Experiment Klass

Referens

Representerar den viktigaste startpunkten för att skapa och arbeta med experiment i Azure Machine Learning.

Ett experiment är en container med utvärderingsversioner som representerar flera modellkörningar.

Experimentkonstruktor.

Arv: azureml._logging.chained_identity.ChainedIdentity

Experiment

azureml.core._portal.HasExperimentPortal

Experiment

Konstruktor

Experiment(workspace, name, _skip_name_validation=False, _id=None, _archived_time=None, _create_in_cloud=True, _experiment_dto=None, **kwargs)

Parametrar

Name	Description
workspace Obligatorisk	Workspace Arbetsyteobjektet som innehåller experimentet.
name Obligatorisk	str Experimentnamnet.
kwargs Obligatorisk	dict En ordlista med nyckelords args.
workspace Obligatorisk	Workspace Arbetsyteobjektet som innehåller experimentet.
name Obligatorisk	str Experimentnamnet.
kwargs Obligatorisk	dict En ordlista med nyckelords args.
_skip_name_validation	Standardvärde: False
_id	Standardvärde: None
_archived_time	Standardvärde: None
_create_in_cloud	Standardvärde: True
_experiment_dto	Standardvärde: None

Kommentarer

Ett Azure Machine Learning-experiment representerar en samling utvärderingsversioner som används för att verifiera en användares hypotes.

I Azure Machine Learning representeras ett experiment av Experiment klassen och en utvärderingsversion representeras av Run klassen.

Om du vill hämta eller skapa ett experiment från en arbetsyta begär du experimentet med experimentnamnet. Experimentnamnet måste vara 3–36 tecken, börja med en bokstav eller ett tal och får bara innehålla bokstäver, siffror, understreck och bindestreck.


   experiment = Experiment(workspace, "MyExperiment")

Om experimentet inte hittas på arbetsytan skapas ett nytt experiment.

Det finns två sätt att köra en experimentell provkörning. Om du experimenterar interaktivt i en Jupyter Notebook använder start_logging du Om du skickar ett experiment från källkoden eller någon annan typ av konfigurerad utvärderingsversion använder dusubmit

Båda mekanismerna skapar ett Run objekt. I interaktiva scenarier använder du loggningsmetoder som log att lägga till mått och mått i utvärderingsposten. I konfigurerade scenarier använder du statusmetoder som get_status för att hämta information om körningen.

I båda fallen kan du använda frågemetoder som get_metrics för att hämta aktuella värden, om sådana finns, för utvärderingsmått och mått.

Metoder

archive	Arkivera ett experiment.
delete	Ta bort ett experiment på arbetsytan.
from_directory	(Inaktuell) Läs in ett experiment från den angivna sökvägen.
get_docs_url	Url till dokumentationen för den här klassen.
get_runs	Returnera en generator av körningarna för det här experimentet, i omvänd kronologisk ordning.
list	Returnera listan över experiment på arbetsytan.
reactivate	Reactivates ett arkiverat experiment.
refresh	Returnera den senaste versionen av experimentet från molnet.
remove_tags	Ta bort de angivna taggarna från experimentet.
set_tags	Lägg till eller ändra en uppsättning taggar för experimentet. Taggar som inte skickas i ordlistan lämnas orörda.
start_logging	Starta en interaktiv loggningssession och skapa en interaktiv körning i det angivna experimentet.
submit	Skicka ett experiment och returnera den aktiva skapade körningen.
tag	Tagga experimentet med en strängnyckel och ett valfritt strängvärde.

delete

Ta bort ett experiment på arbetsytan.

static delete(workspace, experiment_id)

Parametrar

Name	Description
workspace Obligatorisk	Workspace Arbetsytan som experimentet tillhör.
experiment_id Obligatorisk	Experiment-ID för experimentet som ska tas bort.

from_directory

(Inaktuell) Läs in ett experiment från den angivna sökvägen.

static from_directory(path, auth=None)

Parametrar

Name	Description
path Obligatorisk	str Katalog som innehåller experimentkonfigurationsfilerna.
auth	ServicePrincipalAuthentication eller InteractiveLoginAuthentication Autentiseringsobjektet. Om Ingen används standardautentiseringsuppgifterna för Azure CLI eller om API:et frågar efter autentiseringsuppgifter. Standardvärde: None

Returer

Typ	Description
Experiment	Returnerar experimentet

get_docs_url

Url till dokumentationen för den här klassen.

get_docs_url()

Returer

Typ	Description
str	url

get_runs

Returnera en generator av körningarna för det här experimentet, i omvänd kronologisk ordning.

get_runs(type=None, tags=None, properties=None, include_children=False)

Parametrar

Name	Description
type	string Filtrera den returnerade generatorn för körningar efter den angivna typen. Se add_type_provider för att skapa körningstyper. Standardvärde: None
tags	string eller dict Filtret körs efter "tag" eller {"tag": "value"}. Standardvärde: None
properties	string eller dict Filtret körs efter "property" eller {"property": "value"} Standardvärde: None
include_children	bool Som standard hämtar du endast körningar på den översta nivån. Ange till true för att visa en lista över alla körningar. Standardvärde: False

Returer

Typ	Description
list[Run]	Listan över körningar som matchar angivna filter.

list

Returnera listan över experiment på arbetsytan.

static list(workspace, experiment_name=None, view_type='ActiveOnly', tags=None)

Parametrar

Name	Description
workspace Obligatorisk	Workspace Arbetsytan som experimenten ska listas från.
experiment_name	str Valfritt namn för att filtrera experiment. Standardvärde: None
view_type	ViewType Valfritt uppräkningsvärde för att filtrera eller inkludera arkiverade experiment. Standardvärde: ActiveOnly
tags	Valfri taggnyckel eller ordlista för taggnyckel/värde-par att filtrera experiment på. Standardvärde: None

Returer

Typ	Description
list[Experiment]	En lista över experimentobjekt.

reactivate

Reactivates ett arkiverat experiment.

reactivate(new_name=None)

Parametrar

Name	Description
new_name Obligatorisk	str Stöds inte längre

Kommentarer

Ett arkiverat experiment kan bara återaktiveras om det inte finns ett annat aktivt experiment med samma namn.

refresh

Returnera den senaste versionen av experimentet från molnet.

refresh()

remove_tags

Ta bort de angivna taggarna från experimentet.

remove_tags(tags)

Parametrar

Name	Description
tags Obligatorisk	[str] Taggnycklarna som tas bort

set_tags

Lägg till eller ändra en uppsättning taggar för experimentet. Taggar som inte skickas i ordlistan lämnas orörda.

set_tags(tags)

Parametrar

Name	Description
tags Obligatorisk	dict[str] Taggarna som lagras i experimentobjektet

start_logging

Starta en interaktiv loggningssession och skapa en interaktiv körning i det angivna experimentet.

start_logging(*args, **kwargs)

Parametrar

Name	Description
experiment Obligatorisk	Experiment Experimentet.
outputs Obligatorisk	str Valfri utdatakatalog som ska spåras. Skicka Falskt om du inte har några utdata.
snapshot_directory Obligatorisk	str Valfri katalog att ta en ögonblicksbild av. Om du anger Ingen tas ingen ögonblicksbild.
args Obligatorisk	list
kwargs Obligatorisk	dict

Returer

Typ	Description
Run	Returnera en startad körning.

Kommentarer

start_logging skapar en interaktiv körning för användning i scenarier som Jupyter Notebooks. Alla mått som loggas under sessionen läggs till i körningsposten i experimentet. Om en utdatakatalog anges laddas innehållet i katalogen upp som körningsartefakter när körningen är klar.


   experiment = Experiment(workspace, "My Experiment")
   run = experiment.start_logging(outputs=None, snapshot_directory=".", display_name="My Run")
   ...
   run.log_metric("Accuracy", accuracy)
   run.complete()

Anteckning

run_id genereras automatiskt för varje körning och är unik i experimentet.

submit

Skicka ett experiment och returnera den aktiva skapade körningen.

submit(config, tags=None, **kwargs)

Parametrar

Name	Description
config Obligatorisk	object Den konfiguration som ska skickas.
tags	dict Taggar som ska läggas till i den skickade körningen, {"tag": "value"}. Standardvärde: None
kwargs Obligatorisk	dict Ytterligare parametrar som används i submit-funktionen för konfigurationer.

Returer

Typ	Description
Run	En körning.

Kommentarer

Skicka är ett asynkront anrop till Azure Machine Learning-plattformen för att köra en utvärderingsversion av lokal maskinvara eller fjärrmaskinvara. Beroende på konfigurationen förbereder skicka automatiskt körningsmiljöerna, kör koden och samlar in källkoden och resultaten i experimentets körningshistorik.

Om du vill skicka ett experiment måste du först skapa ett konfigurationsobjekt som beskriver hur experimentet ska köras. Konfigurationen beror på vilken typ av utvärdering som krävs.

Ett exempel på hur du skickar ett experiment från din lokala dator är följande:


   from azureml.core import ScriptRunConfig

   # run a trial from the train.py code in your current directory
   config = ScriptRunConfig(source_directory='.', script='train.py',
       run_config=RunConfiguration())
   run = experiment.submit(config)

   # get the url to view the progress of the experiment and then wait
   # until the trial is complete
   print(run.get_portal_url())
   run.wait_for_completion()

Mer information om hur du konfigurerar en körning finns i information om konfigurationstyp.

ScriptRunConfig
azureml.train.automl.automlconfig.AutoMLConfig
azureml.pipeline.core.Pipeline
azureml.pipeline.core.PublishedPipeline
azureml.pipeline.core.PipelineEndpoint

Anteckning

När du skickar träningskörningen skapas en ögonblicksbild av katalogen som innehåller dina träningsskript och skickas till beräkningsmålet. Den lagras också som en del av experimentet på din arbetsyta. Om du ändrar filer och skickar körningen igen laddas bara de ändrade filerna upp.

Om du vill förhindra att filer tas med i ögonblicksbilden skapar du en .gitignore - eller .amlignore-fil i katalogen och lägger till filerna i den. .amlignore-filen använder samma syntax och mönster som .gitignore-filen. Om båda filerna finns har .amlignore-filen företräde.

Mer information finns i Ögonblicksbilder.

tag

Tagga experimentet med en strängnyckel och ett valfritt strängvärde.

tag(key, value=None)

Parametrar

Name	Description
key Obligatorisk	str Taggnyckeln
value Obligatorisk	str Ett valfritt värde för taggen

Kommentarer

Taggar i ett experiment lagras i en ordlista med strängnycklar och strängvärden. Taggar kan anges, uppdateras och tas bort. Taggar är användarriktade och innehåller vanligtvis information om innebörden för användarna av experimentet.


   experiment.tag('')
   experiment.tag('DeploymentCandidate')
   experiment.tag('modifiedBy', 'Master CI')
   experiment.tag('modifiedBy', 'release pipeline') # Careful, tags are mutable

Attribut

archived_time

Returnera den arkiverade tiden för experimentet. Värdet ska vara Ingen för ett aktivt experiment.

Returer

Typ	Description
str	Den arkiverade tiden för experimentet.

id

Returnera ID för experimentet.

Returer

Typ	Description
str	ID:t för experimentet.

name

Returnera namnet på experimentet.

Returer

Typ	Description
str	Namnet på experimentet.

Typ	Description
dict[str]	Taggarna för ett experiment.

workspace

Returnera arbetsytan som innehåller experimentet.

Returer

Typ	Description
Workspace	Returnerar arbetsyteobjektet.

workspace_object

(Inaktuell) Returnera arbetsytan som innehåller experimentet.

Använd attributet workspace .

Returer

Typ	Description
Workspace	Arbetsyteobjektet.

Dela via

Experiment Klass

Konstruktor

Parametrar

Kommentarer

Metoder

archive

Kommentarer

delete

Parametrar

from_directory

Parametrar

Returer

get_docs_url

Returer

get_runs

Parametrar

Returer

list

Parametrar

Returer

reactivate

Parametrar

Kommentarer

refresh

remove_tags

Parametrar

set_tags

Parametrar

start_logging

Parametrar

Returer

Kommentarer

submit

Parametrar

Returer

Kommentarer

tag

Parametrar

Kommentarer

Attribut

archived_time

Returer

id

Returer

name

Returer

tags

Returer

workspace

Returer

workspace_object

Returer

Feedback

Ytterligare resurser