RunConfiguration Sınıf
Azure Machine Learning'de farklı işlem hedeflerini hedefleyen deneme çalıştırmaları için yapılandırmayı temsil eder.
RunConfiguration nesnesi, bir denemede eğitim çalıştırması göndermek için gereken bilgileri kapsüller. Genellikle, doğrudan bir RunConfiguration nesnesi oluşturmaz, ancak sınıfın yöntemi gibi submit onu döndüren bir yöntemden Experiment bir nesne alırsınız.
RunConfiguration, tetiklediğiniz çalıştırma türüne bağlı olarak diğer yapılandırma adımı türlerinde de kullanılan bir temel ortam yapılandırmasıdır. Örneğin, bir PythonScriptStepayarlarken adımın RunConfiguration nesnesine erişebilir ve Conda bağımlılıklarını yapılandırabilir veya çalıştırmanın ortam özelliklerine erişebilirsiniz.
Çalıştırma yapılandırmalarının örnekleri için bkz. Modelinizi eğitmek için işlem hedefi seçme ve kullanma.
Varsayılan ayarlarla bir RunConfiguration başlatın.
- Devralma
-
azureml._base_sdk_common.abstract_run_config_element._AbstractRunConfigElementRunConfiguration
Oluşturucu
RunConfiguration(script=None, arguments=None, framework=None, communicator=None, conda_dependencies=None, _history_enabled=None, _path=None, _name=None, command=None)
Parametreler
Name | Description |
---|---|
script
|
Python betik dosyasının göreli yolu. Dosya yolu, öğesine geçirilen kaynak dizine submitgöredir. Default value: None
|
arguments
|
Python betik dosyası için komut satırı bağımsız değişkenleri. Default value: None
|
framework
|
Çalıştırmada kullanılan hedeflenen çerçeve. Desteklenen çerçeveler Python, PySpark, TensorFlow ve PyTorch'tır. Default value: None
|
communicator
|
Çalıştırmada kullanılan communicator. Desteklenen iletişimciler None, ParameterServer, OpenMpi ve IntelMpi'dir. OpenMpi için OpenMpi'nin yüklü olduğu özel bir görüntü gerektiğini unutmayın. AmlCompute kümeleri için ParameterServer veya OpenMpi kullanın. Dağıtılmış eğitim işleri için IntelMpi kullanın. Default value: None
|
conda_dependencies
|
Varsayılan False değerinde bırakıldığında, sistem içinde Default value: None
|
auto_prepare_environment
Gerekli
|
KALDIRIL -MIŞ. Bu ayar artık kullanılmaz. |
command
|
Çalıştırma için gönderilecek komut. Komut özelliği betik/bağımsız değişkenler yerine de kullanılabilir. Çalıştırma göndermek için hem komut hem de betik/bağımsız değişken özellikleri birlikte kullanılamaz. Komut dosyasını göndermek için - ['python', 'train.py', '–arg1', arg1_val] Gerçek bir komut çalıştırmak için - ['ls'] Default value: None
|
_history_enabled
|
Default value: None
|
_path
|
Default value: None
|
_name
|
Default value: None
|
Açıklamalar
Makine öğrenmesi sistemlerini genellikle belirli bir sorunu çözmek için oluştururuz. Örneğin, bir sorguya karşılık gelen arama sonuçları olarak servis edilebilecek web sayfalarını dereceleyen en iyi modeli bulmak ilgimizi çekebilir. En iyi makine öğrenmesi modeli aramamız farklı algoritmaları denememizi veya farklı parametre ayarlarını düşünmemizi gerektirebilir.
Azure Machine Learning SDK'sında, farklı eğitim çalıştırmalarının çözmeye çalıştıkları sorunla ilgili olduğu kavramını yakalamak için deneme kavramını kullanırız. Ardından, Experiment bu eğitim çalıştırmaları için mantıksal kapsayıcı işlevi görerek eğitim çalıştırmaları arasında ilerleme durumunu izlemeyi, doğrudan iki eğitim çalıştırmasını karşılaştırmayı vb. kolaylaştırır.
RunConfiguration, bir denemede eğitim çalıştırması göndermek için gereken yürütme ortamı ayarlarını kapsüller. Aynı makine öğrenmesi sorununu çözmek için tasarlanan eğitim çalıştırmalarının hem paylaşılan yapısını hem de farklı eğitim çalıştırmalarını birbirinden ayıran yapılandırma parametrelerindeki (ör. öğrenme oranı, kayıp işlevi vb.) farkları yakalar.
Tipik eğitim senaryolarında RunConfiguration, bir ScriptRunConfig RunConfiguration nesnesini ve eğitim için yürütme betiğini bir araya getiren bir nesne oluşturularak kullanılır.
RunConfiguration yapılandırması şunları içerir:
Gönderilen betik de dahil olmak üzere deneme kaynak dizinini paketleme.
Gönderilen betik için Komut satırı bağımsız değişkenlerini ayarlama.
Python yorumlayıcısı için yolu yapılandırma.
Uygulama bağımlılıklarını yönetmek için conda yapılandırmasını alın. İş gönderme işlemi, geçici bir Conda ortamı sağlamak ve uygulamayı içinde başlatmak için yapılandırmayı kullanabilir. Geçici ortamlar önbelleğe alınır ve sonraki çalıştırmalarda yeniden kullanılır.
Docker ve özel temel görüntülerin isteğe bağlı kullanımı.
Denemeyi birden çok Azure işlem türüne gönderme seçeneği isteğe bağlı olarak sunulur.
Girişleri gerçekleştirmeyi ve çıkışları karşıya yüklemeyi yapılandırmaya yönelik isteğe bağlı seçim.
Spark ve tensorflow gibi yaygın çalışma zamanları için gelişmiş çalışma zamanı ayarları.
Aşağıdaki örnekte, yerel makinenizde eğitim betiği gönderme işlemi gösterilmektedir.
from azureml.core import ScriptRunConfig, RunConfiguration, Experiment
# create or load an experiment
experiment = Experiment(workspace, "MyExperiment")
# 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)
Aşağıdaki örnekte, betik ve bağımsız değişkenler yerine komut özelliğini kullanarak kümenizde eğitim betiği gönderme işlemi gösterilmektedir.
from azureml.core import ScriptRunConfig, Experiment
# create or load an experiment
experiment = Experiment(workspace, 'MyExperiment')
# create or retrieve a compute target
cluster = workspace.compute_targets['MyCluster']
# create or retrieve an environment
env = Environment.get(ws, name='MyEnvironment')
# configure and submit your training run
config = ScriptRunConfig(source_directory='.',
command=['python', 'train.py', '--arg1', arg1_val],
compute_target=cluster,
environment=env)
script_run = experiment.submit(config)
Aşağıdaki örnekte, kümenizde bir komutun nasıl çalıştırılır gösterilmektedir.
from azureml.core import ScriptRunConfig, Experiment
# create or load an experiment
experiment = Experiment(workspace, 'MyExperiment')
# create or retrieve a compute target
cluster = workspace.compute_targets['MyCluster']
# create or retrieve an environment
env = Environment.get(ws, name='MyEnvironment')
# configure and submit your training run
config = ScriptRunConfig(source_directory='.',
command=['ls', '-l'],
compute_target=cluster,
environment=env)
script_run = experiment.submit(config)
Değişkenler
Name | Description |
---|---|
environment
|
Ortam tanımı. Bu alan Python ortamını yapılandırıyor. Mevcut bir Python ortamını kullanacak şekilde yapılandırılabilir veya deneme için geçici bir ortam ayarlanacak şekilde yapılandırılabilir. Tanım, gerekli uygulama bağımlılıklarını ayarlamakla da sorumludur. |
max_run_duration_seconds
|
Çalıştırma için izin verilen en uzun süre. Sistem, bu değerden daha uzun sürerse çalıştırmayı otomatik olarak iptal etmeye çalışır. |
node_count
|
İş için kullanılacak düğüm sayısı. |
priority
|
İlke zamanlama işinin önceliği. |
history
|
Deneme geçmişi günlüğe kaydetme özelliklerini devre dışı bırakmak ve etkinleştirmek için kullanılan yapılandırma bölümü. |
spark
|
Platform PySpark olarak ayarlandığında, gönderilen iş için varsayılan SparkConf'ı ayarlamak için Spark yapılandırma bölümü kullanılır. |
hdi
|
HDI yapılandırma bölümü yalnızca hedef bir Azure HDI işlemine ayarlandığında geçerlilik kazanır. HDI Yapılandırması, YARN dağıtım modunu ayarlamak için kullanılır. Varsayılan dağıtım modu kümedir. |
docker
|
Docker yapılandırması bölümü, Docker ortamı için değişkenleri ayarlamak için kullanılır. |
tensorflow
|
Dağıtılmış TensorFlow parametrelerini yapılandırmak için kullanılan yapılandırma bölümü.
Bu parametre yalnızca |
mpi
|
Dağıtılmış MPI iş parametrelerini yapılandırmak için kullanılan yapılandırma bölümü.
Bu parametre yalnızca |
pytorch
|
Dağıtılmış PyTorch iş parametrelerini yapılandırmak için kullanılan yapılandırma bölümü.
Bu parametre yalnızca |
paralleltask
|
Dağıtılmış paralleltask iş parametrelerini yapılandırmak için kullanılan yapılandırma bölümü.
Bu parametre yalnızca |
data_references
|
Tüm veri kaynakları, her yapılandırmaya göre yürütme sırasında çalıştırılabilir. Sözlüğün her öğesi için anahtar, veri kaynağına verilen bir ad ve değer de DataReferenceConfiguration değeridir. |
data
|
Yürütme sırasında çalıştırılabilmesi için tüm veriler. |
datacaches
|
<xref:buildin.list>[DatacacheConfiguration]
Yürütme sırasında datacache'i çalıştırma için kullanılabilir hale getirmek için tüm veriler. |
output_data
|
Bu çalıştırma için yüklenmesi ve izlenmesi gereken tüm çıkışlar. |
source_directory_data_store
|
Proje paylaşımı için yedekleme veri deposu. |
amlcompute
|
Deneme sırasında oluşturulacak işlem hedefinin ayrıntıları. Yapılandırma yalnızca işlem hedefi AmlCompute olduğunda geçerlilik kazanır. |
kubernetescompute
|
Deneme sırasında kullanılacak işlem hedefinin ayrıntıları. Yapılandırma yalnızca işlem hedefi KubernetesCompute olduğunda geçerlilik kazanır. |
services
|
İşlem kaynağıyla etkileşimli uç noktalar. İzin verilen uç noktalar Jupyter, JupyterLab, VS Code, Tensorboard, SSH ve Özel bağlantı noktalarıdır. |
Yöntemler
delete |
Çalıştırma yapılandırma dosyasını silin. Yapılandırma dosyası bulunamazsa bir UserErrorException oluşturur. |
load |
Disk üzerindeki bir dosyadan daha önce kaydedilmiş bir çalıştırma yapılandırma dosyasını yükleyin. Bir dosyaya işaret ederse Proje dizini olması gereken bir dizine işaret ederse |
save |
RunConfiguration'ı disk üzerindeki bir dosyaya kaydedin. A UserErrorException şu durumlarda oluşturulur:
dir_path geçerli bir dizin olduğu <dir_path/file_name biçimindeyse< Proje dizini olması gereken bir dizine işaret ederse Bu yöntem, yapılandırmayı el ile düzenlerken veya yapılandırmayı CLI ile paylaşırken yararlıdır. |
delete
Çalıştırma yapılandırma dosyasını silin.
Yapılandırma dosyası bulunamazsa bir UserErrorException oluşturur.
static delete(path, name)
Parametreler
Name | Description |
---|---|
path
Gerekli
|
Kullanıcı çalıştırma yapılandırmaları için kök dizin seçti. Bu genellikle Git Deposu veya Python projesi kök dizinidir. Yapılandırma .azureml adlı bir alt dizinden silinir. |
name
Gerekli
|
Yapılandırma dosyası adı. |
Özel durumlar
Tür | Description |
---|---|
UserErrorException
|
load
Disk üzerindeki bir dosyadan daha önce kaydedilmiş bir çalıştırma yapılandırma dosyasını yükleyin.
Bir dosyaya işaret ederse path
RunConfiguration bu dosyadan yüklenir.
Proje dizini olması gereken bir dizine işaret ederse path
RunConfiguration path>/.azureml/<name> veya <path>/aml_config/<name> yolundan <yüklenir.
static load(path, name=None)
Parametreler
Name | Description |
---|---|
path
Gerekli
|
Kullanıcı çalıştırma yapılandırmaları için kök dizin seçti. Bu genellikle Git Deposu veya Python projesi kök dizinidir. Geriye dönük uyumluluk için yapılandırma .azureml veya aml_config alt dizinden de yüklenir. Dosya bu dizinlerde değilse, dosya belirtilen yoldan yüklenir. |
name
|
Yapılandırma dosyası adı. Default value: None
|
Döndürülenler
Tür | Description |
---|---|
Çalıştırma yapılandırma nesnesi. |
Özel durumlar
Tür | Description |
---|---|
UserErrorException
|
save
RunConfiguration'ı disk üzerindeki bir dosyaya kaydedin.
A UserErrorException şu durumlarda oluşturulur:
RunConfiguration belirtilen adla kaydedilemez.
Parametre
name
belirtilmedi.path
Parametre geçersiz.
dir_path geçerli bir dizin olduğu <dir_path/file_name biçimindeyse<path
, RunConfiguration dir_path>/<file_name'a <>kaydedilir.><>>
Proje dizini olması gereken bir dizine işaret edersepath
, RunConfiguration path>/.azureml/<name> veya <path>/aml_config/<name adresine> kaydedilir<.
Bu yöntem, yapılandırmayı el ile düzenlerken veya yapılandırmayı CLI ile paylaşırken yararlıdır.
save(path=None, name=None, separate_environment_yaml=False)
Parametreler
Name | Description |
---|---|
separate_environment_yaml
|
Conda ortam yapılandırmasının kaydedilip kaydedilmeyeceğini gösterir. True ise, Conda ortam yapılandırması 'environment.yml' adlı bir YAML dosyasına kaydedilir. Default value: False
|
path
|
Kullanıcı çalıştırma yapılandırmaları için kök dizin seçti. Bu genellikle Git Deposu veya Python projesi kök dizinidir. Yapılandırma .azureml adlı bir alt dizine kaydedilir. Default value: None
|
name
|
[Gerekli] Yapılandırma dosyası adı. Default value: None
|
Döndürülenler
Tür | Description |
---|---|
Özel durumlar
Tür | Description |
---|---|
UserErrorException
|
Öznitelikler
auto_prepare_environment
parametresini auto_prepare_environment
alın. Bu, kullanım dışı ve kullanılmayan bir ayardır.
environment_variables
Çalışma zamanı ortam değişkenleri.
Döndürülenler
Tür | Description |
---|---|
Çalışma zamanı değişkenleri |
target
İşin yürütülmesi için zamanlandığı işlem hedefini alın.
Varsayılan hedef, yerel makineye başvuran "yerel" hedeftir. Kullanılabilir bulut işlem hedefleri işlevi compute_targetskullanılarak bulunabilir.
Döndürülenler
Tür | Description |
---|---|
Hedef adı |