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. Default value: 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 oluştururlar. 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 alanıyla 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 kuyruğun işlenmesini bekleyin. Ardından çalıştırma 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 dosyayı 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 |
Çalıştırmaya verilen adla bir ölçüm değeri günlüğe kaydeder. |
| log_accuracy_table |
Bir doğruluk tablosunu yapıt deposuna günlüğe kaydetme. Doğruluk tablosu ölçümü, tahmin edilen olasılıkların alanı üzerinde sürekli değişen birden çok çizgi grafik türü üretmek için kullanılabilen çok kullanımlı, skaler olmayan bir ölçümdür. Bu grafiklere örnek olarak ROC, duyarlık yakalama ve lift eğrileri verilebilir. Doğruluk tablosunun hesaplanması, 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, gerçek negatifleri ve hatalı negatifleri birçok olasılık eşiğinde depolar. Eşikleri seçmek için kullanılan iki yöntem vardır: "olasılık" ve "yüzdebirlik." Tahmin edilen olasılıkların alanından örnekleme yöntemine göre farklılık gösterirler. 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. Yüzdelik dilim eşikleri, 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 yüzde 50'de vb. olur. Olasılık tabloları ve yüzdebirlik tabloları, ilk boyutun sınıf etiketini temsil ettiği, ikinci boyutun örneği bir eşikte temsil ettiği (NUM_POINTS ile ölçeklendirildiği) 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, ölçümleri hesaplarken tanımlanır ve depolama alanı, hesaplama süresi ve çözünürlükten bağımsızdır. Sınıf etiketleri dize, karışıklık değerleri tamsayı ve eşikler ise kayan değer olmalıdır. |
| log_confusion_matrix |
Karışıklık matrisini yapıt deposuna kaydedin. Bu, sklearn karışıklık matrisinin etrafına bir sarmalayıcı kaydeder. Ölçüm verileri, matrisin kendisi için sınıf etiketlerini ve 2B listeyi 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 |
Tahminleri yapıt deposuna günlüğe kaydetme. 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 oluştururlar. 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 alanıyla 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
|
Alt çalıştırma için isteğe bağlı bir ad, genellikle bir "bölüm" için belirtilir. Default value: None
|
|
run_id
|
Alt öğe için isteğe bağlı bir çalıştırma kimliği, aksi takdirde otomatik olarak oluşturulur. Genellikle bu parametre ayarlanmaz. Default value: None
|
|
outputs
|
Alt öğe için izlenen isteğe bağlı çıkış dizini. Default value: None
|
Döndürülenler
| Tür | Description |
|---|---|
|
Çocuk koşuyor. |
Açıklamalar
Bu, bir çalıştırmanın bir bölümünü bir alt bölüme ayırmak için kullanılır. Bu işlem, 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 |
|---|---|
|
Silinen dosyaların listesi. |
complete
Görev kuyruğun işlenmesini bekleyin.
Ardından çalıştırma tamamlandı olarak işaretlenir. Bu genellikle etkileşimli not defteri senaryolarında kullanılır.
complete(_set_status=True)Parametreler
| Name | Description |
|---|---|
|
_set_status
|
Durum olayının izlenmek üzere gönderilip gönderilmeydiğini gösterir. Default value: 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. Default value: None
|
|
tag_key
|
Oluşturulan tüm alt öğelerde Etiketler girdisini doldurmak için isteğe bağlı bir anahtar. Default value: None
|
|
tag_Values
Gerekli
|
Oluşturulan çalıştırmaların listesi için Etiketler[tag_key] ile eşlenecek isteğe bağlı değerler listesi. |
|
tag_values
|
Default value: None
|
Döndürülenler
| Tür | Description |
|---|---|
|
Alt çalıştırmaların listesi. |
Açıklamalar
VEYA parametresi count VE tag_values parametresi tag_key belirtilmelidir.
download_file
Depolama alanından ilişkili bir dosyayı 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 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. Default value: None
|
|
error_code
|
Hata sınıflandırması için hatanın isteğe bağlı hata kodu. Default value: None
|
|
_set_status
|
Durum olayının izlenmek üzere gönderilip gönderilmeydiğini gösterir. Default value: 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). Default value: 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. Default value: 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. Default value: False
|
|
tags
|
Belirtilirse, belirtilen "etiket" veya {"etiket": "value"} ile eşleşen çalıştırmaları döndürür. Default value: None
|
|
properties
|
Belirtilirse, belirtilen "özellik" veya {"özellik": "value"} ile eşleşen çalıştırmaları döndürür. Default value: None
|
|
type
|
Belirtilirse, bu türle eşleşen çalıştırmaları döndürür. Default value: None
|
|
status
|
Belirtilirse, "status" durumu belirtilen çalıştırmaları döndürür. Default value: None
|
|
_rehydrate_runs
|
Özgün türün çalıştırmasının mı yoksa temel Çalıştırmanın mı başlatılıp başlatılmayacağını gösterir. Default value: 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. Default value: True
|
|
kwargs
Gerekli
|
Ek parametrelerden oluşan bir sözlük. |
|
used_for_context_manager
|
Default value: 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. Default value: None
|
|
recursive
|
Tüm alt öğelerde özyineleme yapılıp yapılmayacağını gösterir. Default value: False
|
|
run_type
|
Default value: None
|
|
populate
|
Ölçüme bağlı dış verilerin içeriğinin getirilip getirilmeyeceğini gösterir. Default value: 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 görüntü derlemesi
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.
Sonlandırma - 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 - İptal isteğini izler ve çalıştırmanın artık başarıyla iptal edilmiş 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. Default value: None
|
|
tags
|
Belirtilirse, belirtilen "etiket" veya {"etiket": "value"} ile eşleşen çalıştırmaları döndürür. Default value: None
|
|
properties
|
Belirtilirse, belirtilen "özellik" veya {"özellik": "value"} ile eşleşen çalıştırmaları döndürür. Default value: None
|
|
status
|
Belirtilirse, "status" durumu belirtilen çalıştırmaları döndürür. Default value: None
|
|
include_children
|
true olarak ayarlanırsa, yalnızca üst düzey çalıştırmaları değil tüm çalıştırmaları getirin. Default value: False
|
|
_rehydrate_runs
|
True olarak ayarlanırsa (varsayılan olarak), temel Çalıştırma yerine bu tür için bir nesneyi yeniden doğrulamak için kayıtlı sağlayıcıyı kullanır. Default value: True
|
Döndürülenler
| Tür | Description |
|---|---|
|
Çalıştırma 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. Default value: None
|
|
tags
|
Belirtilirse, belirtilen "etiket" veya {"etiket": "value"} ile eşleşen çalıştırmaları döndürür. Default value: None
|
|
properties
|
Belirtilirse, belirtilen "özellik" veya {"özellik": "value"} ile eşleşen çalıştırmaları döndürür. Default value: None
|
|
status
|
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
|
Ölçümün adı. |
|
value
Gerekli
|
Hizmete nakledilecek değer. |
|
description
Gerekli
|
İsteğe bağlı ölçüm açıklaması. |
|
step
|
Bir 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 alanı üzerinde sürekli değişen birden çok çizgi grafik türü üretmek için kullanılabilen çok kullanımlı, skaler olmayan bir ölçümdür. Bu grafiklere örnek olarak ROC, duyarlık yakalama ve lift eğrileri verilebilir.
Doğruluk tablosunun hesaplanması, 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, gerçek negatifleri ve hatalı negatifleri birçok olasılık eşiğinde depolar.
Eşikleri seçmek için kullanılan iki yöntem vardır: "olasılık" ve "yüzdebirlik." Tahmin edilen olasılıkların alanından örnekleme yöntemine göre farklılık gösterirler.
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.
Yüzdelik dilim eşikleri, 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 yüzde 50'de vb. olur.
Olasılık tabloları ve yüzdebirlik tabloları, ilk boyutun sınıf etiketini temsil ettiği, ikinci boyutun örneği bir eşikte temsil ettiği (NUM_POINTS ile ölçeklendirildiği) 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, ölçümleri hesaplarken tanımlanır ve depolama alanı, hesaplama süresi ve çözünürlükten bağımsızdır.
Sınıf etiketleri dize, karışıklık değerleri tamsayı ve eşikler ise kayan değer 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
Karışıklık matrisini yapıt deposuna kaydedin.
Bu, sklearn karışıklık matrisinin etrafına bir sarmalayıcı kaydeder. Ölçüm verileri, matrisin kendisi için sınıf etiketlerini ve 2B listeyi 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 olacaktır.
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
Tahminleri yapıt deposuna günlüğe kaydetme.
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. Default value: 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), Default value: None
|
|
tags
|
Modele atanacak anahtar değer etiketleri sözlüğü. Default value: None
|
|
properties
|
Modele atanacak anahtar değeri özelliklerinin sözlüğü. Model oluşturulduktan sonra bu özellikler değiştirilemez, ancak yeni anahtar değer çiftleri eklenebilir. Default value: None
|
|
model_framework
|
Kaydedilecek modelin çerçevesi. Şu anda desteklenen çerçeveler: TensorFlow, ScikitLearn, Onnx, Custom, Multi Default value: None
|
|
model_framework_version
|
Kayıtlı modelin çerçeve sürümü. Default value: None
|
|
description
|
Modelin isteğe bağlı açıklaması. Default value: None
|
|
datasets
|
İlk öğenin veri kümesi modeli ilişkisini, ikinci öğenin ise veri kümesi olduğu tanımlama grubu listesi. Default value: None
|
|
sample_input_dataset
|
İsteğe bağlı. Kayıtlı model için örnek giriş veri kümesi Default value: None
|
|
sample_output_dataset
|
İsteğe bağlı. Kayıtlı model için örnek çıkış veri kümesi Default value: None
|
|
resource_configuration
|
İsteğe bağlı. Kayıtlı modeli çalıştırmak için kaynak yapılandırması Default value: 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. Default value: None
|
|
path
|
İndirilen ZIP'in kaydedildiği yol. Default value: 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"}. Default value: 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 Default value: 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. Default value: False
|
|
wait_post_processing
|
Çalıştırma tamamlandıktan sonra işlem sonrası işleminin tamamlanmasının beklenip beklenmeyeceğini gösterir. Default value: False
|
|
raise_on_error
|
Çalıştırma başarısız durumda olduğunda hatanın oluşup oluşmadığını gösterir. Default value: True
|
Döndürülenler
| Tür | Description |
|---|---|
|
Durum nesnesi. |
Öznitelikler
description
Çalıştırma açıklamasını döndür.
Çalıştırmanın isteğe bağlı açıklaması, bir çalıştırmayı tanımlamak için 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, 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, 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 çalıştırmaya günlüğe kaydetmek için üst nesnenin yöntemini kullanın log , 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 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. |