Estimator Класс
Представляет универсальный оценщик для обучения данных с помощью любой предоставляемой платформы.
НЕ РЕКОМЕНДУЕТСЯ. Используйте объект ScriptRunConfig с собственной определенной средой или курированной средой AzureML. Общие сведения о настройке выполнений экспериментов с помощью ScriptRunConfig приведены в статье Настройка и отправка запусков обучения.
Этот класс предназначен для использования с платформами машинного обучения, у которых еще нет предварительно настроенного оценщика Машинного обучения Azure. Предварительно настроенные оценщики существуют для Chainer, PyTorch, TensorFlow и SKLearn. Как создать Оценщик, который не является предварительно настроенным, см. статью Обучение моделей с помощью оценщика Машинного обучения Azure.
Класс Оценщика создает программу-оболочку для сведений о конфигурации запуска, чтобы упростить задачи указания способа выполнения скрипта. Он поддерживает выполнение с одним и с несколькими узлами. При запуске оценщика создается модель в выходном каталоге, указанном в скрипте обучения.
Инициализируйте оценщик.
используется azureml.core.environment._DEFAULT_SHM_SIZE. Дополнительные сведения приведены в статье со справочными сведениями о запусках Docker. :type shm_size: str :p aram resume_from: путь к данным, содержащий файлы контрольной точки или модели, из которых следует возобновить эксперимент. :type resume_from: azureml.data.datapath.DataPath :p aram max_run_duration_seconds: максимально допустимое время выполнения. Azure ML попытается автоматически
отмените выполнение, если оно занимает больше времени, чем это значение.
- Наследование
-
azureml.train.estimator._mml_base_estimator.MMLBaseEstimatorEstimator
Конструктор
Estimator(source_directory, *, compute_target=None, vm_size=None, vm_priority=None, entry_script=None, script_params=None, node_count=1, process_count_per_node=1, distributed_backend=None, distributed_training=None, use_gpu=False, use_docker=True, custom_docker_base_image=None, custom_docker_image=None, image_registry_details=None, user_managed=False, conda_packages=None, pip_packages=None, conda_dependencies_file_path=None, pip_requirements_file_path=None, conda_dependencies_file=None, pip_requirements_file=None, environment_variables=None, environment_definition=None, inputs=None, source_directory_data_store=None, shm_size=None, resume_from=None, max_run_duration_seconds=None, _disable_validation=True, _show_lint_warnings=False, _show_package_warnings=False)
Параметры
- source_directory
- str
Локальный каталог, содержащий конфигурацию эксперимента и файлы кода, необходимые для задания на обучение.
- compute_target
- AbstractComputeTarget или str
Целевой объект вычислений, в котором будет выполняться обучение. Это может быть либо объект, либо строка "local" (локальный).
- vm_size
- str
Размер виртуальной машины целевого объекта вычислений, который будет создан для обучения. Поддерживаемые значения: любой размер виртуальной машины Azure.
- vm_priority
- str
Приоритет виртуальной машины целевого объекта вычислений, который будет создан для обучения. Если значение не указано, используется "dedicated" (выделенный).
Поддерживаемые значения: "dedicated" (выделенный) и "lowpriority" (низкий приоритет).
Действует только в том случае, если параметр vm_size
указан во входных данных.
- script_params
- dict
Словарь аргументов командной строки для передачи в скрипт обучения, указанный в entry_script
.
- node_count
- int
Число узлов в целевом объекте вычислений, используемом для обучения. Если значение больше 1, будет запущено распределенное задание MPI.
- process_count_per_node
- int
Количество процессов (или рабочих ролей), запускаемых на каждом узле. Если значение больше 1, будет запущено распределенное задание MPI. Для распределенных заданий поддерживается только целевой объект AmlCompute.
- distributed_backend
- str
Внутренний сервер подключений для распределенного обучения.
НЕ РЕКОМЕНДУЕТСЯ. Используйте параметр distributed_training
.
Поддерживаемые значения: "mpi". "mpi" представляет MPI/Horovod.
Этот параметр является обязательным при node_count
или process_count_per_node
> 1.
Если node_count
== 1 и process_count_per_node
== 1, серверная часть не будет использоваться, кроме случаев, когда она задана явным образом. Для распределенного обучения поддерживается только целевой объект AmlCompute.
- distributed_training
- Mpi
Параметры для выполнения распределенного задания обучения.
Чтобы запустить распределенное задание с помощью MPI-сервера, используйте объект Mpi для указания process_count_per_node
.
- use_gpu
- bool
Указывает, должна ли среда запуска эксперимента поддерживать GPU.
При значении True в среде будет использоваться образ Docker по умолчанию на основе GPU. При значении False будет использоваться образ на основе ЦП. Образы Docker по умолчанию (ЦП или GPU) будут использоваться только в том случае, если параметр custom_docker_image
не задан. Этот параметр используется только в целевых объектах вычислений с поддержкой Docker.
- use_docker
- bool
Указывает, должна ли среда запуска эксперимента быть основана на Docker.
- custom_docker_base_image
- str
Имя образа Docker, из которого будет построен образ, используемый для обучения.
НЕ РЕКОМЕНДУЕТСЯ. Используйте параметр custom_docker_image
.
Если он не задан, в качестве базового образа будет использоваться образ на основе ЦП по умолчанию.
- custom_docker_image
- str
Имя образа Docker, из которого будет построен образ, используемый для обучения. Если он не задан, в качестве базового образа будет использоваться образ на основе ЦП по умолчанию. Можно указывать только те образы, которые доступны в публичных репозиториях Docker (Docker Hub). Чтобы выбрать образ из частного репозитория Docker, используйте параметр конструктора environment_definition
.
- user_managed
- bool
Указывает, будет ли Azure ML повторно использовать существующую среду Python. При значении False среда Python создается на основе спецификации зависимостей conda.
- conda_packages
- list
Список строк, представляющих пакеты conda, добавляемые в среду Python для эксперимента.
- pip_packages
- list
Список строк, представляющих пакеты pip, добавляемые в среду Python для эксперимента.
- conda_dependencies_file_path
- str
Относительный путь к файлу YAML зависимостей Conda. Если он указан, Машинное обучение Azure не будет устанавливать пакеты, связанные с платформой.
НЕ РЕКОМЕНДУЕТСЯ. Используется параметр conda_dependencies_file
.
Укажите conda_dependencies_file_path
или conda_dependencies_file
. Если указаны оба значения, используется conda_dependencies_file
.
- pip_requirements_file_path
- str
Относительный путь к текстовому файлу требований pip.
НЕ РЕКОМЕНДУЕТСЯ. Используйте параметр pip_requirements_file
.
Этот параметр можно указать в сочетании с параметром pip_packages
. Укажите pip_requirements_file_path
или pip_requirements_file
. Если указаны оба значения, используется pip_requirements_file
.
- conda_dependencies_file
- str
Относительный путь к файлу YAML зависимостей Conda. Если он указан, Машинное обучение Azure не будет устанавливать пакеты, связанные с платформой.
- pip_requirements_file
- str
Относительный путь к текстовому файлу требований pip.
Этот параметр можно указать в сочетании с параметром pip_packages
.
- environment_variables
- dict
Словарь имен и значений переменных среды. Эти переменные среды задаются для процесса, в котором выполняется пользовательский скрипт.
- environment_definition
- Environment
Определение среды для эксперимента. Сюда входят PythonSection, DockerSection и переменные среды. С помощью этого параметра можно задать любую опцию среды, которая не предоставляется напрямую через другие параметры в конструкцию оценщика. Если этот параметр указан, он будет иметь приоритет над другими параметрами, связанными со средой, например, use_gpu
, custom_docker_image
, conda_packages
и pip_packages
.
При недопустимых сочетаниях будут выводиться ошибки.
- inputs
- list
Список объектов DataReference или DatasetConsumptionConfig, используемых в качестве входных данных.
- source_directory_data_store
- Datastore
Резервное хранилище данных для общей папки проекта.
- shm_size
- str
Размер блока общей памяти контейнера Docker. Если значение не задано, используется значение по умолчанию azureml.core.environment._DEFAULT_SHM_SIZE. Дополнительные сведения приведены в статье со справочными сведениями о запусках Docker.
- resume_from
- DataPath
Путь к данным, содержащий файлы контрольной точки или модели, из которых возобновляется выполнение эксперимента.
- max_run_duration_seconds
- int
Максимально допустимое время выполнения. Машинное обучение Azure будет пытаться автоматически отменить запуск, если он занимает больше времени, чем задано этим значением.
- source_directory
- str
Локальный каталог, содержащий конфигурацию эксперимента и файлы кода, необходимые для задания на обучение.
- compute_target
- AbstractComputeTarget или str
Целевой объект вычислений, в котором будет выполняться обучение. Это может быть либо объект, либо строка "local" (локальный).
- vm_size
- str
Размер виртуальной машины целевого объекта вычислений, который будет создан для обучения. Поддерживаемые значения: любой размер виртуальной машины Azure.
- vm_priority
- str
Приоритет виртуальной машины целевого объекта вычислений, который будет создан для обучения. Если значение не указано, используется "dedicated" (выделенный).
Поддерживаемые значения: "dedicated" (выделенный) и "lowpriority" (низкий приоритет).
Действует только в том случае, если параметр vm_size
указан во входных данных.
- script_params
- dict
Словарь аргументов командной строки для передачи в скрипт обучения, указанный в entry_script
.
- node_count
- int
Число узлов в целевом объекте вычислений, используемом для обучения. Если больше 1, будет запущено распределенное задание MPI. Для распределенных заданий поддерживается только целевой объект AmlCompute.
- process_count_per_node
- int
Количество процессов на каждом узле. Если больше 1, будет запущено распределенное задание MPI. Для распределенных заданий поддерживается только целевой объект AmlCompute.
- distributed_backend
- str
Внутренний сервер подключений для распределенного обучения.
НЕ РЕКОМЕНДУЕТСЯ. Используйте параметр distributed_training
.
Поддерживаемые значения: "mpi". "mpi" представляет MPI/Horovod.
Этот параметр является обязательным при node_count
или process_count_per_node
> 1.
Если node_count
== 1 и process_count_per_node
== 1, серверная часть не будет использоваться, кроме случаев, когда она задана явным образом. Для распределенного обучения поддерживается только целевой объект AmlCompute.
- distributed_training
- Mpi
Параметры для выполнения распределенного задания обучения.
Чтобы запустить распределенное задание с помощью MPI-сервера, используйте объект Mpi для указания process_count_per_node
.
- use_gpu
- bool
Указывает, должна ли среда выполнения эксперимента поддерживать GPU.
При значении True в среде будет использоваться образ Docker по умолчанию на основе GPU. При значении False будет использоваться образ на основе ЦП. Образы Docker по умолчанию (ЦП или GPU) будут использоваться только в том случае, если параметр custom_docker_image
не задан. Этот параметр используется только в целевых объектах вычислений с поддержкой Docker.
- use_docker
- bool
Указывает, должна ли среда выполнения эксперимента быть основана на Docker.
- custom_docker_base_image
- str
Имя образа Docker, из которого будет построен образ, используемый для обучения.
НЕ РЕКОМЕНДУЕТСЯ. Используйте параметр custom_docker_image
.
Если он не задан, в качестве базового образа будет использоваться образ на основе ЦП по умолчанию.
- custom_docker_image
- str
Имя образа Docker, из которого будет построен образ, используемый для обучения. Если он не задан, в качестве базового образа будет использоваться образ на основе ЦП по умолчанию. Можно указывать только те образы, которые доступны в публичных репозиториях Docker (Docker Hub). Чтобы выбрать образ из частного репозитория Docker, используйте параметр конструктора environment_definition
.
- user_managed
- bool
Указывает, будет ли Azure ML повторно использовать существующую среду Python. При значении False среда Python создается на основе спецификации зависимостей conda.
- conda_packages
- list
Список строк, представляющих пакеты conda, добавляемые в среду Python для эксперимента.
- pip_packages
- list
Список строк, представляющих пакеты pip, добавляемые в среду Python для эксперимента.
- conda_dependencies_file_path
Относительный путь к файлу YAML зависимостей Conda. Если он указан, Машинное обучение Azure не будет устанавливать пакеты, связанные с платформой.
НЕ РЕКОМЕНДУЕТСЯ. Используется параметр conda_dependencies_file
.
Укажите conda_dependencies_file_path
или conda_dependencies_file
. Если указаны оба значения, используется conda_dependencies_file
.
- pip_requirements_file_path
Относительный путь к текстовому файлу требований pip.
НЕ РЕКОМЕНДУЕТСЯ. Используйте параметр pip_requirements_file
.
Его можно указать в сочетании с параметром pip_packages
. Укажите pip_requirements_file_path
или pip_requirements_file
. Если указаны оба значения, используется pip_requirements_file
.
- pip_requirements_file
- str
Относительный путь к текстовому файлу требований pip.
Его можно указать в сочетании с параметром pip_packages
.
- environment_variables
- dict
Словарь имен и значений переменных среды. Эти переменные среды задаются для процесса, в котором выполняется пользовательский скрипт.
- environment_definition
- Environment
Определение среды для эксперимента. Сюда входят PythonSection, DockerSection и переменные среды. С помощью этого параметра можно задать любую опцию среды, которая не предоставляется напрямую через другие параметры в конструкцию оценщика. Если этот параметр указан, он будет иметь приоритет над другими параметрами, связанными со средой, например, use_gpu
, custom_docker_image
, conda_packages
и pip_packages
.
При недопустимых сочетаниях будут выводиться ошибки.
- inputs
- list
Список объектов DataReference или DatasetConsumptionConfig, используемых в качестве входных данных.
- source_directory_data_store
- Datastore
Резервное хранилище данных для общей папки проекта.
- shm_size
Размер блока общей памяти контейнера Docker. Если значение не задано, значение по умолчанию
- _disable_validation
- bool
Отключите проверку скрипта перед запуском отправки. Значение по умолчанию равно True.
- _show_lint_warnings
- bool
Отображение предупреждений при анализе кода скрипта. Значение по умолчанию — False.
- _show_package_warnings
- bool
Отображение предупреждений о проверке пакета. Значение по умолчанию — False.
Обратная связь
https://aka.ms/ContentUserFeedback.
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 разделеОтправить и просмотреть отзыв по