EstimatorStep Класс

УСТАРЕВШИЕ. Создает шаг конвейера для обучения Estimator модели машинного обучения Azure.

Создайте шаг Конвейера машинного обучения Azure для запуска оценки для обучения модели машинного обучения.

УСТАРЕВШИЕ. CommandStep Используйте вместо него. Пример см. в разделе "Запуск обучения машинного обучения" в конвейерах с помощью CommandStep.

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. Default value: None
estimator	Estimator Связанный объект оценки для этого шага. Может быть предварительно настроенным оценщиком, например Chainer, PyTorchили TensorFlowSKLearn. Default value: None
estimator_entry_script_arguments	list[str] [Обязательный] Список аргументов командной строки. Если скрипт записи Estimator не принимает аргументы командной строки, задайте для этого параметра пустой список. Default value: None
runconfig_pipeline_params	dict[str, PipelineParameter] Переопределение свойств runconfig во время выполнения с помощью пар "ключ-значение", каждое из которых содержит имя свойства runconfig и PipelineParameter для этого свойства. Поддерживаемые значения: NodeCount, MpiProcessCountPerNode, TensorflowWorkerCount, TensorflowParameterServerCount Default value: None
inputs	list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig]] Список используемых входных данных. Default value: None
outputs	list[Union[PipelineData, OutputDatasetConfig, PipelineOutputAbstractDataset]] Список объектов PipelineData. Default value: None
compute_target	Union[DsvmCompute, AmlCompute, RemoteCompute, str] [Обязательный] Целевой объект вычислений, используемый. Default value: None
allow_reuse	bool Указывает, должен ли шаг повторно использовать предыдущие результаты при повторном запуске с теми же параметрами. Повторное использование включено по умолчанию. Если содержимое шага (скрипты или зависимости), а также входные и параметры остаются неизменными, выходные данные предыдущего выполнения этого шага повторно будут использоваться. При повторном использовании шага вместо отправки задания на вычисление результаты предыдущего запуска немедленно становятся доступными для всех последующих шагов. Если вы используете наборы данных Машинного обучения Azure в качестве входных данных, повторное использование определяется тем, изменилось ли определение набора данных, а не по изменению базовых данных. Default value: True
version	str Необязательный тег версии, обозначающий изменение функциональности модуля. Default value: None
name Обязательно	str Имя шага.
estimator Обязательно	<xref:Estimator> Связанный объект оценки для этого шага. Может быть предварительно настроенным оценщиком, например Chainer, PyTorchили TensorFlowSKLearn.
estimator_entry_script_arguments Обязательно	[str] [Обязательный] Список аргументов командной строки. Если скрипт записи Estimator не принимает аргументы командной строки, задайте для этого параметра пустой список.
runconfig_pipeline_params Обязательно	dict[str, PipelineParameter] Переопределение свойств runconfig во время выполнения с помощью пар "ключ-значение", каждое из которых содержит имя свойства runconfig и PipelineParameter для этого свойства. Поддерживаемые значения: NodeCount, MpiProcessCountPerNode, TensorflowWorkerCount, TensorflowParameterServerCount
inputs Обязательно	list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig, PipelineOutputTabularDataset, PipelineOutputFileDataset]] Список используемых входных данных.
outputs Обязательно	list[Union[PipelineData, PipelineOutputAbstractDataset] Список объектов PipelineData.
compute_target Обязательно	Union[DsvmCompute, AmlCompute, RemoteCompute, str] [Обязательный] Целевой объект вычислений, используемый.
allow_reuse Обязательно	bool Указывает, должен ли шаг повторно использовать предыдущие результаты при повторном запуске с теми же параметрами. Повторное использование включено по умолчанию. Если содержимое шага (скрипты или зависимости), а также входные и параметры остаются неизменными, выходные данные предыдущего выполнения этого шага повторно будут использоваться. При повторном использовании шага вместо отправки задания на вычисление результаты предыдущего запуска немедленно становятся доступными для всех последующих шагов. Если вы используете наборы данных Машинного обучения Azure в качестве входных данных, повторное использование определяется тем, изменилось ли определение набора данных, а не по изменению базовых данных.
version Обязательно	str версия

Комментарии

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

Инициализация EstimatorStep включает указание списка входных данных с inputs параметром и не требуется указывать входные данные с помощью оценщика, исключение будет создано при выполнении. Обратитесь к параметру inputs для типов входных данных, разрешенных. Кроме того, можно указать любые выходные данные для шага. Обратитесь к параметру outputs для типов допустимых выходных данных.

Рекомендуется работать с EstimatorStep, чтобы использовать отдельную папку для сценариев и всех зависимых файлов, связанных с шагом, и указать папку в качестве Estimator объекта source_directory. Это имеет два преимущества. Во-первых, это помогает уменьшить размер моментального снимка, созданного для шага, так как для этого шага создается моментальный снимок только того, что необходимо. Во-вторых, выходные данные шага из предыдущего запуска можно повторно использовать, если нет изменений source_directory , которые активируют повторную отправку оснастки.

Методы

create_node

Создайте узел на шаге оценки и добавьте его в указанный граф. УСТАРЕВШИЕ. CommandStep Используйте вместо него. Пример см. в разделе "Запуск обучения машинного обучения" в конвейерах с помощью CommandStep. Этот метод не предназначен для непосредственного использования. При создании экземпляра конвейера с помощью этого шага Машинное обучение Azure автоматически передает параметры, необходимые для этого метода, чтобы этот шаг можно было добавить в граф конвейера, представляющий рабочий процесс.

create_node

Создайте узел на шаге оценки и добавьте его в указанный граф.

УСТАРЕВШИЕ. CommandStep Используйте вместо него. Пример см. в разделе "Запуск обучения машинного обучения" в конвейерах с помощью CommandStep.

Этот метод не предназначен для непосредственного использования. При создании экземпляра конвейера с помощью этого шага Машинное обучение Azure автоматически передает параметры, необходимые для этого метода, чтобы этот шаг можно было добавить в граф конвейера, представляющий рабочий процесс.

create_node(graph, default_datastore, context)

Параметры

Имя	Описание
graph Обязательно	Graph Объект graph, в который добавляется узел.
default_datastore Обязательно	Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore] Хранилище данных по умолчанию.
context Обязательно	<xref:azureml.pipeline.core._GraphContext> Контекст графа.

Возвращаемое значение

Тип	Описание
Node	Созданный узел.