AutoMLRun Класс
Представляет выполнение эксперимента автоматизированного машинного обучения в Машинном обучении Azure.
Класс AutoMLRun можно использовать для управления запуском, проверки состояния запуска и получения сведений о запуске AutoML после его завершения. Дополнительные сведения о работе с запусками экспериментов см. в описании класса Run.
Инициализация запуска AutoML.
- Наследование
-
AutoMLRun
Конструктор
AutoMLRun(experiment, run_id, **kwargs)Параметры
Комментарии
При использовании метода submit эксперимента возвращается объект AutoMLRun.
Чтобы извлечь уже запущенное выполнение, используйте следующий код:
from azureml.train.automl.run import AutoMLRun
ws = Workspace.from_config()
experiment = ws.experiments['my-experiment-name']
automl_run = AutoMLRun(experiment, run_id = 'AutoML_9fe201fe-89fd-41cc-905f-2f41a5a98883')
Методы
| cancel |
Отмена запуска AutoML. Возврат значения True, если выполнение AutoML отменено. |
| cancel_iteration |
Отмена конкретного дочернего выполнения. |
| complete |
Завершение выполнения AutoML. |
| continue_experiment |
Продолжить существующий эксперимент AutoML. |
| fail |
Сбой выполнения AutoML. При необходимости задайте свойство Error для выполнения с сообщением или исключением, переданным в |
| get_best_child |
Возврат дочернего элемента с наилучшим рейтингом для этого выполнения AutoML. |
| get_guardrails |
Печать и возврат подробных результатов выполнения проверки Guardrail. |
| get_output |
Возврат выполнения с соответствующим лучшим конвейером, который уже был проверен. Если входные параметры не указаны, |
| get_run_sdk_dependencies |
Получение зависимостей выполнения пакета SDK для данного выполнения. |
| pause |
Возврат значения True, если выполнение AutoML успешно приостановлено. Этот метод не реализован. |
| register_model |
Зарегистрируйте модель в службе AzureML ACI. |
| resume |
Возврат значения True, если выполнение AutoML успешно возобновлено. Этот метод не реализован. |
| retry |
Возврат значения True, если выполнение AutoML успешно повторено. Этот метод не реализован. |
| summary |
Получение таблицы, содержащей сводку предпринятых алгоритмов и их оценки. |
| wait_for_completion |
Ожидает завершения этого запуска. Возвращает объект состояния после ожидания. |
cancel
Отмена запуска AutoML.
Возврат значения True, если выполнение AutoML отменено.
cancel()Возвращаемое значение
None
cancel_iteration
Отмена конкретного дочернего выполнения.
cancel_iteration(iteration)Параметры
Возвращаемое значение
None
complete
Завершение выполнения AutoML.
complete(**kwargs)Возвращаемое значение
None
continue_experiment
Продолжить существующий эксперимент AutoML.
continue_experiment(X=None, y=None, sample_weight=None, X_valid=None, y_valid=None, sample_weight_valid=None, data=None, label=None, columns=None, cv_splits_indices=None, spark_context=None, experiment_timeout_hours=None, experiment_exit_score=None, iterations=None, show_output=False, training_data=None, validation_data=None, **kwargs)Параметры
Обучающие функции.
Обучающие метки.
Выборка весов для обучающих данных.
Функции проверки.
Метки проверки.
Веса выборок набора для проверки.
Список разрешенных столбцов данных для использования в качестве функций.
- cv_splits_indices
- ndarray
Индексы, по которым разбиваются обучающие данные для перекрестной проверки. Каждая строка является отдельным проходом перекрестной проверки, и в каждом проходе предоставляется два массива — первый с индексами для выборок, используемых для обучающих данных, а второй — с индексами, которые используются для данных проверки. Т. е. [[t1, v1], [t2, v2], ...], где t1 — это индексы обучения для первого прохода перекрестной проверки, а v1 — это индексы проверки для первого прохода.
- spark_context
- <xref:SparkContext>
Контекст Spark, применимый лишь при использовании в среде Azure Databricks или Spark.
- experiment_timeout_hours
- float
Количество дополнительных часов для выполнения этого эксперимента.
- experiment_exit_score
- int
Если задано значение, это означает, что эксперимент завершается при достижении этого значения.
- iterations
- int
Количество дополнительных итераций, выполняемых для этого эксперимента.
- show_output
- bool
Флаг, указывающий, выводить ли выходные данные в консоли.
- training_data
- <xref:azureml.dataprep.Dataflow> или DataFrame
Входные данные для обучения.
- validation_data
- <xref:azureml.dataprep.Dataflow> или DataFrame
Данные для проверки.
Возвращаемое значение
Родительское выполнение AutoML.
Возвращаемый тип
Исключения
fail
Сбой выполнения AutoML.
При необходимости задайте свойство Error для выполнения с сообщением или исключением, переданным в error_details.
fail(error_details=None, error_code=None, _set_status=True, **kwargs)Параметры
- _set_status
- bool
Указывает, следует ли отправить событие состояния для отслеживания.
get_best_child
Возврат дочернего элемента с наилучшим рейтингом для этого выполнения AutoML.
get_best_child(metric: str | None = None, onnx_compatible: bool = False, **kwargs: Any) -> RunПараметры
- metric
- str
Метрика, используемая при выборе наилучшего выполнения для возврата. По умолчанию используется основная метрика.
- onnx_compatible
Следует ли возвращать только те запуски, которые создали модели ONNX.
- kwargs
Возвращаемое значение
Дочернее выполнение AutoML.
get_guardrails
Печать и возврат подробных результатов выполнения проверки Guardrail.
get_guardrails(to_console: bool = True) -> Dict[str, Any]Параметры
- to_console
- bool
Указывает, следует ли записывать результаты проверки в консоль.
Возвращаемое значение
Словарь результатов проверки.
Возвращаемый тип
Исключения
get_output
Возврат выполнения с соответствующим лучшим конвейером, который уже был проверен.
Если входные параметры не указаны, get_output возвращает оптимальный конвейер в соответствии с основной метрикой. Кроме того, можно использовать параметр iteration или metric для получения определенной итерации или наиболее подходящего выполнения для указанной метрики соответственно.
get_output(iteration: int | None = None, metric: str | None = None, return_onnx_model: bool = False, return_split_onnx_model: SplitOnnxModelName | None = None, **kwargs: Any) -> Tuple[Run, Any]Параметры
- iteration
- int
Номер итерации соответствующей модели выполнения и назначения, которую необходимо вернуть.
- metric
- str
Метрика, используемая при выборе наилучшего выполнения для возврата.
- return_onnx_model
- bool
Этот метод возвратит преобразованную модель ONNX, если для параметра enable_onnx_compatible_models было задано значение True в объекте AutoMLConfig.
- return_split_onnx_model
- SplitOnnxModelName
Тип возвращаемой модели разделения ONNX
Возвращаемое значение
Выполнение, соответствующая модель с заданным назначением.
Возвращаемый тип
Исключения
Комментарии
Если вы хотите проверить используемые препроцессоры и алгоритм (оценщик), то это можно сделать с помощью Model.steps, аналогично sklearn.pipeline.Pipeline.steps.
Например, в приведенном ниже коде показано, как получить оценщик.
best_run, model = parent_run.get_output()
estimator = model.steps[-1]
get_run_sdk_dependencies
Получение зависимостей выполнения пакета SDK для данного выполнения.
get_run_sdk_dependencies(iteration=None, check_versions=True, **kwargs)Параметры
- iteration
- int
Номер итерации подходящего выполнения, которое необходимо извлечь. Если значение — None, извлекает родительскую среду.
- check_versions
- bool
Если значение — True, проверяет версии с текущей средой. Если значение — False, пропускает.
Возвращаемое значение
Словарь зависимостей, полученных из RunHistory.
Возвращаемый тип
Исключения
pause
Возврат значения True, если выполнение AutoML успешно приостановлено.
Этот метод не реализован.
pause()Исключения
register_model
Зарегистрируйте модель в службе AzureML ACI.
register_model(model_name=None, description=None, tags=None, iteration=None, metric=None)Параметры
- iteration
- int
Переопределение, для какой модели необходимо развертывание. Развертывает модель для данной итерации.
- metric
- str
Переопределение, для какой модели необходимо развертывание. Развертывает наилучшую модель для другой метрики.
Возвращаемое значение
Объект зарегистрированной модели.
Возвращаемый тип
resume
Возврат значения True, если выполнение AutoML успешно возобновлено.
Этот метод не реализован.
resume()Исключения
retry
Возврат значения True, если выполнение AutoML успешно повторено.
Этот метод не реализован.
retry()Исключения
summary
Получение таблицы, содержащей сводку предпринятых алгоритмов и их оценки.
summary()Возвращаемое значение
Pandas DataFrame, содержащий статистику модели AutoML.
Возвращаемый тип
wait_for_completion
Ожидает завершения этого запуска.
Возвращает объект состояния после ожидания.
wait_for_completion(show_output=False, wait_post_processing=False)Параметры
- show_output
- bool
Указывает, следует ли отображать выходные данные выполнения в sys.stdout.
- wait_post_processing
- bool
Указывает, следует ли дождаться завершения постобработки после завершения выполнения.
Возвращаемое значение
Объект состояния.
Возвращаемый тип
Исключения
Атрибуты
run_id
Возврат идентификатора выполнения текущего выполнения.
Возвращаемое значение
Идентификатор выполнения текущего выполнения.
Возвращаемый тип
Обратная связь
Ожидается в ближайшее время: в течение 2024 года мы постепенно откажемся от GitHub Issues как механизма обратной связи для контента и заменим его новой системой обратной связи. Дополнительные сведения см. в разделе https://aka.ms/ContentUserFeedback.
Отправить и просмотреть отзыв по