Run Sınıf
Tüm Azure Machine Learning deneme çalıştırmaları için temel sınıfı tanımlar.
Çalıştırma, bir 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.
Çalıştırma nesneleri, Modeli Azure Machine Learning'de HyperDrive çalıştırmaları, İşlem hattı çalıştırmaları ve AutoML çalıştırmaları gibi birçok farklı senaryoda eğitmek için bir betik gönderdiğinizde oluşturulur. Siz submit veya start_logging sınıfıyla Experiment birlikte bir Run nesnesi de oluşturulur.
Denemeleri ve çalıştırmaları kullanmaya başlamak için bkz.
Run nesnesini başlatın.
- Devralma
-
azureml._run_impl.run_base._RunBaseRun
Oluşturucu
Run(experiment, run_id, outputs=None, **kwargs)Parametreler
| Name | Description |
|---|---|
|
experiment
Gerekli
|
İçeren deneme. |
|
run_id
Gerekli
|
Çalıştırmanın kimliği. |
|
outputs
|
İzlenecek çıkışlar. varsayılan değer: None
|
|
_run_dto
Gerekli
|
<xref:azureml._restclient.models.run_dto.RunDto>
Yalnızca iç kullanım. |
|
kwargs
Gerekli
|
Ek yapılandırma parametreleri sözlüğü. |
|
experiment
Gerekli
|
İçeren deneme. |
|
run_id
Gerekli
|
Çalıştırmanın kimliği. |
|
outputs
Gerekli
|
İzlenecek çıkışlar. |
|
kwargs
Gerekli
|
Ek yapılandırma parametreleri sözlüğü. |
Açıklamalar
Çalıştırma, bir denemenin tek bir denemesini temsil eder. Run nesnesi, denemenin zaman uyumsuz yürütmesini izlemek, denemenin günlük ölçümlerini ve depolama çıkışını izlemek 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 etiketlerin yanı sıra 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 ölçümler 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:
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.
Skalar
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
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 sütuna sahip bir ölçüm oluşturur. Her adlandırılmış parametre, belirtilen değere sahip bir sütun oluşturur.log_rowrastgele 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_tableverilen 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]})
Görüntü
Çalıştırma kaydına bir görüntü kaydedin. Çalıştırmada bir görüntü dosyasını veya matplotlib çizimini günlüğe 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 açısından 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 bir cancel_uri alanı olan ilişkili bir iş varsa, bu işi de sonlandırin. |
| child_run |
Bir alt çalıştırma oluşturun. |
| clean |
Çalıştırma yapılandırmasında belirtilen hedefteki geçerli çalıştırmaya karşılık gelen dosyaları kaldırın. |
| complete |
Görev kuyruğun işlenmesini bekleyin. Ardından çalıştır tamamlandı olarak işaretlenir. Bu genellikle etkileşimli not defteri senaryolarında kullanılır. |
| create_children |
Bir veya daha fazla 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 |
| flush |
Görev kuyruğun işlenmesini bekleyin. |
| get |
Bu çalışma alanı için 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 |
| 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 dönüş çalıştırma durumu. |
| 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 |
| get_properties |
Hizmetten çalıştırmanın en son özelliklerini getirin. |
| get_secret |
Çalıştırma bağlamından gizli dizi değerini alın. Sağlanan ad için gizli dizi değerini alın. Gizli dizi adı, çalışma alanınızla ilişkili Azure Key Vault 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 bulunamaz gizli dizileri içeren bir sözlük alın. Her gizli dizi adı, çalışma alanınızla ilişkili Azure Key Vault 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_context komutunu kullanın. 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 |
Verilen adla çalıştırmaya bir ölçüm değeri günlüğe kaydeder. |
| log_accuracy_table |
Bir doğruluk tablosunu yapıt deposuna günlüğe kaydetme. Doğruluk tablosu ölçümü, tahmin edilen olasılıkların alanına göre sürekli değişen birden çok çizgi grafik türü oluşturmak için kullanılabilen çok kullanımlı, skaler olmayan bir ölçümdür. Bu grafiklere örnek olarak ROC, duyarlık yakalama ve kaldırma eğrileri verilebilir. Doğruluk tablosunun hesaplanması, ROC eğrisinin hesaplanmasıyla benzerdir. ROC eğrisi, gerçek pozitif oranları ve hatalı pozitif oranları birçok farklı olasılık eşiğinde depolar. Doğruluk tablosu gerçek pozitiflerin ham sayısını, hatalı pozitifleri, gerçek negatifleri ve hatalı negatifleri birçok olasılık eşiğinde depolar. Eşik seçmek için kullanılan iki yöntem vardır: "olasılık" ve "yüzdebirlik." Tahmin edilen olasılıkların alanından örnekleme şekline göre farklılık gösterirler. Olasılık eşikleri, 0 ile 1 arasında tekdüzen 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 aralıklı olarak gösterilir. Her eşik, bir olasılık eşiğindeki verilerin yüzdebirlik dilimine karşılık gelir. Örneğin, NUM_POINTS 5 ise, ilk eşik 0. yüzdebirlik değerde, ikinci yüzdebirlik dilimde ikinci yüzdebirlikte, üçüncü yüzdebirlik dilimde, üçüncü yüzdebirlik dilimde ise 50. Olasılık tabloları ve yüzdebirlik tabloları, ilk boyutun sınıf etiketini temsil ettiği, ikinci boyutun örneği bir eşikte (NUM_POINTS ile ölçekler) temsil ettiği 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:
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 de kayan değerler olmalıdır. |
| log_confusion_matrix |
Yapıt deposuna bir karışıklık matrisi kaydedin. Bu, sklearn karışıklık matrisinin çevresine bir sarmalayıcı kaydeder. Ölçüm verileri, matrisin kendisi için sınıf etiketlerini ve 2B listesini içerir. Ölçümün nasıl hesaplandığından daha fazla ayrıntı 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 günlük tahminleri. Bu, gerçek hedef değerlerin dağıtımlarını bir regresyon görevi için tahmin edilen değerlerin dağılımıyla karşılaştırmak için kullanılabilecek bir ölçüm puanını günlüğe kaydeder. Tahminler gruplanır ve çizgi grafikteki hata çubukları için standart sapmalar hesaplanır. |
| log_residuals |
Yapıt deposuna artıkları günlüğe kaydetme. Bu, regresyon görevi için artıkların histogramını görüntülemek için gereken verileri günlüğe kaydeder. Artıklar tahmin edilir- gerçek. Sayım sayısından bir kenar daha 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 |
Verilen adla çalıştırmaya bir satır ölçümü günlüğe kaydeder. |
| log_table |
Verilen adla bir tablo ölçümünü çalıştırmaya günlüğe kaydeder. |
| register_model |
Kullanıma hazır hale getirme için bir model kaydedin. |
| 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. Ayrıca basit dize etiketleri de ekleyebilirsiniz. Bu etiketler etiket sözlüğünde anahtar olarak göründüğünde Hiçbiri değerine sahip olurlar. 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 açısından 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
|
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
|
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) -> Listeleme çalıştırılırken çağrılacak şekilde çalıştır. |
cancel
Çalıştırmayı iptal edildi olarak işaretleyin.
Ayarlanmış bir cancel_uri alanı olan ilişkili bir iş varsa, bu işi de sonlandırin.
cancel()child_run
Bir alt çalıştırma oluşturun.
child_run(name=None, run_id=None, outputs=None)Parametreler
| Name | Description |
|---|---|
|
name
|
Genellikle "part" için belirtilen alt çalıştırma için isteğe bağlı bir ad. varsayılan değer: None
|
|
run_id
|
Alt öğe için isteğe bağlı bir çalıştırma kimliği, aksi takdirde otomatik olarak oluşturulur. Genellikle bu parametre ayarlanmaz. varsayılan değer: None
|
|
outputs
|
İsteğe bağlı çıkışlar dizini alt öğe için izlenir. varsayılan değer: None
|
Döndürülenler
| Tür | Description |
|---|---|
|
Çocuk kaçar. |
Açıklamalar
Bu, bir çalıştırmanın bir bölümünü bir alt bölüme ayırmak için kullanılır. Bu, bir çalıştırmanın birbirinden ayrılması ilginç olan tanımlanabilir "parçaları" için veya bir alt işlem arasında bağımsız ölçümleri 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 |
|---|---|
|
Silinen dosyaların listesi. |
complete
Görev kuyruğun işlenmesini bekleyin.
Ardından çalıştır tamamlandı olarak işaretlenir. Bu genellikle etkileşimli not defteri senaryolarında kullanılır.
complete(_set_status=True)Parametreler
| Name | Description |
|---|---|
|
_set_status
|
İzleme için durum olayının gönderilip gönderilmeydiğini gösterir. varsayılan değer: True
|
create_children
Bir veya daha fazla alt çalıştırma oluşturun.
create_children(count=None, tag_key=None, tag_values=None)Parametreler
| Name | Description |
|---|---|
|
count
|
Oluşturulacak isteğe bağlı alt öğe sayısı. varsayılan değer: None
|
|
tag_key
|
Oluşturulan tüm alt öğelerde Etiketler girişini doldurmak için isteğe bağlı bir anahtar. varsayılan değer: None
|
|
tag_Values
Gerekli
|
Oluşturulan çalıştırmaların listesi için Etiketler[tag_key] ile eşlenecek isteğe bağlı değerler listesi. |
|
tag_values
|
varsayılan değer: None
|
Döndürülenler
| Tür | Description |
|---|---|
|
Alt çalıştırma listesi. |
Açıklamalar
VEYA parametresi count VE tag_values parametresi tag_key belirtilmelidir.
download_file
Depolama alanından ilişkili bir dosya indirin.
download_file(name, output_file_path=None, _validate_checksum=False)Parametreler
| Name | Description |
|---|---|
|
name
Gerekli
|
İndirilecek yapıtın adı. |
|
output_file_path
Gerekli
|
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
|
Kapsayıcı içindeki tüm yapıtların indirildiği dosya yolu ön eki. |
|
output_directory
Gerekli
|
Tüm yapıt yollarının ön ek olarak kullandığı isteğe bağlı bir dizin. |
|
output_paths
Gerekli
|
[str]
İndirilen yapıtların depolandığı isteğe bağlı dosya yolları. Benzersiz olmalı ve yolların uzunluğuyla eşleşmelidir. |
|
batch_size
Gerekli
|
Toplu iş başına indirilmesi gereken dosya sayısı. Varsayılan değer 100 dosyadır. |
|
append_prefix
Gerekli
|
Belirtilen ön ekin son çıkış dosyası yolundan eklenip eklenmeyeceğini gösteren isteğe bağlı bir bayrak. False ise ön ek çıkış dosyası yolundan kaldırılır. |
|
timeout_seconds
Gerekli
|
Dosyaları indirme 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. varsayılan değer: None
|
|
error_code
|
Hata sınıflandırması için hatanın isteğe bağlı hata kodu. varsayılan değer: None
|
|
_set_status
|
Durum olayının izlenmek üzere gönderilip gönderilmeydiğini gösterir. varsayılan değer: True
|
flush
Görev kuyruğun işlenmesini bekleyin.
flush(timeout_seconds=300)Parametreler
| Name | Description |
|---|---|
|
timeout_seconds
|
Görev kuyruğun işlenmesi için ne kadar süre beklenecek (saniye cinsinden). varsayılan değer: 300
|
get
Bu çalışma alanı için çalıştırma kimliğini içeren çalıştırmayı alın.
static get(workspace, run_id)Parametreler
| Name | Description |
|---|---|
|
workspace
Gerekli
|
İçeren çalışma alanı. |
|
run_id
Gerekli
|
Çalıştırma kimliği. |
Döndürülenler
| Tür | Description |
|---|---|
|
Gönderilen çalıştırma. |
get_all_logs
Çalıştırmanın tüm günlüklerini bir dizine indirin.
get_all_logs(destination=None)Parametreler
| Name | Description |
|---|---|
|
destination
|
Günlükleri depolamak için hedef yol. Belirtilmemişse, proje dizininde çalıştırma kimliği olarak adlandırılan bir dizin oluşturulur. varsayılan değer: None
|
Döndürülenler
| Tür | Description |
|---|---|
|
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
|
Tüm alt öğelerde özyineleme yapılıp yapılmayacağını gösterir. varsayılan değer: False
|
|
tags
|
Belirtilirse, belirtilen "etiket" veya {"etiket": "value"} ile eşleşen çalıştırmaları döndürür. varsayılan değer: None
|
|
properties
|
Belirtilirse, belirtilen "özellik" veya {"özellik": "value"} ile eşleşen çalıştırmaları döndürür. varsayılan değer: None
|
|
type
|
Belirtilirse, bu türle eşleşen çalıştırmaları döndürür. varsayılan değer: None
|
|
status
|
Belirtilirse, "status" durumu belirtilen çalıştırmaları döndürür. varsayılan değer: None
|
|
_rehydrate_runs
|
Özgün türün çalıştırmasının mı yoksa temel Çalıştırmanın mı başlatılıp başlatılmayacağını gösterir. varsayılan değer: True
|
Döndürülenler
| Tür | Description |
|---|---|
|
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
|
Eğitim betiğinin SDK ile bir iş göndermeden yerel olarak test edilebilmesi için hizmet bağlamını çevrimdışı moda geri döndürmeye izin verin. Varsayılan olarak True. varsayılan değer: True
|
|
kwargs
Gerekli
|
Ek parametrelerden oluşan bir sözlük. |
|
used_for_context_manager
|
varsayılan değer: False
|
Döndürülenler
| Tür | Description |
|---|---|
|
Gönderilen çalıştırma. |
Açıklamalar
Bu işlev genellikle deneme.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 |
|---|---|
|
En son durum ve ayrıntılar |
Açıklamalar
status: Çalıştırmanın geçerli durumu. get_status() tarafından döndürülen değerle aynı.
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 |
|---|---|
|
Çalıştırmanın ayrıntılarını döndürme |
Açıklamalar
Döndürülen sözlük aşağıdaki anahtar-değer çiftlerini içerir:
runId: Bu çalıştırmanın kimliği.
Hedef
status: Çalıştırmanın geçerli durumu. get_status() tarafından döndürülen değerle aynı.
startTimeUtc: ISO8601'de bu çalıştırmanın başlatıldığı UTC saati.
endTimeUtc: ISO8601'de bu çalıştırmanın bittiği (Tamamlandı veya Başarısız) UTC saati.
Çalıştırma devam ediyorsa bu anahtar mevcut değildir.
properties: Çalıştırmayla ilişkilendirilmiş 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 dönüş çalıştırma durumu.
get_details_with_logs()Döndürülenler
| Tür | Description |
|---|---|
|
Günlük dosyası içeriğiyle çalıştırmanın durumunu döndürür. |
get_environment
Bu çalıştırma tarafından kullanılan ortam tanımını alın.
get_environment()Döndürülenler
| Tür | Description |
|---|---|
|
Ortam nesnesini döndürür. |
get_file_names
Çalıştırmayla ilişkili olarak depolanan dosyaları listeleyin.
get_file_names()Döndürülenler
| Tür | Description |
|---|---|
|
Mevcut yapıtların yollarının 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
|
Ölçümün adı. varsayılan değer: None
|
|
recursive
|
Tüm alt öğelerde özyineleme yapılıp yapılmayacağını gösterir. varsayılan değer: False
|
|
run_type
|
varsayılan değer: None
|
|
populate
|
Ölçüme bağlı dış verilerin içeriğinin getirilip getirilmeyeceğini gösterir. varsayılan değer: False
|
Döndürülenler
| Tür | Description |
|---|---|
|
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 |
|---|---|
|
Çalıştırmanın özellikleri. |
Açıklamalar
Özellikler, süre, 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 bir iş gönderirken, kaynak dosyalar yerel git deposunda depolanıyorsa, depo hakkındaki bilgiler özellik olarak depolanır. Bu git özellikleri run oluşturulurken veya Experiment.submit çağrılırken eklenir. Git özellikleri hakkında daha fazla bilgi için bkz. Azure Machine Learning için Git tümleştirmesi.
get_secret
Çalıştırma bağlamından gizli dizi değerini alın.
Sağlanan ad için gizli dizi değerini alın. Gizli dizi adı, çalışma alanınızla ilişkili Azure Key Vault depolanan bir değere başvurur. Gizli dizilerle çalışma örneği için bkz. Eğitim çalıştırmalarında gizli dizileri kullanma.
get_secret(name)Parametreler
| Name | Description |
|---|---|
|
name
Gerekli
|
Gizli dizinin döndürüleceği gizli dizi adı. |
Döndürülenler
| Tür | Description |
|---|---|
|
Gizli dizi değeri. |
get_secrets
Belirli bir gizli dizi adları listesi için gizli dizi değerlerini alın.
Sağlanan adlar listesi için bulunan ve bulunamaz gizli dizileri içeren bir sözlük alın. Her gizli dizi adı, çalışma alanınızla ilişkili Azure Key Vault depolanan bir değere başvurur. Gizli dizilerle çalışma örneği için bkz. Eğitim çalıştırmalarında gizli dizileri kullanma.
get_secrets(secrets)Parametreler
| Name | Description |
|---|---|
|
secrets
Gerekli
|
Gizli dizi değerlerinin döndürüleceği gizli dizi adlarının listesi. |
Döndürülenler
| Tür | Description |
|---|---|
|
Bulunan ve bulunmayan gizli dizilerin sözlüğünü döndürür. |
get_snapshot_id
En son anlık görüntü kimliğini alın.
get_snapshot_id()Döndürülenler
| Tür | Description |
|---|---|
|
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 |
|---|---|
|
En son durum. |
Açıklamalar
NotStarted - Bu, istemci tarafı Çalıştırma nesnelerinin bulut gönderimi öncesinde içinde olduğu geçici bir durumdur.
Başlatılıyor - 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 alındı. 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 aşamalar.
Başarısız - Çalıştırma başarısız oldu. Genellikle bir çalıştırmadaki Error özelliği nedenine ilişkin ayrıntıları sağlar.
İptal edildi - bir iptal isteği izler ve çalıştırmanın başarıyla iptal edildi olduğunu gösterir.
NotResponding - Sinyallerin etkinleştirildiği çalıştırmalar için yakın zamanda sinyal gönderilmedi.
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_context komutunu kullanın.
Bu deneme için gönderilen çalıştırmayı alın.
get_submitted_run(**kwargs)Döndürülenler
| Tür | Description |
|---|---|
|
Gönderilen çalıştırma. |
get_tags
Hizmetten çalıştırıldığında en son değiştirilebilir etiket kümesini getirin.
get_tags()Döndürülenler
| Tür | Description |
|---|---|
|
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
|
İçeren deneme. |
|
type
|
Belirtilirse, belirtilen türle eşleşen çalıştırmaları döndürür. varsayılan değer: None
|
|
tags
|
Belirtilirse, belirtilen "tag" veya {"tag": "value"}ile eşleşen çalıştırmalar döndürür. varsayılan değer: None
|
|
properties
|
Belirtilirse, belirtilen "özellik" veya {"özellik": "value"}ile eşleşen çalıştırmalar döndürür. varsayılan değer: None
|
|
status
|
Belirtilirse, "status" durumu belirtilen çalıştırmaları döndürür. varsayılan değer: None
|
|
include_children
|
true olarak ayarlanırsa, yalnızca en üst düzey çalıştırmaları değil tüm çalıştırmaları getirin. varsayılan değer: False
|
|
_rehydrate_runs
|
True olarak ayarlanırsa (varsayılan olarak), kayıtlı sağlayıcıyı kullanarak bu tür için temel Run yerine bir nesneyi yeniden doğrular. varsayılan değer: True
|
Döndürülenler
| Tür | Description |
|---|---|
|
Çalıştırmaların listesi. |
Açıklamalar
Aşağıdaki kod örneği, yönteminin bazı kullanımlarını list gösterir.
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
|
İçeren işlem. |
|
type
|
Belirtilirse, belirtilen türle eşleşen çalıştırmaları döndürür. varsayılan değer: None
|
|
tags
|
Belirtilirse, belirtilen "tag" veya {"tag": "value"}ile eşleşen çalıştırmalar döndürür. varsayılan değer: None
|
|
properties
|
Belirtilirse, belirtilen "özellik" veya {"özellik": "value"}ile eşleşen çalıştırmalar döndürür. varsayılan değer: None
|
|
status
|
Belirtilirse, "status" durumu belirtilen çalıştırmaları döndürür. Yalnızca izin verilen değerler "Çalışıyor" ve "Kuyruğa Alındı". varsayılan değer: None
|
Döndürülenler
| Tür | Description |
|---|---|
|
<xref:builtin.generator>
|
~_restclient.models.RunDto oluşturucusu |
log
Verilen adla çalıştırmaya bir ölçüm değeri günlüğe kaydeder.
log(name, value, description='', step=None)Parametreler
| Name | Description |
|---|---|
|
name
Gerekli
|
Ölçümün adı. |
|
value
Gerekli
|
Hizmete nakledilecek değer. |
|
description
Gerekli
|
İsteğe bağlı ölçüm açıklaması. |
|
step
|
Ölçüm içinde değer sırasını belirtmek için isteğe bağlı bir eksen. varsayılan değer: 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 değişen birden çok çizgi grafik türü oluşturmak için kullanılabilen çok kullanımlı, skaler olmayan bir ölçümdür. Bu grafiklere örnek olarak ROC, duyarlık yakalama ve kaldırma eğrileri verilebilir.
Doğruluk tablosunun hesaplanması, ROC eğrisinin hesaplanmasıyla benzerdir. ROC eğrisi, gerçek pozitif oranları ve hatalı pozitif oranları birçok farklı olasılık eşiğinde depolar. Doğruluk tablosu gerçek pozitiflerin ham sayısını, hatalı pozitifleri, gerçek negatifleri ve hatalı negatifleri birçok olasılık eşiğinde depolar.
Eşik seçmek için kullanılan iki yöntem vardır: "olasılık" ve "yüzdebirlik." Tahmin edilen olasılıkların alanından örnekleme şekline göre farklılık gösterirler.
Olasılık eşikleri, 0 ile 1 arasında tekdüzen 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 aralıklı olarak gösterilir. Her eşik, bir olasılık eşiğindeki verilerin yüzdebirlik dilimine karşılık gelir. Örneğin, NUM_POINTS 5 ise, ilk eşik 0. yüzdebirlik değerde, ikinci yüzdebirlik dilimde ikinci yüzdebirlikte, üçüncü yüzdebirlik dilimde, üçüncü yüzdebirlik dilimde ise 50.
Olasılık tabloları ve yüzdebirlik tabloları, ilk boyutun sınıf etiketini temsil ettiği, ikinci boyutun örneği bir eşikte (NUM_POINTS ile ölçekler) temsil ettiği 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:
- TP + FP + TN + FN = Tüm sınıflar için tüm eşikler için N
- TP + FN, herhangi bir sınıf için tüm eşiklerde aynıdır
- TN + FP, herhangi bir sınıf için tüm eşiklerde aynıdır
- Olasılık tablolarının ve yüzde birlik tabloların şekli [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 de kayan değerler olmalıdır.
log_accuracy_table(name, value, description='')Parametreler
| Name | Description |
|---|---|
|
name
Gerekli
|
Doğruluk tablosunun adı. |
|
value
Gerekli
|
Ad, sürüm ve veri özelliklerini içeren JSON. |
|
description
Gerekli
|
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
Yapıt deposuna bir karışıklık matrisi kaydedin.
Bu, sklearn karışıklık matrisinin çevresine bir sarmalayıcı kaydeder. Ölçüm verileri, matrisin kendisi için sınıf etiketlerini ve 2B listesini içerir. Ölçümün nasıl hesaplandığından daha fazla ayrıntı 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
|
Karışıklık matrisinin adı. |
|
value
Gerekli
|
Ad, sürüm ve veri özelliklerini içeren JSON. |
|
description
Gerekli
|
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
|
Ölçümün adı. |
|
path
Gerekli
|
Görüntünün yolu veya akışı. |
|
plot
Gerekli
|
<xref:matplotlib.pyplot>
Görüntü olarak günlüğe kaydedilecek çizim. |
|
description
Gerekli
|
İsteğe bağlı ölçüm açıklaması. |
Açıklamalar
Bir görüntü dosyasını veya matplotlib çizimini çalıştırmaya günlüğe 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
|
Ölçümün adı. |
|
value
Gerekli
|
Ölçümün değerleri. |
|
description
Gerekli
|
İsteğe bağlı ölçüm açıklaması. |
log_predictions
Yapıt deposuna günlük tahminleri.
Bu, gerçek hedef değerlerin dağıtımlarını bir regresyon görevi için tahmin edilen değerlerin dağılımıyla karşılaştırmak için kullanılabilecek bir ölçüm puanını günlüğe kaydeder.
Tahminler gruplanır ve çizgi grafikteki hata çubukları için standart sapmalar hesaplanır.
log_predictions(name, value, description='')Parametreler
| Name | Description |
|---|---|
|
name
Gerekli
|
Tahminlerin adı. |
|
value
Gerekli
|
Ad, sürüm ve veri özelliklerini içeren JSON. |
|
description
Gerekli
|
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 artıkları günlüğe kaydetme.
Bu, regresyon görevi için artıkların histogramını görüntülemek için gereken verileri günlüğe kaydeder. Artıklar tahmin edilir- gerçek.
Sayım sayısından bir kenar daha 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
|
Artıkların adı. |
|
value
Gerekli
|
Ad, sürüm ve veri özelliklerini içeren JSON. |
|
description
Gerekli
|
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
Verilen adla çalıştırmaya bir satır ölçümü günlüğe kaydeder.
log_row(name, description=None, **kwargs)Parametreler
| Name | Description |
|---|---|
|
name
Gerekli
|
Ölçümün adı. |
|
description
|
İsteğe bağlı ölçüm açıklaması. varsayılan değer: None
|
|
kwargs
Gerekli
|
Ek parametrelerin sözlüğü. Bu durumda ölçümün sütunları. |
Açıklamalar
kullanmak 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
Verilen adla bir tablo ölçümünü çalıştırmaya günlüğe kaydeder.
log_table(name, value, description='')Parametreler
| Name | Description |
|---|---|
|
name
Gerekli
|
Ölçümün adı. |
|
value
Gerekli
|
Ölçümün tablo değeri, anahtarların hizmete gönderilecek sütunlar olduğu bir sözlük. |
|
description
Gerekli
|
İsteğe bağlı ölçüm açıklaması. |
register_model
Kullanıma hazır hale getirme için bir model kaydedin.
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
|
Modelin adı. |
|
model_path
|
Modelin göreli bulut yolu; örneğin, "outputs/modelname".
Belirtilmediğinde (Hiçbiri), varsayılan değer: None
|
|
tags
|
Modele atanacak anahtar değer etiketleri sözlüğü. varsayılan değer: None
|
|
properties
|
Modele atanacak anahtar değeri özelliklerinin sözlüğü. Model oluşturulduktan sonra bu özellikler değiştirilemez, ancak yeni anahtar değer çiftleri eklenebilir. varsayılan değer: None
|
|
model_framework
|
Kaydedilecek modelin çerçevesi. Şu anda desteklenen çerçeveler: TensorFlow, ScikitLearn, Onnx, Custom, Multi varsayılan değer: None
|
|
model_framework_version
|
Kayıtlı modelin çerçeve sürümü. varsayılan değer: None
|
|
description
|
Modelin isteğe bağlı açıklaması. varsayılan değer: None
|
|
datasets
|
İlk öğenin veri kümesi modeli ilişkisini, ikinci öğenin ise veri kümesi olduğu tanımlama grubu listesi. varsayılan değer: None
|
|
sample_input_dataset
|
İsteğe bağlı. Kayıtlı model için örnek giriş veri kümesi varsayılan değer: None
|
|
sample_output_dataset
|
İsteğe bağlı. Kayıtlı model için örnek çıkış veri kümesi varsayılan değer: None
|
|
resource_configuration
|
İsteğe bağlı. Kayıtlı modeli çalıştırmak için kaynak yapılandırması varsayılan değer: None
|
|
kwargs
Gerekli
|
İsteğe bağlı parametreler. |
Döndürülenler
| Tür | Description |
|---|---|
|
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
|
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
|
Geri yükleneceği anlık görüntü kimliği. Belirtilmezse en son kullanılır. varsayılan değer: None
|
|
path
|
İndirilen ZIP'in kaydedildiği yol. varsayılan değer: None
|
Döndürülenler
| Tür | Description |
|---|---|
|
Yol. |
set_tags
Çalıştırmada bir etiket kümesi ekleyin veya değiştirin. Sözlükte geçirilmeyen etiketlere dokunulmaz.
Ayrıca basit dize etiketleri de ekleyebilirsiniz. Bu etiketler etiket sözlüğünde anahtar olarak göründüğünde Hiçbiri değerine sahip olurlar. Daha fazla bilgi için bkz. Çalıştırmaları etiketleme ve bulma.
set_tags(tags)Parametreler
| Name | Description |
|---|---|
|
tags
Gerekli
|
Çalıştırma 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
|
Gönderilecek yapılandırma. |
|
tags
|
Gönderilen çalıştırmaya eklenecek etiketler; örneğin, {"tag": "value"}. varsayılan değer: None
|
|
kwargs
Gerekli
|
Yapılandırmalar için gönderme işlevinde kullanılan ek parametreler. |
Döndürülenler
| Tür | Description |
|---|---|
|
Bir çalıştırma nesnesi. |
Açıklamalar
Gönderme, 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 çalıştırılacak olduğunu açıklayan 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
|
Etiket anahtarı |
|
value
|
Etiket için isteğe bağlı bir değer varsayılan değer: None
|
Açıklamalar
Bir çalıştırmadaki etiketler ve özellikler dize -> dizenin sözlükleridir. Aralarındaki fark değişebilirliktir: Özellikler yalnızca eklenebilirken etiketler ayarlanabilir, güncelleştirilebilir ve silinebilir. 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
|
Çalıştırma kaynak kodunu içeren dosya veya klasör. |
Döndürülenler
| Tür | Description |
|---|---|
|
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.
Not
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
|
Karşıya yüklenecek dosyanın adı. |
|
path_or_stream
Gerekli
|
Karşıya yüklenecek dosyaya ilişkin göreli yerel yol veya akış. |
|
datastore_name
Gerekli
|
İsteğe bağlı DataStore adı |
Döndürülenler
| Tür | Description |
|---|---|
Açıklamalar
run = experiment.start_logging()
run.upload_file(name='important_file', path_or_stream="path/on/disk/file.txt")
Not
Belirtilen çıkış dizininde dosyayı otomatik olarak çalıştırır ve bu dizinde çoğu çalıştırma türü için varsayılan olarak "./outputs" olarak ayarlanır. 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
|
Karşıya yüklenecek dosyaların adları. Ayarlanırsa, yolların da ayarlanması gerekir. |
|
paths
Gerekli
|
Karşıya yüklenecek dosyaların göreli yerel yolları. Ayarlanırsa, adlar gereklidir. |
|
return_artifacts
Gerekli
|
Karşıya yüklenen her dosya için bir yapıt nesnesinin döndürülmesi gerektiğini gösterir. |
|
timeout_seconds
Gerekli
|
Dosyaları karşıya yükleme zaman aşımı. |
|
datastore_name
Gerekli
|
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')
Not
Belirtilen çıkış dizinindeki dosyaları otomatik olarak yakalar ve çoğu çalıştırma türü için varsayılan olarak "./outputs" olarak ayarlanır. 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
|
Karşıya yüklenecek dosya klasörünün adı. |
|
folder
Gerekli
|
Karşıya yüklenecek klasörün göreli yerel yolu. |
|
datastore_name
Gerekli
|
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')
Not
Belirtilen çıkış dizinindeki dosyaları otomatik olarak yakalar ve çoğu çalıştırma türü için varsayılan olarak "./outputs" olarak ayarlanır. 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
|
Sys.stdout üzerinde çalıştırma çıkışının gösterilip gösterilmeyeceğini gösterir. varsayılan değer: False
|
|
wait_post_processing
|
Çalıştırma tamamlandıktan sonra işlem sonrası işleminin tamamlanmasının beklenip beklenmeyeceğini gösterir. varsayılan değer: False
|
|
raise_on_error
|
Çalıştırma başarısız durumda olduğunda hatanın oluşup oluşmadığını gösterir. varsayılan değer: True
|
Döndürülenler
| Tür | Description |
|---|---|
|
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 |
|---|---|
|
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 |
|---|---|
|
Çalıştırma görünen adı. |
experiment
Çalıştırmayı içeren denemeyi alın.
Döndürülenler
| Tür | Description |
|---|---|
|
Çalıştırmaya karşılık gelen denemeyi alır. |
id
Çalıştırma kimliğini alın.
Çalıştırmanın kimliği, içeren deneme genelinde benzersiz bir tanımlayıcıdır.
Döndürülenler
| Tür | Description |
|---|---|
|
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 |
|---|---|
|
Çalıştırma kimliği. |
number
Çalıştırma numarasını alın.
Deneme içindeki çalıştırmaların sırasını temsil eden monoton olarak artan bir sayı.
Döndürülenler
| Tür | Description |
|---|---|
|
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 çalıştırmada günlüğe kaydetmek için üst nesnenin yöntemini kullanınlog, örneğin. run.parent.log()
Döndürülenler
| Tür | Description |
|---|---|
|
Üst çalıştırma veya ayarlanmadıysa Hiçbiri. |
properties
Bu çalıştırmanın sabit özelliklerini döndürür.
Döndürülenler
| Tür | Description |
|---|---|
|
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 |
|---|---|
|
Çalıştırma nesnesinde depolanan etiketler. |
type
Çalıştırma türünü alma.
Çalıştırmanın nasıl oluşturulduğunu veya yapılandırıldığını gösterir.
Döndürülenler
| Tür | Description |
|---|---|
|
Çalıştırma türü. |
Geri Bildirim
Çok yakında: 2024 boyunca, içerik için geri bildirim mekanizması olarak GitHub Sorunları’nı kullanımdan kaldıracak ve yeni bir geri bildirim sistemiyle değiştireceğiz. Daha fazla bilgi için bkz. https://aka.ms/ContentUserFeedback.
Gönderin ve geri bildirimi görüntüleyin