RunConfiguration Sınıf

Azure Machine Learning'de farklı işlem hedeflerini hedefleyen deneme çalıştırmaları için yapılandırmayı temsil eder.

RunConfiguration nesnesi, bir denemede eğitim çalıştırması göndermek için gereken bilgileri kapsüller. Genellikle, doğrudan bir RunConfiguration nesnesi oluşturmaz, ancak sınıfın yöntemi gibi submit onu döndüren bir yöntemden Experiment bir nesne alırsınız.

RunConfiguration, tetiklediğiniz çalıştırma türüne bağlı olarak diğer yapılandırma adımı türlerinde de kullanılan bir temel ortam yapılandırmasıdır. Örneğin, bir PythonScriptStepayarlarken adımın RunConfiguration nesnesine erişebilir ve Conda bağımlılıklarını yapılandırabilir veya çalıştırmanın ortam özelliklerine erişebilirsiniz.

Çalıştırma yapılandırmalarının örnekleri için bkz. Modelinizi eğitmek için işlem hedefi seçme ve kullanma.

Varsayılan ayarlarla bir RunConfiguration başlatın.

Devralma

azureml._base_sdk_common.abstract_run_config_element._AbstractRunConfigElement

RunConfiguration

Oluşturucu

RunConfiguration(script=None, arguments=None, framework=None, communicator=None, conda_dependencies=None, _history_enabled=None, _path=None, _name=None, command=None)

Parametreler

Name	Description
script	str Python betik dosyasının göreli yolu. Dosya yolu, öğesine geçirilen kaynak dizine submitgöredir. varsayılan değer: None
arguments	list[str] Python betik dosyası için komut satırı bağımsız değişkenleri. varsayılan değer: None
framework	str Çalıştırmada kullanılan hedeflenen çerçeve. Desteklenen çerçeveler Python, PySpark, TensorFlow ve PyTorch'tır. varsayılan değer: None
communicator	str Çalıştırmada kullanılan communicator. Desteklenen iletişimciler None, ParameterServer, OpenMpi ve IntelMpi'dir. OpenMpi için OpenMpi'nin yüklü olduğu özel bir görüntü gerektiğini unutmayın. AmlCompute kümeleri için ParameterServer veya OpenMpi kullanın. Dağıtılmış eğitim işleri için IntelMpi kullanın. varsayılan değer: None
conda_dependencies	CondaDependencies Varsayılan False değerinde bırakıldığında, sistem içinde conda_dependenciesbelirtilen paketleri içeren bir Python ortamı oluşturur. True ayarlandığında, python_interpreter ayarıyla mevcut bir Python ortamı belirtilebilir. varsayılan değer: None
auto_prepare_environment Gerekli	bool KALDIRIL -MIŞ. Bu ayar artık kullanılmaz.
command	list[str] veya str Çalıştırma için gönderilecek komut. Komut özelliği betik/bağımsız değişkenler yerine de kullanılabilir. Çalıştırma göndermek için hem komut hem de betik/bağımsız değişken özellikleri birlikte kullanılamaz. Komut dosyasını göndermek için - ['python', 'train.py', '–arg1', arg1_val] Gerçek bir komut çalıştırmak için - ['ls'] varsayılan değer: None
_history_enabled	varsayılan değer: None
_path	varsayılan değer: None
_name	varsayılan değer: None

Açıklamalar

Makine öğrenmesi sistemlerini genellikle belirli bir sorunu çözmek için oluştururuz. Örneğin, bir sorguya karşılık gelen arama sonuçları olarak servis edilebilecek web sayfalarını dereceleyen en iyi modeli bulmak ilgimizi çekebilir. En iyi makine öğrenmesi modeli aramamız farklı algoritmaları denememizi veya farklı parametre ayarlarını düşünmemizi gerektirebilir.

Azure Machine Learning SDK'sında, farklı eğitim çalıştırmalarının çözmeye çalıştıkları sorunla ilgili olduğu kavramını yakalamak için deneme kavramını kullanırız. Ardından, Experiment bu eğitim çalıştırmaları için mantıksal kapsayıcı işlevi görerek eğitim çalıştırmaları arasında ilerleme durumunu izlemeyi, doğrudan iki eğitim çalıştırmasını karşılaştırmayı vb. kolaylaştırır.

RunConfiguration, bir denemede eğitim çalıştırması göndermek için gereken yürütme ortamı ayarlarını kapsüller. Aynı makine öğrenmesi sorununu çözmek için tasarlanan eğitim çalıştırmalarının hem paylaşılan yapısını hem de farklı eğitim çalıştırmalarını birbirinden ayıran yapılandırma parametrelerindeki (ör. öğrenme oranı, kayıp işlevi vb.) farkları yakalar.

Tipik eğitim senaryolarında RunConfiguration, bir ScriptRunConfig RunConfiguration nesnesini ve eğitim için yürütme betiğini bir araya getiren bir nesne oluşturularak kullanılır.

RunConfiguration yapılandırması şunları içerir:

• Gönderilen betik de dahil olmak üzere deneme kaynak dizinini paketleme.

• Gönderilen betik için Komut satırı bağımsız değişkenlerini ayarlama.

• Python yorumlayıcısı için yolu yapılandırma.

• Uygulama bağımlılıklarını yönetmek için conda yapılandırmasını alın. İş gönderme işlemi, geçici bir Conda ortamı sağlamak ve uygulamayı içinde başlatmak için yapılandırmayı kullanabilir. Geçici ortamlar önbelleğe alınır ve sonraki çalıştırmalarda yeniden kullanılır.

• Docker ve özel temel görüntülerin isteğe bağlı kullanımı.

• Denemeyi birden çok Azure işlem türüne gönderme seçeneği isteğe bağlı olarak sunulur.

• Girişleri gerçekleştirmeyi ve çıkışları karşıya yüklemeyi yapılandırmaya yönelik isteğe bağlı seçim.

• Spark ve tensorflow gibi yaygın çalışma zamanları için gelişmiş çalışma zamanı ayarları.

Aşağıdaki örnekte, yerel makinenizde eğitim betiği gönderme işlemi gösterilmektedir.

   from azureml.core import ScriptRunConfig, RunConfiguration, Experiment

   # create or load an experiment
   experiment = Experiment(workspace, "MyExperiment")
   # run a trial from the train.py code in your current directory
   config = ScriptRunConfig(source_directory='.', script='train.py',
       run_config=RunConfiguration())
   run = experiment.submit(config)

Aşağıdaki örnekte, betik ve bağımsız değişkenler yerine komut özelliğini kullanarak kümenizde eğitim betiği gönderme işlemi gösterilmektedir.

   from azureml.core import ScriptRunConfig, Experiment
   # create or load an experiment
   experiment = Experiment(workspace, 'MyExperiment')
   # create or retrieve a compute target
   cluster = workspace.compute_targets['MyCluster']
   # create or retrieve an environment
   env = Environment.get(ws, name='MyEnvironment')
   # configure and submit your training run
   config = ScriptRunConfig(source_directory='.',
                            command=['python', 'train.py', '--arg1', arg1_val],
                            compute_target=cluster,
                            environment=env)
   script_run = experiment.submit(config)

Aşağıdaki örnekte, kümenizde bir komutun nasıl çalıştırılır gösterilmektedir.

   from azureml.core import ScriptRunConfig, Experiment
   # create or load an experiment
   experiment = Experiment(workspace, 'MyExperiment')
   # create or retrieve a compute target
   cluster = workspace.compute_targets['MyCluster']
   # create or retrieve an environment
   env = Environment.get(ws, name='MyEnvironment')
   # configure and submit your training run
   config = ScriptRunConfig(source_directory='.',
                            command=['ls', '-l'],
                            compute_target=cluster,
                            environment=env)
   script_run = experiment.submit(config)

Değişkenler

Name	Description
environment	Environment Ortam tanımı. Bu alan Python ortamını yapılandırıyor. Mevcut bir Python ortamını kullanacak şekilde yapılandırılabilir veya deneme için geçici bir ortam ayarlanacak şekilde yapılandırılabilir. Tanım, gerekli uygulama bağımlılıklarını ayarlamakla da sorumludur.
max_run_duration_seconds	int Çalıştırma için izin verilen en uzun süre. Sistem, bu değerden daha uzun sürerse çalıştırmayı otomatik olarak iptal etmeye çalışır.
node_count	int İş için kullanılacak düğüm sayısı.
priority	int İlke zamanlama işinin önceliği.
history	HistoryConfiguration Deneme geçmişi günlüğe kaydetme özelliklerini devre dışı bırakmak ve etkinleştirmek için kullanılan yapılandırma bölümü.
spark	SparkConfiguration Platform PySpark olarak ayarlandığında, gönderilen iş için varsayılan SparkConf'ı ayarlamak için Spark yapılandırma bölümü kullanılır.
hdi	HdiConfiguration HDI yapılandırma bölümü yalnızca hedef bir Azure HDI işlemine ayarlandığında geçerlilik kazanır. HDI Yapılandırması, YARN dağıtım modunu ayarlamak için kullanılır. Varsayılan dağıtım modu kümedir.
docker	DockerConfiguration Docker yapılandırması bölümü, Docker ortamı için değişkenleri ayarlamak için kullanılır.
tensorflow	TensorflowConfiguration Dağıtılmış TensorFlow parametrelerini yapılandırmak için kullanılan yapılandırma bölümü. Bu parametre yalnızca framework TensorFlow ve communicator ParameterServer olarak ayarlandığında geçerlilik kazanır. AmlCompute bu yapılandırma için desteklenen tek işlemdir.
mpi	MpiConfiguration Dağıtılmış MPI iş parametrelerini yapılandırmak için kullanılan yapılandırma bölümü. Bu parametre yalnızca framework python ve communicator OpenMpi veya IntelMpi olarak ayarlandığında geçerlilik kazanır. AmlCompute bu yapılandırma için desteklenen tek işlem türüdür.
pytorch	PyTorchConfiguration Dağıtılmış PyTorch iş parametrelerini yapılandırmak için kullanılan yapılandırma bölümü. Bu parametre yalnızca framework , PyTorch ve communicator Nccl veya Gloo olarak ayarlandığında geçerlilik kazanır. AmlCompute bu yapılandırma için desteklenen tek işlem türüdür.
paralleltask	ParallelTaskConfiguration Dağıtılmış paralleltask iş parametrelerini yapılandırmak için kullanılan yapılandırma bölümü. Bu parametre yalnızca framework , Python ve communicator ParallelTask olarak ayarlandığında geçerlilik kazanır. AmlCompute bu yapılandırma için desteklenen tek işlem türüdür.
data_references	dict[str, DataReferenceConfiguration] Tüm veri kaynakları, her yapılandırmaya göre yürütme sırasında çalıştırılabilir. Sözlüğün her öğesi için anahtar, veri kaynağına verilen bir ad ve değer de DataReferenceConfiguration değeridir.
data	dict[str, Data] Yürütme sırasında çalıştırılabilmesi için tüm veriler.
datacaches	<xref:buildin.list>[DatacacheConfiguration] Yürütme sırasında datacache'i çalıştırma için kullanılabilir hale getirmek için tüm veriler.
output_data	OutputData Bu çalıştırma için yüklenmesi ve izlenmesi gereken tüm çıkışlar.
source_directory_data_store	str Proje paylaşımı için yedekleme veri deposu.
amlcompute	AmlComputeConfiguration Deneme sırasında oluşturulacak işlem hedefinin ayrıntıları. Yapılandırma yalnızca işlem hedefi AmlCompute olduğunda geçerlilik kazanır.
kubernetescompute	KubernetesComputeConfiguration Deneme sırasında kullanılacak işlem hedefinin ayrıntıları. Yapılandırma yalnızca işlem hedefi KubernetesCompute olduğunda geçerlilik kazanır.
services	dict[str, ApplicationEndpointConfiguration] İşlem kaynağıyla etkileşimli uç noktalar. İzin verilen uç noktalar Jupyter, JupyterLab, VS Code, Tensorboard, SSH ve Özel bağlantı noktalarıdır.

Yöntemler

delete	Çalıştırma yapılandırma dosyasını silin. Yapılandırma dosyası bulunamazsa bir UserErrorException oluşturur.
load	Disk üzerindeki bir dosyadan daha önce kaydedilmiş bir çalıştırma yapılandırma dosyasını yükleyin. Bir dosyaya işaret ederse path RunConfiguration bu dosyadan yüklenir. Proje dizini olması gereken bir dizine işaret ederse path RunConfiguration path>/.azureml/<name> veya <path>/aml_config/<name> yolundan <yüklenir.
save	RunConfiguration'ı disk üzerindeki bir dosyaya kaydedin. A UserErrorException şu durumlarda oluşturulur: RunConfiguration belirtilen adla kaydedilemez. Parametre name belirtilmedi. path Parametre geçersiz. dir_path geçerli bir dizin olduğu <dir_path/file_name biçimindeyse<path, RunConfiguration dir_path>/<file_name'a <>kaydedilir.><>> Proje dizini olması gereken bir dizine işaret edersepath, RunConfiguration path>/.azureml/<name> veya <path>/aml_config/<name adresine> kaydedilir<. Bu yöntem, yapılandırmayı el ile düzenlerken veya yapılandırmayı CLI ile paylaşırken yararlıdır.

delete

Çalıştırma yapılandırma dosyasını silin.

Yapılandırma dosyası bulunamazsa bir UserErrorException oluşturur.

static delete(path, name)

Parametreler

Name	Description
path Gerekli	str Kullanıcı çalıştırma yapılandırmaları için kök dizin seçti. Bu genellikle Git Deposu veya Python projesi kök dizinidir. Yapılandırma .azureml adlı bir alt dizinden silinir.
name Gerekli	str Yapılandırma dosyası adı.

Özel durumlar

Tür	Description
UserErrorException

load

Disk üzerindeki bir dosyadan daha önce kaydedilmiş bir çalıştırma yapılandırma dosyasını yükleyin.

Bir dosyaya işaret ederse path RunConfiguration bu dosyadan yüklenir.

Proje dizini olması gereken bir dizine işaret ederse path RunConfiguration path>/.azureml/<name> veya <path>/aml_config/<name> yolundan <yüklenir.

static load(path, name=None)

Parametreler

Name	Description
path Gerekli	str Kullanıcı çalıştırma yapılandırmaları için kök dizin seçti. Bu genellikle Git Deposu veya Python projesi kök dizinidir. Geriye dönük uyumluluk için yapılandırma .azureml veya aml_config alt dizinden de yüklenir. Dosya bu dizinlerde değilse, dosya belirtilen yoldan yüklenir.
name	str Yapılandırma dosyası adı. varsayılan değer: None

Döndürülenler

Tür	Description
RunConfiguration	Çalıştırma yapılandırma nesnesi.

Özel durumlar

Tür	Description
UserErrorException

save

RunConfiguration'ı disk üzerindeki bir dosyaya kaydedin.

A UserErrorException şu durumlarda oluşturulur:

• RunConfiguration belirtilen adla kaydedilemez.

• Parametre name belirtilmedi.

• path Parametre geçersiz.

dir_path geçerli bir dizin olduğu <dir_path/file_name biçimindeyse<path, RunConfiguration dir_path>/<file_name'a <>kaydedilir.><>>

Proje dizini olması gereken bir dizine işaret edersepath, RunConfiguration path>/.azureml/<name> veya <path>/aml_config/<name adresine> kaydedilir<.

Bu yöntem, yapılandırmayı el ile düzenlerken veya yapılandırmayı CLI ile paylaşırken yararlıdır.

save(path=None, name=None, separate_environment_yaml=False)

Parametreler

Name	Description
separate_environment_yaml	bool Conda ortam yapılandırmasının kaydedilip kaydedilmeyeceğini gösterir. True ise, Conda ortam yapılandırması 'environment.yml' adlı bir YAML dosyasına kaydedilir. varsayılan değer: False
path	str Kullanıcı çalıştırma yapılandırmaları için kök dizin seçti. Bu genellikle Git Deposu veya Python projesi kök dizinidir. Yapılandırma .azureml adlı bir alt dizine kaydedilir. varsayılan değer: None
name	str [Gerekli] Yapılandırma dosyası adı. varsayılan değer: None

Döndürülenler

Tür	Description
None

Özel durumlar

Tür	Description
UserErrorException

Öznitelikler

auto_prepare_environment

parametresini auto_prepare_environment alın. Bu, kullanım dışı ve kullanılmayan bir ayardır.

environment_variables

Çalışma zamanı ortam değişkenleri.

Döndürülenler

Tür	Description
dict[str, str]	Çalışma zamanı değişkenleri

target

İşin yürütülmesi için zamanlandığı işlem hedefini alın.

Varsayılan hedef, yerel makineye başvuran "yerel" hedeftir. Kullanılabilir bulut işlem hedefleri işlevi compute_targetskullanılarak bulunabilir.

Döndürülenler

Tür	Description
str	Hedef adı