Aracılığıyla paylaş

Run Sınıf

Tüm Azure Machine Learning deneme çalıştırmaları için temel sınıfı tanımlar.

Çalıştırma, denemenin tek bir denemesini temsil eder. Çalıştırmalar bir denemenin zaman uyumsuz yürütülmesini izlemek, denemenin günlük ölçümlerini ve depolama çıkışını izlemek ve deneme tarafından oluşturulan sonuçları analiz etmek ve yapıtlara erişmek için kullanılır.

Azure Machine Learning'de HyperDrive çalıştırmaları, İşlem Hattı çalıştırmaları ve AutoML çalıştırmaları gibi birçok farklı senaryoda modeli eğitmek için betik gönderdiğinizde çalıştırma nesneleri oluşturulur. Siz submit veya start_logging sınıfıyla Experiment birlikte bir Run nesnesi de oluşturulur.

Denemeleri ve çalıştırmaları kullanmaya başlamak için bkz.

Run nesnesini başlatın.

Oluşturucu

Run(experiment, run_id, outputs=None, **kwargs)

Parametreler

Name Description
experiment
Gerekli
Experiment

İçeren deneme.
run_id
Gerekli
str

Çalıştırmanın kimliği.
outputs
str

İzlenecek çıkışlar.

Default value: None
_run_dto
Gerekli
<xref:azureml._restclient.models.run_dto.RunDto>

Yalnızca iç kullanım.
kwargs
Gerekli
dict

Ek yapılandırma parametrelerinin sözlüğü.
experiment
Gerekli
Experiment

İçeren deneme.
run_id
Gerekli
str

Çalıştırmanın kimliği.
outputs
Gerekli
str

İzlenecek çıkışlar.
kwargs
Gerekli
dict

Ek yapılandırma parametrelerinin sözlüğü.

Açıklamalar

Çalıştırma, denemenin tek bir denemesini temsil eder. Run nesnesi bir denemenin zaman uyumsuz yürütülmesini izlemek, denemenin ölçümlerini günlüğe kaydetmek ve çıkışı depolamak ve deneme tarafından oluşturulan sonuçları analiz etmek ve yapıtlara erişmek için kullanılır.

Çalıştırma, çalıştırma geçmişi hizmetine ölçümleri ve yapıtları günlüğe kaydetmek için deneme kodunuzun içinde kullanılır.

Çalıştırma, ilerleme durumunu izlemek ve oluşturulan ölçümleri ve sonuçları sorgulamak ve analiz etmek için denemelerinizin dışında kullanılır.

Çalıştır işlevi şunları içerir:

  • Ölçümleri ve verileri depolama ve alma

  • Dosyaları karşıya yükleme ve indirme

  • Geçmiş çalıştırmaların kolayca aranabilmesi için etiketleri ve alt hiyerarşiyi kullanma

  • Depolanan model dosyalarını kullanıma hazır hale getirilebilen bir model olarak kaydetme

  • Çalıştırmanın özelliklerini depolama, değiştirme ve alma

  • yöntemiyle uzak bir ortamdan geçerli çalıştırmayı get_context yükleme

  • Yeniden üretilebilirlik için bir dosya veya dizinin anlık görüntüsünü verimli bir şekilde alma

Bu sınıf şu senaryolarda ile Experiment çalışır:

  • kullanarak kod yürüterek çalıştırma oluşturma submit

  • kullanarak bir not defterinde etkileşimli olarak çalıştırma oluşturma start_logging

  • Denemenizde ölçümleri günlüğe kaydetme ve yapıtları karşıya yükleme, örneğin kullanırken log

  • Kullanırken olduğu gibi deneysel sonuçları analiz ederken ölçümleri okuma ve yapıtları indirme get_metrics

Çalıştırma göndermek için denemenin nasıl çalıştırıldığını açıklayan bir yapılandırma nesnesi oluşturun. Kullanabileceğiniz farklı yapılandırma nesnelerinin örnekleri aşağıda verilmiştir:

  • ScriptRunConfig

  • azureml.train.automl.automlconfig.AutoMLConfig

  • azureml.train.hyperdrive.HyperDriveConfig

  • azureml.pipeline.core.Pipeline

  • azureml.pipeline.core.PublishedPipeline

  • azureml.pipeline.core.PipelineEndpoint

Aşağıdaki ölçümler bir denemeyi eğitirken çalıştırmaya eklenebilir.

  • Skaler

    • kullanarak logverilen adla çalıştırmaya bir sayısal değer veya dize değeri günlüğe kaydeder. Bir ölçümün bir çalıştırmaya kaydedilmesi, bu ölçümün denemedeki çalıştırma kaydında depolanmasına neden olur. Aynı ölçümü bir çalıştırma içinde birden çok kez günlüğe kaydedebilirsiniz ve sonuç bu ölçümün vektör olarak kabul edilir.

    • Örnek: run.log("accuracy", 0.95)

  • Liste

    • komutunu kullanarak log_listverilen adla çalıştırmaya bir değer listesi günlüğe kaydeder.

    • Örnek: run.log_list("accuracies", [0.6, 0.7, 0.87])

  • Satır

    • kullanarak log_row , içinde kwargsaçıklandığı gibi birden çok sütun içeren bir ölçüm oluşturur. Her adlandırılmış parametre, belirtilen değere sahip bir sütun oluşturur. log_row rastgele bir tanımlama grubu günlüğe kaydetmek için bir kez veya tam bir tablo oluşturmak için döngüde birden çok kez çağrılabilir.

    • Örnek: run.log_row("Y over X", x=1, y=0.4)

  • Tablo

    • kullanarak log_tablebelirli bir adla bir sözlük nesnesini çalıştırmaya günlüğe kaydeder.

    • Örnek: run.log_table("Y over X", {"x":[1, 2, 3], "y":[0.6, 0.7, 0.89]})

  • Resim

    • Çalıştırma kaydına bir görüntü kaydedin. Bir görüntü dosyasını veya matplotlib çizimini çalıştırmaya kaydetmek için kullanın log_image . Bu görüntüler çalıştırma kaydında görünür ve karşılaştırılabilir.

    • Örnek: run.log_image("ROC", path)

Yöntemler

add_properties

Çalıştırmaya sabit özellikler ekleyin.

Etiketler ve özellikler (her ikisi de dict[str, str]) değişebilirlik bakımından farklılık gösterir. Özellikler sabittir, bu nedenle denetim amacıyla kalıcı bir kayıt oluşturur. Etiketler değişebilir. Etiketler ve özelliklerle çalışma hakkında daha fazla bilgi için bkz. Çalıştırmaları etiketleme ve bulma.
add_type_provider

Çalıştırma Geçmişi'nde depolanan özel Çalıştırma türleri için genişletilebilirlik kancası.
cancel

Çalıştırmayı iptal edildi olarak işaretleyin.

Ayarlanmış cancel_uri alanı olan ilişkili bir iş varsa, bu işi de sonlandır.
child_run

Bir alt çalıştırma oluşturun.
clean

Çalıştırma yapılandırmasında belirtilen hedefteki geçerli çalıştırmaya karşılık gelen dosyaları kaldırın.
complete

Görev sırasının işlenmesini bekleyin.

Ardından çalıştırma tamamlandı olarak işaretlenir. Bu genellikle etkileşimli not defteri senaryolarında kullanılır.
create_children

Bir veya birden çok alt çalıştırma oluşturun.
download_file

Depolama alanından ilişkili bir dosya indirin.
download_files

Belirli bir depolama ön ekinden (klasör adı) veya ön ek belirtilmemişse kapsayıcının tamamından dosyaları indirin.
fail

Çalıştırmayı başarısız olarak işaretleyin.

İsteğe bağlı olarak, komutuna ileti veya özel durum geçirilirken error_detailsçalıştırmanın Error özelliğini ayarlayın.
flush

Görev sırasının işlenmesini bekleyin.
get

Bu çalışma alanının çalıştırma kimliğini içeren çalıştırmayı alın.
get_all_logs

Çalıştırmanın tüm günlüklerini bir dizine indirin.
get_children

Belirtilen filtreler tarafından seçilen geçerli çalıştırmanın tüm alt öğelerini alın.
get_context

Geçerli hizmet bağlamı döndür.

Ölçümleri günlüğe kaydetmek ve dosyaları karşıya yüklemek için geçerli hizmet bağlamını almak için bu yöntemi kullanın. True (varsayılan) ise allow_offline , Run nesnesine yönelik eylemler standart olarak yazdırılır.
get_detailed_status

Çalıştırmanın en son durumunu getirin. Çalıştırmanın durumu "Kuyruğa Alındı" ise ayrıntıları gösterir.
get_details

Çalıştırmanın tanımını, durum bilgilerini, geçerli günlük dosyalarını ve diğer ayrıntılarını alın.
get_details_with_logs

Günlük dosyası içeriği dahil olmak üzere çalıştırma durumunu döndürür.
get_environment

Bu çalıştırma tarafından kullanılan ortam tanımını alın.
get_file_names

Çalıştırmayla ilişkili olarak depolanan dosyaları listeleyin.
get_metrics

Çalıştırmada günlüğe kaydedilen ölçümleri alın.

True (varsayılan olarak False) ise recursive , verilen çalıştırmanın alt ağacındaki çalıştırmalar için ölçümleri getirin.
get_properties

Hizmetten çalıştırmanın en son özelliklerini getirin.
get_secret

Bir çalıştırma bağlamından gizli dizi değerini alın.

Sağlanan adın gizli dizi değerini alın. Gizli dizi adı, çalışma alanınızla ilişkili Azure Key Vault'ta depolanan bir değere başvurur. Gizli dizilerle çalışma örneği için bkz. Eğitim çalıştırmalarında gizli dizileri kullanma.
get_secrets

Belirli bir gizli dizi adları listesi için gizli dizi değerlerini alın.

Sağlanan adlar listesi için bulunan ve bulunmayan gizli diziler içeren bir sözlük alın. Her gizli dizi adı, çalışma alanınızla ilişkili Azure Key Vault'ta depolanan bir değere başvurur. Gizli dizilerle çalışma örneği için bkz. Eğitim çalıştırmalarında gizli dizileri kullanma.
get_snapshot_id

En son anlık görüntü kimliğini alın.
get_status

Çalıştırmanın en son durumunu getirin.

Döndürülen yaygın değerler şunlardır: "Çalışıyor", "Tamamlandı" ve "Başarısız".
get_submitted_run

KALDIRIL -MIŞ. get_contextkullanın.

Bu deneme için gönderilen çalıştırmayı alın.
get_tags

Hizmetten çalıştırıldığında en son değiştirilebilir etiket kümesini getirin.
list

İsteğe bağlı filtreler tarafından belirtilen bir denemedeki çalıştırmaların listesini alın.
list_by_compute

İsteğe bağlı filtreler tarafından belirtilen bir işlemdeki çalıştırmaların listesini alın.
log

Çalıştırmaya verilen adla bir ölçüm değeri günlüğe kaydeder.
log_accuracy_table

Bir doğruluk tablosunu yapıt deposuna günlüğe kaydetme.

Doğruluk tablosu ölçümü, tahmin edilen olasılıkların alanına göre sürekli olarak değişen birden çok çizgi grafik türü üretmek için kullanılabilecek çok kullanımlı, skaler olmayan bir ölçümdür. Bu grafiklere örnek olarak ROC, duyarlık yakalama ve lift eğrileri verilebilir.

Doğruluk tablosunun hesaplaması, ROC eğrisinin hesaplamasına benzer. ROC eğrisi, gerçek pozitif oranları ve hatalı pozitif oranları birçok farklı olasılık eşiğinde depolar. Doğruluk tablosu gerçek pozitiflerin ham sayısını, hatalı pozitifleri, doğru negatifleri ve hatalı negatifleri birçok olasılık eşiğinde depolar.

Eşik seçmek için kullanılan iki yöntem vardır: "olasılık" ve "yüzdebirlik." Tahmin edilen olasılıkların alanından örnekledikleri farklılık gösterir.

Olasılık eşikleri, 0 ile 1 arasında eşit aralıklı eşiklerdir. NUM_POINTS 5 ise olasılık eşikleri [0,0, 0,25, 0,5, 0,75, 1,0] olur.

Yüzde birlik eşikler, tahmin edilen olasılıkların dağılımına göre aralıklanır. Her eşik, bir olasılık eşiğindeki verilerin yüzdebirlik dilimine karşılık gelir. Örneğin, NUM_POINTS 5 ise, ilk eşik 0. yüzdebirlik dilimde, ikinci yüzdebirlik dilimde, üçüncü yüzdebirlik dilimde, üçüncü yüzdebirlik dilimde, 50. yüzdebirlik dilimde vb. olur.

Olasılık tabloları ve yüzdebirlik tabloları, birinci boyutun sınıf etiketini temsil ettiği, ikinci boyutun bir eşikteki örneği temsil ettiği (NUM_POINTS ile ölçeklenir) ve üçüncü boyutun her zaman 4 değeri olduğu 3B listelerdir: TP, FP, TN, FN ve her zaman bu sırada.

Karışıklık değerleri (TP, FP, TN, FN) tek ve rest stratejisiyle hesaplanır. Diğer ayrıntılar için aşağıdaki bağlantıya bakın: https://en.wikipedia.org/wiki/Multiclass_classification

N = Doğrulama veri kümesindeki örneklerin sayısı (örnekte 200) M = # eşikler = # olasılık alanından alınan örnekler (örnekte 5) C = # tam veri kümesindeki sınıflar (örnekte 3)

Doğruluk tablosunun bazı sabitleri:

  • Tüm sınıflar için tüm eşikler için TP + FP + TN + FN = N
  • TP + FN, herhangi bir sınıf için tüm eşiklerde aynıdır
  • TN + FP, herhangi bir sınıf için tüm eşiklerde aynıdır
  • Olasılık tabloları ve yüzdebirlik tabloların şekli vardır [C, M, 4]

Not: M herhangi bir değer olabilir ve grafiklerin çözünürlüğünü denetler Bu veri kümesinden bağımsızdır, ölçümler hesaplanırken tanımlanır ve depolama alanı, hesaplama süresi ve çözünürlükten ödün verir.

Sınıf etiketleri dizeler, karışıklık değerleri tamsayılar ve eşikler ise kayan değerler olmalıdır.
log_confusion_matrix

Karışıklık matrisini yapıt deposuna kaydedin.

Bu, sklearn karışıklık matrisinin etrafına bir sarmalayıcı kaydeder. Ölçüm verileri, matrisin sınıf etiketlerini ve 2B listesini içerir. Ölçümün nasıl hesaplanmış olduğu hakkında daha fazla bilgi için aşağıdaki bağlantıya bakın: https://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html
log_image

Çalıştırma kaydına bir görüntü ölçümü kaydedin.
log_list

Ölçüm değerlerinin listesini verilen adla çalıştırmaya günlüğe kaydeder.
log_predictions

Yapıt deposuna yönelik tahminleri günlüğe kaydetme.

Bu, gerçek hedef değerlerin dağıtımlarını bir regresyon görevi için tahmin edilen değerlerin dağılımıyla karşılaştırmak için kullanılabilecek bir ölçüm puanını günlüğe kaydeder.

Tahminler birleştirilir ve çizgi grafikteki hata çubukları için standart sapmalar hesaplanır.
log_residuals

Yapıt deposuna günlük artıkları.

Bu, regresyon görevi için artıkların histogramını görüntülemek için gereken verileri günlüğe kaydeder. Artıklar tahmin edilir- gerçek.

Sayı sayısından bir kenar daha fazla olmalıdır. Histogramı temsil etmek için sayıları ve kenarları kullanma örnekleri için lütfen numpy histogram belgelerine bakın. https://docs.scipy.org/doc/numpy/reference/generated/numpy.histogram.html
log_row

Belirtilen adla çalıştırmaya bir satır ölçümü günlüğe kaydetme.
log_table

Bir tablo ölçümünü belirtilen adla çalıştırmaya günlüğe kaydeder.
register_model

Bir modeli kullanıma hazır hale getirme için kaydetme.
remove_tags

Bu çalıştırmada değiştirilebilir etiketlerin listesini silin.
restore_snapshot

Anlık görüntüyü ZIP dosyası olarak geri yükleyin. ZIP yolunu döndürür.
set_tags

Çalıştırmada bir etiket kümesi ekleyin veya değiştirin. Sözlükte geçirilmeyen etiketlere dokunulmaz.

Basit dize etiketleri de ekleyebilirsiniz. Bu etiketler etiket sözlüğünde anahtar olarak göründüğünde Hiçbiri değerine sahiptir. Daha fazla bilgi için bkz. Çalıştırmaları etiketleme ve bulma.
start

Çalıştırmayı başlatıldı olarak işaretleyin.

Bu genellikle çalıştırma başka bir aktör tarafından oluşturulduğunda gelişmiş senaryolarda kullanılır.
submit_child

Bir deneme gönderin ve etkin alt çalıştırmayı döndürin.
tag

Çalıştırmayı bir dize anahtarı ve isteğe bağlı dize değeriyle etiketleyin.
take_snapshot

Giriş dosyasının veya klasörünün anlık görüntüsünü kaydedin.
upload_file

Çalıştırma kaydına bir dosya yükleyin.
upload_files

Dosyaları çalıştırma kaydına yükleyin.
upload_folder

Belirtilen klasörü belirtilen ön ek adına yükleyin.
wait_for_completion

Bu çalıştırmanın tamamlanmasını bekleyin. Beklemeden sonra durum nesnesini döndürür.

add_properties

Çalıştırmaya sabit özellikler ekleyin.

Etiketler ve özellikler (her ikisi de dict[str, str]) değişebilirlik bakımından farklılık gösterir. Özellikler sabittir, bu nedenle denetim amacıyla kalıcı bir kayıt oluşturur. Etiketler değişebilir. Etiketler ve özelliklerle çalışma hakkında daha fazla bilgi için bkz. Çalıştırmaları etiketleme ve bulma.

add_properties(properties)

Parametreler

Name Description
properties
Gerekli
dict

Çalıştırma nesnesinde depolanan gizli özellikler.

add_type_provider

Çalıştırma Geçmişi'nde depolanan özel Çalıştırma türleri için genişletilebilirlik kancası.

static add_type_provider(runtype, run_factory)

Parametreler

Name Description
runtype
Gerekli
str

Fabrikanın çağrılacağı Run.type değeri. Örnek olarak 'hyperdrive' veya 'azureml.scriptrun' verilebilir, ancak özel türlerle genişletilebilir.
run_factory
Gerekli
<xref:function>

İmzalı bir işlev (Deneme, ÇalıştırDto) -> Çalıştırmalar listelendiğinde çağrılacak şekilde çalıştırın.

cancel

Çalıştırmayı iptal edildi olarak işaretleyin.

Ayarlanmış cancel_uri alanı olan ilişkili bir iş varsa, bu işi de sonlandır.

cancel()

child_run

Bir alt çalıştırma oluşturun.

child_run(name=None, run_id=None, outputs=None)

Parametreler

Name Description
name
str

Alt çalıştırma için isteğe bağlı bir ad, genellikle bir "bölüm" için belirtilir.

Default value: None
run_id
str

Alt öğe için isteğe bağlı bir çalıştırma kimliği, aksi takdirde otomatik olarak oluşturulur. Bu parametre genellikle ayarlanmaz.

Default value: None
outputs
str

Alt öğeyi izlemek için isteğe bağlı çıkış dizini.

Default value: None

Döndürülenler

Tür Description
Run

Çocuk kaçacak.

Açıklamalar

Bu, bir çalıştırmanın bir bölümünü bir alt bölüme yalıtmak için kullanılır. Bu, bir çalıştırmanın birbirinden ayrılması ilginç olan tanımlanabilir "bölümleri" için veya bir alt işlem arasında bağımsız ölçümler yakalamak için yapılabilir.

Alt çalıştırma için bir çıkış dizini ayarlanırsa, alt öğe tamamlandığında bu dizinin içeriği alt çalıştırma kaydına yüklenir.

clean

Çalıştırma yapılandırmasında belirtilen hedefteki geçerli çalıştırmaya karşılık gelen dosyaları kaldırın.

clean()

Döndürülenler

Tür Description
list

Silinen dosyaların listesi.

complete

Görev sırasının işlenmesini bekleyin.

Ardından çalıştırma tamamlandı olarak işaretlenir. Bu genellikle etkileşimli not defteri senaryolarında kullanılır.

complete(_set_status=True)

Parametreler

Name Description
_set_status
bool

durum olayının izleme için gönderilip gönderilmeymeyeceğini gösterir.

Default value: True

create_children

Bir veya birden çok alt çalıştırma oluşturun.

create_children(count=None, tag_key=None, tag_values=None)

Parametreler

Name Description
count
int

Oluşturulacak isteğe bağlı alt öğe sayısı.

Default value: None
tag_key
str

Oluşturulan tüm alt öğelerde Etiketler girişini doldurmak için isteğe bağlı bir anahtar.

Default value: None
tag_Values
Gerekli

Oluşturulan çalıştırmaların listesi için Tags[tag_key] ile eşlenecek isteğe bağlı bir değer listesi.
tag_values
Default value: None

Döndürülenler

Tür Description
list[Run]

Alt çalıştırmaların listesi.

Açıklamalar

VEYA parametresi counttag_key VE tag_values belirtilmelidir.

download_file

Depolama alanından ilişkili bir dosya indirin.

download_file(name, output_file_path=None, _validate_checksum=False)

Parametreler

Name Description
name
Gerekli
str

İndirilecek yapıtın adı.
output_file_path
Gerekli
str

Yapıtın depolandığı yerel yol.

download_files

Belirli bir depolama ön ekinden (klasör adı) veya ön ek belirtilmemişse kapsayıcının tamamından dosyaları indirin.

download_files(prefix=None, output_directory=None, output_paths=None, batch_size=100, append_prefix=True, timeout_seconds=None)

Parametreler

Name Description
prefix
Gerekli
str

Tüm yapıtların indirildiği kapsayıcı içindeki dosya yolu ön eki.
output_directory
Gerekli
str

Tüm yapıt yollarının ön ek olarak kullandığı isteğe bağlı dizin.
output_paths
Gerekli
[str]

İndirilen yapıtların depolandığı isteğe bağlı dosya yolları. Benzersiz olmalı ve yolların uzunluğuyla eşleşmelidir.
batch_size
Gerekli
int

Toplu iş başına indirilmesi gereken dosya sayısı. Varsayılan değer 100 dosyadır.
append_prefix
Gerekli
bool

Son çıkış dosyası yolundan belirtilen ön ekin eklenip eklenmeyeceğini gösteren isteğe bağlı bir bayrak. False ise ön ek çıkış dosyası yolundan kaldırılır.
timeout_seconds
Gerekli
int

Dosyaları indirmek için zaman aşımı.

fail

Çalıştırmayı başarısız olarak işaretleyin.

İsteğe bağlı olarak, komutuna ileti veya özel durum geçirilirken error_detailsçalıştırmanın Error özelliğini ayarlayın.

fail(error_details=None, error_code=None, _set_status=True)

Parametreler

Name Description
error_details
str veya BaseException

Hatanın isteğe bağlı ayrıntıları.

Default value: None
error_code
str

Hata sınıflandırması için hatanın isteğe bağlı hata kodu.

Default value: None
_set_status
bool

durum olayının izleme için gönderilip gönderilmeymeyeceğini gösterir.

Default value: True

flush

Görev sırasının işlenmesini bekleyin.

flush(timeout_seconds=300)

Parametreler

Name Description
timeout_seconds
int

Görev sırasının işlenmesi için ne kadar süre beklenecek (saniye cinsinden).

Default value: 300

get

Bu çalışma alanının çalıştırma kimliğini içeren çalıştırmayı alın.

static get(workspace, run_id)

Parametreler

Name Description
workspace
Gerekli
Workspace

İçeren çalışma alanı.
run_id
Gerekli
string

Çalıştırma kimliği.

Döndürülenler

Tür Description
Run

Gönderilen çalıştırma.

get_all_logs

Çalıştırmanın tüm günlüklerini bir dizine indirin.

get_all_logs(destination=None)

Parametreler

Name Description
destination
str

Günlükleri depolamak için hedef yol. Belirtilmezse, proje dizininde çalıştırma kimliği olarak adlandırılan bir dizin oluşturulur.

Default value: None

Döndürülenler

Tür Description
list

İndirilen günlüklerin adlarının listesi.

get_children

Belirtilen filtreler tarafından seçilen geçerli çalıştırmanın tüm alt öğelerini alın.

get_children(recursive=False, tags=None, properties=None, type=None, status=None, _rehydrate_runs=True)

Parametreler

Name Description
recursive
bool

Tüm alt öğelerde özyineleme yapılıp yapılmayacağını gösterir.

Default value: False
tags
str veya dict

Belirtilirse, belirtilen "etiket" veya {"etiket" ile eşleşen çalıştırmaları döndürür: "value"}.

Default value: None
properties
str veya dict

Belirtilirse, belirtilen "özellik" veya {"özellik": "value"} ile eşleşen çalıştırmaları döndürür.

Default value: None
type
str

Belirtilirse, bu türle eşleşen çalıştırmaları döndürür.

Default value: None
status
str

Belirtilirse, " status" durumu belirtilen çalıştırmaları döndürür.

Default value: None
_rehydrate_runs
bool

Özgün türde bir çalıştırmanın mı yoksa temel Çalıştırmanın mı başlatılıp başlatılmayacağını gösterir.

Default value: True

Döndürülenler

Tür Description
list

Nesnelerin listesi Run .

get_context

Geçerli hizmet bağlamı döndür.

Ölçümleri günlüğe kaydetmek ve dosyaları karşıya yüklemek için geçerli hizmet bağlamını almak için bu yöntemi kullanın. True (varsayılan) ise allow_offline , Run nesnesine yönelik eylemler standart olarak yazdırılır.

get_context(allow_offline=True, used_for_context_manager=False, **kwargs)

Parametreler

Name Description
cls
Gerekli

Sınıf yöntemini gösterir.
allow_offline
bool

Eğitim betiğinin SDK ile bir iş göndermeden yerel olarak test edilebilmesi için hizmet bağlamı çevrimdışı moda geri dönsün. Varsayılan olarak True.

Default value: True
kwargs
Gerekli
dict

Ek parametrelerin sözlüğü.
used_for_context_manager
Default value: False

Döndürülenler

Tür Description
Run

Gönderilen çalıştırma.

Açıklamalar

Bu işlev genellikle, experiment.submit() aracılığıyla yürütülmek üzere gönderilecek betiğin içindeki kimliği doğrulanmış Run nesnesini almak için kullanılır. Bu çalıştırma nesnesi hem Azure Machine Learning hizmetleriyle iletişim kurmak için kimliği doğrulanmış bir bağlam hem de ölçümler, dosyalar (yapıtlar) ve modellerin bulunduğu kavramsal bir kapsayıcıdır.


   run = Run.get_context() # allow_offline=True by default, so can be run locally as well
   ...
   run.log("Accuracy", 0.98)
   run.log_row("Performance", epoch=e, error=err)

get_detailed_status

Çalıştırmanın en son durumunu getirin. Çalıştırmanın durumu "Kuyruğa Alındı" ise ayrıntıları gösterir.

get_detailed_status()

Döndürülenler

Tür Description
dict[str, str]

En son durum ve ayrıntılar

Açıklamalar

  • status: Çalıştırmanın geçerli durumu. get_status() ile aynı değer.

  • ayrıntılar: Geçerli durumla ilgili ayrıntılı bilgiler.


   run = experiment.submit(config)
   details = run.get_detailed_status()
   # details = {
   #     'status': 'Queued',
   #     'details': 'Run requested 1 node(s). Run is in pending status.',
   # }

get_details

Çalıştırmanın tanımını, durum bilgilerini, geçerli günlük dosyalarını ve diğer ayrıntılarını alın.

get_details()

Döndürülenler

Tür Description
dict[str, str]

Çalıştırmanın ayrıntılarını döndürme

Açıklamalar

Döndürülen sözlük aşağıdaki anahtar-değer çiftlerini içerir:

  • runId: Bu çalıştırmanın kimliği.

  • hedef

  • status: Çalıştırmanın geçerli durumu. get_status() ile aynı değer.

  • startTimeUtc: bu çalıştırmanın başlatıldığı UTC saati ISO8601.

  • endTimeUtc: ISO8601'da bu çalıştırmanın (Tamamlandı veya Başarısız) tamamlandığı UTC saati.

    Çalıştırma devam ediyorsa bu anahtar mevcut değildir.

  • properties: Çalıştırmayla ilişkili sabit anahtar-değer çiftleri. Varsayılan özellikler, çalıştırmanın anlık görüntü kimliğini ve çalıştırmanın oluşturulduğu git deposu (varsa) hakkındaki bilgileri içerir. kullanılarak add_propertiesbir çalıştırmaya ek özellikler eklenebilir.

  • inputDatasets: Çalıştırmayla ilişkili giriş veri kümeleri.

  • outputDatasets: Çalıştırmayla ilişkili çıktı veri kümeleri.

  • logFiles

  • submittedBy


   run = experiment.start_logging()

   details = run.get_details()
   # details = {
   #     'runId': '5c24aa28-6e4a-4572-96a0-fb522d26fe2d',
   #     'target': 'sdk',
   #     'status': 'Running',
   #     'startTimeUtc': '2019-01-01T13:08:01.713777Z',
   #     'endTimeUtc': '2019-01-01T17:15:65.986253Z',
   #     'properties': {
   #         'azureml.git.repository_uri': 'https://example.com/my/git/repo',
   #         'azureml.git.branch': 'master',
   #         'azureml.git.commit': '7dc972657c2168927a02c3bc2b161e0f370365d7',
   #         'azureml.git.dirty': 'True',
   #         'mlflow.source.git.repoURL': 'https://example.com/my/git/repo',
   #         'mlflow.source.git.branch': 'master',
   #         'mlflow.source.git.commit': '7dc972657c2168927a02c3bc2b161e0f370365d7',
   #         'ContentSnapshotId': 'b4689489-ce2f-4db5-b6d7-6ad11e77079c'
   #     },
   #     'inputDatasets': [{
   #         'dataset': {'id': 'cdebf245-701d-4a68-8055-41f9cf44f298'},
   #         'consumptionDetails': {
   #             'type': 'RunInput',
   #             'inputName': 'training-data',
   #             'mechanism': 'Mount',
   #             'pathOnCompute': '/mnt/datasets/train'
   #         }
   #     }],
   #     'outputDatasets': [{
   #         'dataset': {'id': 'd04e8a19-1caa-4b1f-b318-4cbff9af9615'},
   #         'outputType': 'RunOutput',
   #         'outputDetails': {
   #             'outputName': 'training-result'
   #         }
   #     }],
   #     'runDefinition': {},
   #     'logFiles': {},
   #     'submittedBy': 'Alan Turing'
   # }

get_details_with_logs

Günlük dosyası içeriği dahil olmak üzere çalıştırma durumunu döndürür.

get_details_with_logs()

Döndürülenler

Tür Description
dict

Günlük dosyası içeriğiyle çalıştırmanın durumunu döndürür.

get_environment

Bu çalıştırma tarafından kullanılan ortam tanımını alın.

get_environment()

Döndürülenler

Tür Description
Environment

Ortam nesnesini döndür.

get_file_names

Çalıştırmayla ilişkili olarak depolanan dosyaları listeleyin.

get_file_names()

Döndürülenler

Tür Description
list[str]

Mevcut yapıtlar için yolların listesi

get_metrics

Çalıştırmada günlüğe kaydedilen ölçümleri alın.

True (varsayılan olarak False) ise recursive , verilen çalıştırmanın alt ağacındaki çalıştırmalar için ölçümleri getirin.

get_metrics(name=None, recursive=False, run_type=None, populate=False)

Parametreler

Name Description
name
str

Ölçümün adı.

Default value: None
recursive
bool

Tüm alt öğelerde özyineleme yapılıp yapılmayacağını gösterir.

Default value: False
run_type
str
Default value: None
populate
bool

Ölçüme bağlı dış verilerin içeriğinin getirilip getirilmeyeceğini gösterir.

Default value: False

Döndürülenler

Tür Description
dict

Kullanıcı ölçümlerini içeren bir sözlük.

Açıklamalar


   run = experiment.start_logging() # run id: 123
   run.log("A", 1)
   with run.child_run() as child: # run id: 456
       child.log("A", 2)

   metrics = run.get_metrics()
   # metrics = { 'A': 1 }

   metrics = run.get_metrics(recursive=True)
   # metrics = { '123': { 'A': 1 }, '456': { 'A': 2 } } note key is runId

get_properties

Hizmetten çalıştırmanın en son özelliklerini getirin.

get_properties()

Döndürülenler

Tür Description
dict

Çalıştırmanın özellikleri.

Açıklamalar

Özellikler, süresi, yürütme tarihi, kullanıcı ve yöntemiyle add_properties eklenen özel özellikler gibi sistem tarafından oluşturulan sabit bilgilerdir. Daha fazla bilgi için bkz. Çalıştırmaları etiketleme ve bulma.

Azure Machine Learning'e iş gönderirken, kaynak dosyalar yerel git deposunda depolanıyorsa depo hakkındaki bilgiler özellik olarak depolanır. Bu git özellikleri, çalıştırma oluşturulurken veya Experiment.submit çağrılırken eklenir. Git özellikleri hakkında daha fazla bilgi için bkz. Azure Machine Learning için Git tümleştirmesi.

get_secret

Bir çalıştırma bağlamından gizli dizi değerini alın.

Sağlanan adın gizli dizi değerini alın. Gizli dizi adı, çalışma alanınızla ilişkili Azure Key Vault'ta depolanan bir değere başvurur. Gizli dizilerle çalışma örneği için bkz. Eğitim çalıştırmalarında gizli dizileri kullanma.

get_secret(name)

Parametreler

Name Description
name
Gerekli
str

Gizli dizinin döndürüleceği gizli dizi adı.

Döndürülenler

Tür Description
str

Gizli dizi değeri.

get_secrets

Belirli bir gizli dizi adları listesi için gizli dizi değerlerini alın.

Sağlanan adlar listesi için bulunan ve bulunmayan gizli diziler içeren bir sözlük alın. Her gizli dizi adı, çalışma alanınızla ilişkili Azure Key Vault'ta depolanan bir değere başvurur. Gizli dizilerle çalışma örneği için bkz. Eğitim çalıştırmalarında gizli dizileri kullanma.

get_secrets(secrets)

Parametreler

Name Description
secrets
Gerekli
list[str]

Gizli dizi değerlerinin döndürüleceği gizli dizi adlarının listesi.

Döndürülenler

Tür Description
dict[str: str]

Bulunan ve bulunmayan gizli dizilerin bir sözlüğünü döndürür.

get_snapshot_id

En son anlık görüntü kimliğini alın.

get_snapshot_id()

Döndürülenler

Tür Description
str

En son anlık görüntü kimliği.

get_status

Çalıştırmanın en son durumunu getirin.

Döndürülen yaygın değerler şunlardır: "Çalışıyor", "Tamamlandı" ve "Başarısız".

get_status()

Döndürülenler

Tür Description
str

En son durum.

Açıklamalar

  • NotStarted - Bu, istemci tarafı Çalıştırma nesnelerinin bulut göndermeden önce içinde olduğu geçici bir durumdur.

  • Başlangıç - Çalıştırma bulutta işlenmeye başladı. Çağıranın bu noktada bir çalıştırma kimliği vardır.

  • Sağlama - Belirli bir iş gönderimi için isteğe bağlı işlem oluşturulduğunda döndürülür.

  • Hazırlanıyor - Çalıştırma ortamı hazırlanıyor:

    • docker image build

    • conda ortamı kurulumu

  • Kuyruğa alındı - İş, işlem hedefinde kuyruğa alınır. Örneğin, BatchAI'de iş kuyruğa alınmış durumdadır

    tüm istenen düğümlerin hazır olmasını beklerken.

  • Çalışıyor - İş işlem hedefinde çalışmaya başladı.

  • Son haline getirme - Kullanıcı kodu tamamlandı ve çalıştırma işlem sonrası aşamalarda.

  • CancelRequested - İş için iptal istendi.

  • Tamamlandı - Çalıştırma başarıyla tamamlandı. Bu hem kullanıcı kodunu hem de çalıştırmayı içerir

    işlem sonrası aşamaları.

  • Başarısız - Çalıştırma başarısız oldu. Genellikle bir çalıştırmadaki Error özelliği nedenine ilişkin ayrıntıları sağlar.

  • İptal edildi - bir iptal isteği izler ve çalıştırmanın artık başarıyla iptal edilmiş olduğunu gösterir.

  • NotResponding - Sinyallerin etkin olduğu çalıştırmalar için yakın zamanda sinyal gönderilmemiştir.


   run = experiment.submit(config)
   while run.get_status() not in ['Completed', 'Failed']: # For example purposes only, not exhaustive
       print('Run {} not in terminal state'.format(run.id))
       time.sleep(10)

get_submitted_run

KALDIRIL -MIŞ. get_contextkullanın.

Bu deneme için gönderilen çalıştırmayı alın.

get_submitted_run(**kwargs)

Döndürülenler

Tür Description
Run

Gönderilen çalıştırma.

get_tags

Hizmetten çalıştırıldığında en son değiştirilebilir etiket kümesini getirin.

get_tags()

Döndürülenler

Tür Description
dict

Çalıştırma nesnesinde depolanan etiketler.

list

İsteğe bağlı filtreler tarafından belirtilen bir denemedeki çalıştırmaların listesini alın.

static list(experiment, type=None, tags=None, properties=None, status=None, include_children=False, _rehydrate_runs=True)

Parametreler

Name Description
experiment
Gerekli
Experiment

İçeren deneme.
type
str

Belirtilirse, belirtilen türle eşleşen çalıştırmaları döndürür.

Default value: None
tags
str veya dict

Belirtilirse, belirtilen "etiket" veya {"etiket" ile eşleşen çalıştırmaları döndürür: "value"}.

Default value: None
properties
str veya dict

Belirtilirse, belirtilen "özellik" veya {"özellik": "value"} ile eşleşen çalıştırmaları döndürür.

Default value: None
status
str

Belirtilirse, " status" durumu belirtilen çalıştırmaları döndürür.

Default value: None
include_children
bool

true olarak ayarlanırsa, yalnızca en üst düzey çalıştırmaları değil tüm çalıştırmaları getirin.

Default value: False
_rehydrate_runs
bool

True (varsayılan olarak) olarak ayarlanırsa, bu tür için temel Çalıştırma yerine bir nesneyi yeniden doğrulamak için kayıtlı sağlayıcıyı kullanır.

Default value: True

Döndürülenler

Tür Description
list[Run]

Çalıştırmaların listesi.

Açıklamalar

Aşağıdaki kod örneğinde yönteminin bazı kullanımları gösterilmektedir list .


   favorite_completed_runs = Run.list(experiment, status='Completed', tags='favorite')

   all_distinct_runs = Run.list(experiment)
   and_their_children = Run.list(experiment, include_children=True)

   only_script_runs = Run.list(experiment, type=ScriptRun.RUN_TYPE)

list_by_compute

İsteğe bağlı filtreler tarafından belirtilen bir işlemdeki çalıştırmaların listesini alın.

static list_by_compute(compute, type=None, tags=None, properties=None, status=None)

Parametreler

Name Description
compute
Gerekli
ComputeTarget

İçeren işlem.
type
str

Belirtilirse, belirtilen türle eşleşen çalıştırmaları döndürür.

Default value: None
tags
str veya dict

Belirtilirse, belirtilen "etiket" veya {"etiket" ile eşleşen çalıştırmaları döndürür: "value"}.

Default value: None
properties
str veya dict

Belirtilirse, belirtilen "özellik" veya {"özellik": "value"} ile eşleşen çalıştırmaları döndürür.

Default value: None
status
str

Belirtilirse, " status" durumu belirtilen çalıştırmaları döndürür. Yalnızca izin verilen değerler "Çalışıyor" ve "Kuyruğa Alındı" değerleridir.

Default value: None

Döndürülenler

Tür Description
<xref:builtin.generator>

~_restclient.models.RunDto oluşturucusu

log

Çalıştırmaya verilen adla bir ölçüm değeri günlüğe kaydeder.

log(name, value, description='', step=None)

Parametreler

Name Description
name
Gerekli
str

Ölçümün adı.
value
Gerekli

Hizmete nakledilecek değer.
description
Gerekli
str

İsteğe bağlı ölçüm açıklaması.
step
int

Ölçüm içinde değer sırasını belirtmek için isteğe bağlı bir eksen.

Default value: None

Açıklamalar

Bir ölçümün bir çalıştırmaya kaydedilmesi, bu ölçümün denemedeki çalıştırma kaydında depolanmasına neden olur. Aynı ölçümü bir çalıştırma içinde birden çok kez günlüğe kaydedebilirsiniz ve sonuç bu ölçümün vektör olarak kabul edilir. Bir ölçüm için adım belirtilirse, tüm değerler için belirtilmelidir.

log_accuracy_table

Bir doğruluk tablosunu yapıt deposuna günlüğe kaydetme.

Doğruluk tablosu ölçümü, tahmin edilen olasılıkların alanına göre sürekli olarak değişen birden çok çizgi grafik türü üretmek için kullanılabilecek çok kullanımlı, skaler olmayan bir ölçümdür. Bu grafiklere örnek olarak ROC, duyarlık yakalama ve lift eğrileri verilebilir.

Doğruluk tablosunun hesaplaması, ROC eğrisinin hesaplamasına benzer. ROC eğrisi, gerçek pozitif oranları ve hatalı pozitif oranları birçok farklı olasılık eşiğinde depolar. Doğruluk tablosu gerçek pozitiflerin ham sayısını, hatalı pozitifleri, doğru negatifleri ve hatalı negatifleri birçok olasılık eşiğinde depolar.

Eşik seçmek için kullanılan iki yöntem vardır: "olasılık" ve "yüzdebirlik." Tahmin edilen olasılıkların alanından örnekledikleri farklılık gösterir.

Olasılık eşikleri, 0 ile 1 arasında eşit aralıklı eşiklerdir. NUM_POINTS 5 ise olasılık eşikleri [0,0, 0,25, 0,5, 0,75, 1,0] olur.

Yüzde birlik eşikler, tahmin edilen olasılıkların dağılımına göre aralıklanır. Her eşik, bir olasılık eşiğindeki verilerin yüzdebirlik dilimine karşılık gelir. Örneğin, NUM_POINTS 5 ise, ilk eşik 0. yüzdebirlik dilimde, ikinci yüzdebirlik dilimde, üçüncü yüzdebirlik dilimde, üçüncü yüzdebirlik dilimde, 50. yüzdebirlik dilimde vb. olur.

Olasılık tabloları ve yüzdebirlik tabloları, birinci boyutun sınıf etiketini temsil ettiği, ikinci boyutun bir eşikteki örneği temsil ettiği (NUM_POINTS ile ölçeklenir) ve üçüncü boyutun her zaman 4 değeri olduğu 3B listelerdir: TP, FP, TN, FN ve her zaman bu sırada.

Karışıklık değerleri (TP, FP, TN, FN) tek ve rest stratejisiyle hesaplanır. Diğer ayrıntılar için aşağıdaki bağlantıya bakın: https://en.wikipedia.org/wiki/Multiclass_classification

N = Doğrulama veri kümesindeki örneklerin sayısı (örnekte 200) M = # eşikler = # olasılık alanından alınan örnekler (örnekte 5) C = # tam veri kümesindeki sınıflar (örnekte 3)

Doğruluk tablosunun bazı sabitleri:

  • Tüm sınıflar için tüm eşikler için TP + FP + TN + FN = N
  • TP + FN, herhangi bir sınıf için tüm eşiklerde aynıdır
  • TN + FP, herhangi bir sınıf için tüm eşiklerde aynıdır
  • Olasılık tabloları ve yüzdebirlik tabloların şekli vardır [C, M, 4]

Not: M herhangi bir değer olabilir ve grafiklerin çözünürlüğünü denetler Bu veri kümesinden bağımsızdır, ölçümler hesaplanırken tanımlanır ve depolama alanı, hesaplama süresi ve çözünürlükten ödün verir.

Sınıf etiketleri dizeler, karışıklık değerleri tamsayılar ve eşikler ise kayan değerler olmalıdır.

log_accuracy_table(name, value, description='')

Parametreler

Name Description
name
Gerekli
str

Doğruluk tablosunun adı.
value
Gerekli
str veya dict

Ad, sürüm ve veri özelliklerini içeren JSON.
description
Gerekli
str

İsteğe bağlı ölçüm açıklaması.

Açıklamalar

Geçerli bir JSON değeri örneği:


   {
       "schema_type": "accuracy_table",
       "schema_version": "1.0.1",
       "data": {
           "probability_tables": [
               [
                   [82, 118, 0, 0],
                   [75, 31, 87, 7],
                   [66, 9, 109, 16],
                   [46, 2, 116, 36],
                   [0, 0, 118, 82]
               ],
               [
                   [60, 140, 0, 0],
                   [56, 20, 120, 4],
                   [47, 4, 136, 13],
                   [28, 0, 140, 32],
                   [0, 0, 140, 60]
               ],
               [
                   [58, 142, 0, 0],
                   [53, 29, 113, 5],
                   [40, 10, 132, 18],
                   [24, 1, 141, 34],
                   [0, 0, 142, 58]
               ]
           ],
           "percentile_tables": [
               [
                   [82, 118, 0, 0],
                   [82, 67, 51, 0],
                   [75, 26, 92, 7],
                   [48, 3, 115, 34],
                   [3, 0, 118, 79]
               ],
               [
                   [60, 140, 0, 0],
                   [60, 89, 51, 0],
                   [60, 41, 99, 0],
                   [46, 5, 135, 14],
                   [3, 0, 140, 57]
               ],
               [
                   [58, 142, 0, 0],
                   [56, 93, 49, 2],
                   [54, 47, 95, 4],
                   [41, 10, 132, 17],
                   [3, 0, 142, 55]
               ]
           ],
           "probability_thresholds": [0.0, 0.25, 0.5, 0.75, 1.0],
           "percentile_thresholds": [0.0, 0.01, 0.24, 0.98, 1.0],
           "class_labels": ["0", "1", "2"]
       }
   }

log_confusion_matrix

Karışıklık matrisini yapıt deposuna kaydedin.

Bu, sklearn karışıklık matrisinin etrafına bir sarmalayıcı kaydeder. Ölçüm verileri, matrisin sınıf etiketlerini ve 2B listesini içerir. Ölçümün nasıl hesaplanmış olduğu hakkında daha fazla bilgi için aşağıdaki bağlantıya bakın: https://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html

log_confusion_matrix(name, value, description='')

Parametreler

Name Description
name
Gerekli
str

Karışıklık matrisinin adı.
value
Gerekli
str veya dict

Ad, sürüm ve veri özelliklerini içeren JSON.
description
Gerekli
str

İsteğe bağlı ölçüm açıklaması.

Açıklamalar

Geçerli bir JSON değeri örneği:


   {
       "schema_type": "confusion_matrix",
       "schema_version": "1.0.0",
       "data": {
           "class_labels": ["0", "1", "2", "3"],
           "matrix": [
               [3, 0, 1, 0],
               [0, 1, 0, 1],
               [0, 0, 1, 0],
               [0, 0, 0, 1]
           ]
       }
   }

log_image

Çalıştırma kaydına bir görüntü ölçümü kaydedin.

log_image(name, path=None, plot=None, description='')

Parametreler

Name Description
name
Gerekli
str

Ölçümün adı.
path
Gerekli
str

Görüntünün yolu veya akışı.
plot
Gerekli
<xref:matplotlib.pyplot>

Görüntü olarak günlüğe kaydedilecek çizim.
description
Gerekli
str

İsteğe bağlı ölçüm açıklaması.

Açıklamalar

Bir görüntü dosyasını veya matplotlib çizimini çalıştırmaya kaydetmek için bu yöntemi kullanın. Bu görüntüler çalıştırma kaydında görünür ve karşılaştırılabilir.

log_list

Ölçüm değerlerinin listesini verilen adla çalıştırmaya günlüğe kaydeder.

log_list(name, value, description='')

Parametreler

Name Description
name
Gerekli
str

Ölçümün adı.
value
Gerekli
list

Ölçümün değerleri.
description
Gerekli
str

İsteğe bağlı ölçüm açıklaması.

log_predictions

Yapıt deposuna yönelik tahminleri günlüğe kaydetme.

Bu, gerçek hedef değerlerin dağıtımlarını bir regresyon görevi için tahmin edilen değerlerin dağılımıyla karşılaştırmak için kullanılabilecek bir ölçüm puanını günlüğe kaydeder.

Tahminler birleştirilir ve çizgi grafikteki hata çubukları için standart sapmalar hesaplanır.

log_predictions(name, value, description='')

Parametreler

Name Description
name
Gerekli
str

Tahminlerin adı.
value
Gerekli
str veya dict

Ad, sürüm ve veri özelliklerini içeren JSON.
description
Gerekli
str

İsteğe bağlı ölçüm açıklaması.

Açıklamalar

Geçerli bir JSON değeri örneği:


   {
       "schema_type": "predictions",
       "schema_version": "1.0.0",
       "data": {
           "bin_averages": [0.25, 0.75],
           "bin_errors": [0.013, 0.042],
           "bin_counts": [56, 34],
           "bin_edges": [0.0, 0.5, 1.0]
       }
   }

log_residuals

Yapıt deposuna günlük artıkları.

Bu, regresyon görevi için artıkların histogramını görüntülemek için gereken verileri günlüğe kaydeder. Artıklar tahmin edilir- gerçek.

Sayı sayısından bir kenar daha fazla olmalıdır. Histogramı temsil etmek için sayıları ve kenarları kullanma örnekleri için lütfen numpy histogram belgelerine bakın. https://docs.scipy.org/doc/numpy/reference/generated/numpy.histogram.html

log_residuals(name, value, description='')

Parametreler

Name Description
name
Gerekli
str

Artıkların adı.
value
Gerekli
str veya dict

Ad, sürüm ve veri özelliklerini içeren JSON.
description
Gerekli
str

İsteğe bağlı ölçüm açıklaması.

Açıklamalar

Geçerli bir JSON değeri örneği:


   {
       "schema_type": "residuals",
       "schema_version": "1.0.0",
       "data": {
           "bin_edges": [50, 100, 200, 300, 350],
           "bin_counts": [0.88, 20, 30, 50.99]
       }
   }

log_row

Belirtilen adla çalıştırmaya bir satır ölçümü günlüğe kaydetme.

log_row(name, description=None, **kwargs)

Parametreler

Name Description
name
Gerekli
str

Ölçümün adı.
description
str

İsteğe bağlı ölçüm açıklaması.

Default value: None
kwargs
Gerekli
dict

Ek parametrelerin sözlüğü. Bu durumda ölçümün sütunları.

Açıklamalar

kullanarak log_row , kwargs'da açıklandığı gibi sütunlarla bir tablo ölçümü oluşturur. Her adlandırılmış parametre, belirtilen değere sahip bir sütun oluşturur. log_row rastgele bir tanımlama grubu günlüğe kaydetmek için bir kez veya tam bir tablo oluşturmak için döngüde birden çok kez çağrılabilir.


   citrus = ['orange', 'lemon', 'lime']
   sizes = [ 10, 7, 3]
   for index in range(len(citrus)):
       run.log_row("citrus", fruit = citrus[index], size=sizes[index])

log_table

Bir tablo ölçümünü belirtilen adla çalıştırmaya günlüğe kaydeder.

log_table(name, value, description='')

Parametreler

Name Description
name
Gerekli
str

Ölçümün adı.
value
Gerekli
dict

Ölçümün tablo değeri, anahtarların hizmete gönderilecek sütunlar olduğu bir sözlüktür.
description
Gerekli
str

İsteğe bağlı ölçüm açıklaması.

register_model

Bir modeli kullanıma hazır hale getirme için kaydetme.

register_model(model_name, model_path=None, tags=None, properties=None, model_framework=None, model_framework_version=None, description=None, datasets=None, sample_input_dataset=None, sample_output_dataset=None, resource_configuration=None, **kwargs)

Parametreler

Name Description
model_name
Gerekli
str

Modelin adı.
model_path
str

Modelin göreli bulut yolu; örneğin, "outputs/modelname". Belirtilmediğinde (Hiçbiri), model_name yol olarak kullanılır.

Default value: None
tags
dict[str, str]

Modele atanacak anahtar değer etiketleri sözlüğü.

Default value: None
properties
dict[str, str]

Modele atanacak anahtar değer özellikleri sözlüğü. Model oluşturulduktan sonra bu özellikler değiştirilemez, ancak yeni anahtar değer çiftleri eklenebilir.

Default value: None
model_framework
str

Kaydedilecek modelin çerçevesi. Şu anda desteklenen çerçeveler: TensorFlow, ScikitLearn, Onnx, Custom, Multi

Default value: None
model_framework_version
str

Kayıtlı modelin çerçeve sürümü.

Default value: None
description
str

Modelin isteğe bağlı açıklaması.

Default value: None
datasets
list[(str, AbstractDataset)]

İlk öğenin veri kümesi-model ilişkisini, ikinci öğenin ise veri kümesi olduğu tanımlama kümelerinin listesi.

Default value: None
sample_input_dataset
AbstractDataset

Opsiyonel. Kayıtlı model için örnek giriş veri kümesi

Default value: None
sample_output_dataset
AbstractDataset

Opsiyonel. Kayıtlı model için örnek çıkış veri kümesi

Default value: None
resource_configuration
ResourceConfiguration

Opsiyonel. Kayıtlı modeli çalıştırmak için kaynak yapılandırması

Default value: None
kwargs
Gerekli
dict

İsteğe bağlı parametreler.

Döndürülenler

Tür Description
Model

Kayıtlı model.

Açıklamalar


   model = best_run.register_model(model_name = 'best_model', model_path = 'outputs/model.pkl')

remove_tags

Bu çalıştırmada değiştirilebilir etiketlerin listesini silin.

remove_tags(tags)

Parametreler

Name Description
tags
Gerekli
list

Kaldırılacak etiketlerin listesi.

Döndürülenler

Tür Description

Çalıştırma nesnesinde depolanan etiketler

restore_snapshot

Anlık görüntüyü ZIP dosyası olarak geri yükleyin. ZIP yolunu döndürür.

restore_snapshot(snapshot_id=None, path=None)

Parametreler

Name Description
snapshot_id
str

Geri yükleneceği anlık görüntü kimliği. Belirtilmezse en son kullanılır.

Default value: None
path
str

İndirilen ZIP'in kaydedildiği yol.

Default value: None

Döndürülenler

Tür Description
str

Yol.

set_tags

Çalıştırmada bir etiket kümesi ekleyin veya değiştirin. Sözlükte geçirilmeyen etiketlere dokunulmaz.

Basit dize etiketleri de ekleyebilirsiniz. Bu etiketler etiket sözlüğünde anahtar olarak göründüğünde Hiçbiri değerine sahiptir. Daha fazla bilgi için bkz. Çalıştırmaları etiketleme ve bulma.

set_tags(tags)

Parametreler

Name Description
tags
Gerekli
dict[str] veya str

Run nesnesinde depolanan etiketler.

start

Çalıştırmayı başlatıldı olarak işaretleyin.

Bu genellikle çalıştırma başka bir aktör tarafından oluşturulduğunda gelişmiş senaryolarda kullanılır.

start()

submit_child

Bir deneme gönderin ve etkin alt çalıştırmayı döndürin.

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

Parametreler

Name Description
config
Gerekli
object

Gönderilecek yapılandırma.
tags
dict

Gönderilen çalıştırmaya eklenecek etiketler; örneğin, {"tag": "value"}.

Default value: None
kwargs
Gerekli
dict

Yapılandırmalar için submit işlevinde kullanılan ek parametreler.

Döndürülenler

Tür Description
Run

Çalıştırma nesnesi.

Açıklamalar

Gönder, yerel veya uzak donanımda deneme sürümü yürütmek için Azure Machine Learning platformuna yapılan zaman uyumsuz bir çağrıdır. Yapılandırmaya bağlı olarak, gönderme işlemi yürütme ortamlarınızı otomatik olarak hazırlar, kodunuzu yürütür ve kaynak kodunuzu ve sonuçları denemenin çalıştırma geçmişine yakalar.

Deneme göndermek için öncelikle denemenin nasıl çalıştırılacağına ilişkin bir yapılandırma nesnesi oluşturmanız gerekir. Yapılandırma, gereken deneme türüne bağlıdır.

kullanarak ScriptRunConfig yerel makinenizden bir alt deneme gönderme örneği aşağıda verilmiştir:


   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 = parent_run.submit_child(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()

Çalıştırma yapılandırma hakkında ayrıntılı bilgi için bkz submit. .

tag

Çalıştırmayı bir dize anahtarı ve isteğe bağlı dize değeriyle etiketleyin.

tag(key, value=None)

Parametreler

Name Description
key
Gerekli
str

Etiket anahtarı
value
str

Etiket için isteğe bağlı bir değer

Default value: None

Açıklamalar

Bir çalıştırmadaki etiketler ve özellikler dize -> dizenin sözlükleridir. Aralarındaki fark, değiştirilebilirliktir: Etiketler ayarlanabilir, güncelleştirilebilir ve silinebilirken Özellikler yalnızca eklenebilir. Bu, Özellikler'i sistem/iş akışıyla ilgili davranış tetikleyicileri için daha uygun hale getirirken, Etiketler genellikle kullanıcıya yöneliktir ve denemenin tüketicileri için anlamlıdır.


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

   run.add_properties({'BuildId': os.environ.get('VSTS_BUILD_ID')}) # Properties are not

   tags = run.get_tags()
   # tags = { 'DeploymentCandidate': None, 'modifiedBy': 'release pipeline' }

take_snapshot

Giriş dosyasının veya klasörünün anlık görüntüsünü kaydedin.

take_snapshot(file_or_folder_path)

Parametreler

Name Description
file_or_folder_path
Gerekli
str

Çalıştırma kaynak kodunu içeren dosya veya klasör.

Döndürülenler

Tür Description
str

Anlık görüntü kimliğini döndürür.

Açıklamalar

Anlık görüntülerin deneme çalıştırmasını yürütmek için kullanılan kaynak kod olması amaçlanmıştır. Bunlar çalıştırma ile birlikte depolanır, böylece çalıştırma denemesi gelecekte çoğaltılabilir.

Uyarı

Anlık görüntüler çağrıldığında submit otomatik olarak alınır. Genellikle bu take_snapshot yöntemi yalnızca etkileşimli (not defteri) çalıştırmaları için gereklidir.

upload_file

Çalıştırma kaydına bir dosya yükleyin.

upload_file(name, path_or_stream, datastore_name=None)

Parametreler

Name Description
name
Gerekli
str

Karşıya yüklenecek dosyanın adı.
path_or_stream
Gerekli
str

Karşıya yüklenecek dosyanın göreli yerel yolu veya akışı.
datastore_name
Gerekli
str

İsteğe bağlı DataStore adı

Döndürülenler

Tür Description
ResourceProperties

Açıklamalar


   run = experiment.start_logging()
   run.upload_file(name='important_file', path_or_stream="path/on/disk/file.txt")

Uyarı

Belirtilen çıkış dizininde dosya yakalamayı otomatik olarak çalıştırır ve bu, çoğu çalıştırma türü için varsayılan olarak "./outputs" olarak adlandırılır. upload_file yalnızca ek dosyaların yüklenmesi gerektiğinde veya bir çıkış dizini belirtilmediğinde kullanın.

upload_files

Dosyaları çalıştırma kaydına yükleyin.

upload_files(names, paths, return_artifacts=False, timeout_seconds=None, datastore_name=None)

Parametreler

Name Description
names
Gerekli
list

Karşıya yüklenecek dosyaların adları. Ayarlanırsa yollar da ayarlanmalıdır.
paths
Gerekli
list

Karşıya yüklenecek dosyaların göreli yerel yolları. Ayarlanırsa, adlar gereklidir.
return_artifacts
Gerekli
bool

Karşıya yüklenen her dosya için bir yapıt nesnesinin döndürülmesi gerektiğini gösterir.
timeout_seconds
Gerekli
int

Dosyaları karşıya yükleme zaman aşımı.
datastore_name
Gerekli
str

İsteğe bağlı DataStore adı

Açıklamalar

upload_files , ayrı dosyalar üzerinde olduğu gibi upload_file aynı etkiye sahiptir, ancak kullanırken upload_filesperformans ve kaynak kullanımı avantajları vardır.


   import os

   run = experiment.start_logging()
   file_name_1 = 'important_file_1'
   file_name_2 = 'important_file_2'
   run.upload_files(names=[file_name_1, file_name_2],
                       paths=['path/on/disk/file_1.txt', 'other/path/on/disk/file_2.txt'])

   run.download_file(file_name_1, 'file_1.txt')

   os.mkdir("path")  # The path must exist
   run.download_file(file_name_2, 'path/file_2.txt')

Uyarı

Çoğu çalıştırma türü için varsayılan olarak "./outputs" olan belirtilen çıkış dizinindeki dosyaları otomatik olarak yakalar. upload_files yalnızca ek dosyaların yüklenmesi gerektiğinde veya bir çıkış dizini belirtilmediğinde kullanın.

upload_folder

Belirtilen klasörü belirtilen ön ek adına yükleyin.

upload_folder(name, path, datastore_name=None)

Parametreler

Name Description
name
Gerekli
str

Karşıya yüklenecek dosya klasörünün adı.
folder
Gerekli
str

Karşıya yüklenecek klasörün göreli yerel yolu.
datastore_name
Gerekli
str

İsteğe bağlı DataStore adı

Açıklamalar


   run = experiment.start_logging()
   run.upload_folder(name='important_files', path='path/on/disk')

   run.download_file('important_files/existing_file.txt', 'local_file.txt')

Uyarı

Çoğu çalıştırma türü için varsayılan olarak "./outputs" olan belirtilen çıkış dizinindeki dosyaları otomatik olarak yakalar. upload_folder yalnızca ek dosyaların yüklenmesi gerektiğinde veya bir çıkış dizini belirtilmediğinde kullanın.

wait_for_completion

Bu çalıştırmanın tamamlanmasını bekleyin. Beklemeden sonra durum nesnesini döndürür.

wait_for_completion(show_output=False, wait_post_processing=False, raise_on_error=True)

Parametreler

Name Description
show_output
bool

çalıştırma çıktısının sys.stdout üzerinde gösterilip gösterilmeyeceğini gösterir.

Default value: False
wait_post_processing
bool

Çalıştırma tamamlandıktan sonra işlem sonrası işleminin tamamlanmasının beklenip beklenmeyeceğini gösterir.

Default value: False
raise_on_error
bool

Çalıştır başarısız durumdayken hatanın oluşturulup oluşmadığını gösterir.

Default value: True

Döndürülenler

Tür Description
dict

Durum nesnesi.

Öznitelikler

description

Çalıştırma açıklamasını döndür.

Çalıştırmanın isteğe bağlı açıklaması, bir çalıştırmayı tanımlamak için kullanışlı olan, kullanıcı tarafından belirtilen bir dizedir.

Döndürülenler

Tür Description
str

Çalıştırma açıklaması.

display_name

Çalıştırma görünen adını döndürür.

Çalıştırmanın isteğe bağlı görünen adı, çalıştırmanın daha sonra tanımlanması için kullanışlı olan, kullanıcı tarafından belirtilen bir dizedir.

Döndürülenler

Tür Description
str

Çalıştırma görünen adı.

experiment

Çalıştırmayı içeren denemeyi alın.

Döndürülenler

Tür Description
Experiment

Çalıştırmaya karşılık gelen denemeyi alır.

id

Çalıştırma kimliğini alın.

Çalıştırmanın kimliği, içeren deneme genelinde benzersiz bir tanımlayıcıdır.

Döndürülenler

Tür Description
str

Çalıştırma kimliği.

name

KALDIRIL -MIŞ. display_name kullanın.

Çalıştırmanın isteğe bağlı adı, çalıştırmanın daha sonra tanımlanması için kullanışlı olan, kullanıcı tarafından belirtilen bir dizedir.

Döndürülenler

Tür Description
str

Çalıştırma kimliği.

number

Çalıştırma numarasını alın.

Deneme içindeki çalıştırmaların sırasını temsil eden monoton olarak artan bir sayı.

Döndürülenler

Tür Description
int

Çalıştırma numarası.

parent

Hizmetten bu çalıştırma için üst çalıştırmayı getirin.

Çalıştırmalar isteğe bağlı bir üst öğeye sahip olabilir ve bu da çalıştırmaların olası ağaç hiyerarşisine neden olabilir. Ölçümleri bir üst çalıştırmaya günlüğe kaydetmek için üst nesnenin yöntemini kullanın log , örneğin, run.parent.log().

Döndürülenler

Tür Description
Run

Üst çalıştırma veya ayarlanmadıysa Hiçbiri.

properties

Bu çalıştırmanın sabit özelliklerini döndürür.

Döndürülenler

Tür Description
dict[str],
str

Çalıştırmanın yerel olarak önbelleğe alınmış özellikleri.

Açıklamalar

Özellikler arasında süre, yürütme tarihi, kullanıcı vb. gibi sabit sistem tarafından oluşturulan bilgiler bulunur.

status

Çalıştırma nesnesinin durumunu döndürür.

tags

Bu çalıştırmada değiştirilebilir etiketler kümesini döndürün.

Döndürülenler

Tür Description
dict

Çalıştırma nesnesinde depolanan etiketler.

type

Çalıştırma türünü alma.

Çalıştırmanın nasıl oluşturulduğunu veya yapılandırıldığını gösterir.

Döndürülenler

Tür Description
str

Çalıştırma türü.