопределяет свойства runconfig во время выполнения с использованием пар "ключ-значение", каждая из которых имеет имя свойства runconfig и PipelineParameter для этого свойства.

Поддерживаемые значения: "NodeCount", "MpiProcessCountPerNode", "TensorflowWorkerCount", "TensorflowParameterServerCount"

Default value: None
inputs

Список используемых входных данных.

Default value: None
outputs

Список объектов PipelineData.

Default value: None
compute_target

[Обязательно] Используемый целевой объект вычислений.

Default value: None
allow_reuse

Указывает, должен ли этап повторно использовать предыдущие результаты при повторном выполнении с теми же параметрами. Повторное использование включено по умолчанию. Если содержимое этапа (скрипты или зависимости), а также входные данные и параметры не изменяются, выходные данные предыдущего выполнения этого этапа используются повторно. При повторном использовании этапа вместо отправки задания для вычисления немедленно предоставляются результаты предыдущего выполнения для последующих этапов. Если в качестве входных данных используются наборы данных Машинного обучения Azure, то повторное использование зависит от изменения определения набора данных, а не базовых данных.

Default value: True
version
str

Необязательный тег версии для обозначения изменения функциональности модуля.

Default value: None
name
Обязательно
str

Имя шага этапа.

estimator
Обязательно
<xref:Estimator>

Связанный объект оценщика для этого этапа. Может быть предварительно настроенным оценщиком, таким как Chainer, PyTorch, TensorFlow или SKLearn.

estimator_entry_script_arguments
Обязательно
[str]

[Обязательно.] Список аргументов командной строки. Если скрипт записи оценщика не принимает аргументы командной строки, задайте в качестве значения этого параметра пустой список.

runconfig_pipeline_params
Обязательно

Переопределяет свойства runconfig во время выполнения с использованием пар "ключ-значение", каждая из которых имеет имя свойства runconfig и PipelineParameter для этого свойства.

Поддерживаемые значения: "NodeCount", "MpiProcessCountPerNode", "TensorflowWorkerCount", "TensorflowParameterServerCount"

inputs
Обязательно

Список используемых входных данных.

outputs
Обязательно

Список объектов PipelineData.

compute_target
Обязательно

[Обязательно] Используемый целевой объект вычислений.

allow_reuse
Обязательно

Указывает, должен ли этап повторно использовать предыдущие результаты при повторном выполнении с теми же параметрами. Повторное использование включено по умолчанию. Если содержимое этапа (скрипты или зависимости), а также входные данные и параметры не изменяются, выходные данные предыдущего выполнения этого этапа используются повторно. При повторном использовании этапа вместо отправки задания для вычисления немедленно предоставляются результаты предыдущего выполнения для последующих этапов. Если в качестве входных данных используются наборы данных Машинного обучения Azure, то повторное использование зависит от изменения определения набора данных, а не базовых данных.

version
Обязательно
str

version

Комментарии

Обратите внимание, что аргументы для скрипта записи, используемого в объекте Estimator, должны быть указаны в виде списка с помощью параметра estimator_entry_script_arguments при создании экземпляра EstimatorStep. Параметр оценщика script_params принимает словарь. Однако параметр estimator_entry_script_argument принимает аргументы в виде списка.

При инициализации EstimatorStep указывается список входных данных с помощью параметра inputs, и вам не нужно указывать входные данные с помощью оценщика, иначе будет создано исключение. Допустимые типы входных данных см. в описании параметра inputs. При необходимости можно также указать выходные данные для этапа. Допустимые типы выходных данных см. в описании параметра outputs.

Для работы с EstimatorStep рекомендуется использовать отдельную папку для скриптов и зависимых файлов, связанных с этим этапом, и указать эту папку как source_directory объекта Estimator. Это дает два преимущества. Во-первых, это помогает уменьшить размер моментального снимка, создаваемого для этапа, поскольку создается моментальный снимок всего, что требуется для данного этапа. Во-вторых, выходные данные этапа предыдущего выполнения могут быть использованы повторно, если нет изменений source_directory, которые активируют повторную отправку моментального снимка.

Методы

create_node

Создание узла на этапе оценщика и его добавление в указанный граф.

НЕ РЕКОМЕНДУЕТСЯ. Вместо него используется CommandStep. Пример см. в статье о выполнении обучения ML в конвейерах с помощью CommandStep.

Данный метод не предназначен для непосредственного использования. При создании экземпляра конвейера с помощью этого этапа Azure ML автоматически передает необходимые параметры через этот метод, чтобы данный этап можно было добавить в граф конвейера, представляющий рабочий процесс.

create_node

Создание узла на этапе оценщика и его добавление в указанный граф.

НЕ РЕКОМЕНДУЕТСЯ. Вместо него используется CommandStep. Пример см. в статье о выполнении обучения ML в конвейерах с помощью CommandStep.

Данный метод не предназначен для непосредственного использования. При создании экземпляра конвейера с помощью этого этапа Azure ML автоматически передает необходимые параметры через этот метод, чтобы данный этап можно было добавить в граф конвейера, представляющий рабочий процесс.

create_node(graph, default_datastore, context)

Параметры

Имя Описание
graph
Обязательно

Объект графа, в который добавляется узел.

default_datastore
Обязательно

Хранилище данных по умолчанию.

context
Обязательно
<xref:azureml.pipeline.core._GraphContext>

Контекст графа.

Возвращаемое значение

Тип Описание

Созданный узел.