TrainingOutput Klass
Definierar specialiserade utdata för vissa PipelineSteg för användning i en pipeline.
TrainingOutput gör det möjligt att göra ett automatiserat maskininlärningsmått eller en modell tillgängligt som ett stegs utdata som kan användas med ett annat steg i en Azure Machine Learning-pipeline. Kan användas med AutoMLStep eller HyperDriveStep.
Initiera TrainingOutput.
param model_file: Den specifika modellfilen som ska ingå i utdata. Endast för HyperDriveStep .
- Arv
-
builtins.objectTrainingOutput
Konstruktor
TrainingOutput(type, iteration=None, metric=None, model_file=None)
Parametrar
- iteration
- int
Iterationsnumret för motsvarande träningsmodell.
Det här iterationsnumret kan endast anges med typen "Modell".
Ange antingen parametern iteration
eller parametern metric
, men inte båda.
- metric
- str
Måttet som ska användas för att returnera den bästa träningsmodellen.
Måttet kan endast anges med typen "Modell".
Ange antingen parametern iteration
eller parametern metric
, men inte båda.
- model_file
- str
Den specifika modellfilen som ska ingå i utdata. Endast för HyperDriveStep .
- iteration
- int
Iterationsnumret för motsvarande träningsmodell.
Det här iterationsnumret kan endast anges med typen "Modell".
Ange antingen parametern iteration
eller parametern metric
, men inte båda.
- metric
- str
Måttet som ska användas för att returnera den bästa träningsmodellen.
Måttet kan endast anges med typen "Modell".
Ange antingen parametern iteration
eller parametern metric
, men inte båda.
Kommentarer
TrainingOutput används med PipelineData när du skapar en Pipeline för att göra det möjligt för andra steg att använda mått eller modeller som genereras av en AutoMLStep eller HyperDriveStep.
Använd TrainingOutput när du definierar ett AutoMLStep på följande sätt:
from azureml.pipeline.core import PipelineData, TrainingOutput
metrics_data = PipelineData(name='metrics_data', datastore=ds,
pipeline_output_name='metrics_output',
training_output=TrainingOutput(type='Metrics'))
model_data = PipelineData(name='model_data', datastore=ds,
pipeline_output_name='best_model_output',
training_output=TrainingOutput(type='Model'))
automl_step = AutoMLStep(name='automl_step',
automl_config=automl_config,
inputs=[input_data],
outputs=[metrics_data, model_data])
Se ett exempel på hur du använder TrainingOutput och ett AutoMlStep-steg i notebook-filen https://aka.ms/pl-automl.
Attribut
iteration
Hämta iterationsnumret för motsvarande träningsmodell.
Returer
Iterationsnumret för träningsmodellen.
Returtyp
metric
Hämta måttet för bästa träningsmodell.
Returer
Måttnamnet för den bästa träningsmodellen.
Returtyp
model_file
Hämta en modellfil som ska ingå i utdata för den bästa träningsmodellen.
Returer
En viss fil som ska ingå i utdata från den bästa träningsmodellen.
Returtyp
type
Hämta typen av träningsutdata.
Returer
Typ av träningsutdata. Möjliga värden är: Mått, Modell.
Returtyp
Feedback
https://aka.ms/ContentUserFeedback.
Kommer snart: Under hela 2024 kommer vi att fasa ut GitHub-problem som feedbackmekanism för innehåll och ersätta det med ett nytt feedbacksystem. Mer information finns i:Skicka och visa feedback för