AutoMLStep Sınıf

Başvuru

Otomatik ml çalıştırması kapsülleyen bir Azure ML İşlem Hattı adımı oluşturur.

AutoMLStep kullanma örneği için not defterine https://aka.ms/pl-automlbakın.

AutoMLStep'i başlatın.

Devralma: PipelineStep

AutoMLStep

Oluşturucu

AutoMLStep(name, automl_config, inputs=None, outputs=None, script_repl_params=None, allow_reuse=True, version=None, hash_paths=None, enable_default_model_output=True, enable_default_metrics_output=True, **kwargs)

Parametreler

Name	Description
name Gerekli	str Adımın adı.
automl_config Gerekli	AutoMLConfig Bu AutoML çalıştırmasının yapılandırmasını tanımlayan bir AutoMLConfig nesnesi.
inputs	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]] Giriş bağlantı noktası bağlamalarının listesi. Default value: None
outputs	list[Union[PipelineData, OutputPortBinding]] Çıkış bağlantı noktası bağlamalarının listesi. Default value: None
script_repl_params	dict Bir betikte değiştirilecek isteğe bağlı parametreler, örneğin {'param1': 'value1', 'param2': 'value2'}. Default value: None
allow_reuse	bool Aynı ayarlarla yeniden çalıştırıldığında adımın önceki sonuçları yeniden kullanıp kullanmayacağını gösterir. Yeniden kullan özelliği varsayılan olarak etkindir. Adım içeriği (betikler/bağımlılıklar) ve girişler ve parametreler değişmeden kalırsa, bu adımın önceki çalıştırmasından elde edilen çıkış yeniden kullanılır. Adımı yeniden kullanırken, işi hesaplamaya göndermek yerine, önceki çalıştırmanın sonuçları sonraki adımlarda hemen kullanılabilir hale gelir. Giriş olarak Azure Machine Learning veri kümelerini kullanıyorsanız, yeniden kullanım, temel alınan verilerin değişip değişmediğine değil, veri kümesinin tanımının değişip değişmediğine göre belirlenir. Default value: True
version	str Adıma atanacak sürüm. Default value: None
hash_paths	list KALDIRIL -MIŞ. İşlem hattı adımı içeriğinde yapılan değişiklikler denetlenirken karmaya giden yolların listesi. Varsayılan olarak, içindeki AutoMLConfig parametresinin `path` altındaki tüm dosyalar, altında .amlignore veya .gitignore `path`içinde listelenen dosyalar dışında karma olarak kullanılır. Hiçbir değişiklik algılanırsa, işlem hattı önceki çalıştırmanın adım içeriğini yeniden kullanır. Default value: None
enable_default_model_output	bool En iyi modelin varsayılan çıkış olarak eklenip eklenmeyeceğini gösterir. Bu, sınıfını kullanarak AutoMLStepRun çalıştırma tamamlandıktan sonra en iyi modeli almak için kullanılabilir. Varsayılan model çıkışı gerekli değilse, bu parametrenin `False`olarak ayarlanması önerilir. Default value: True
enable_default_metrics_output	bool Tüm alt çalıştırma ölçümlerinin varsayılan çıkış olarak eklenip eklenmeyeceğini gösterir. Bu, sınıfı kullanılarak AutoMLStepRun çalıştırma tamamlandıktan sonra alt çalıştırma ölçümlerini almak için kullanılabilir. Varsayılan ölçüm çıkışı gerekli değilse, bu parametrenin `False`olarak ayarlanması önerilir. Default value: True
name Gerekli	str Adımın adı.
automl_config Gerekli	AutoMLConfig Bu AutoML çalıştırmasının yapılandırmasını tanımlayan bir AutoMLConfig.
inputs Gerekli	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]] Giriş bağlantı noktası bağlamalarının listesi.
outputs Gerekli	list[Union[PipelineData, OutputPortBinding]] Çıkış bağlantı noktası bağlamalarının listesi.
script_repl_params Gerekli	dict Bir betikte değiştirilecek isteğe bağlı parametreler, örneğin {'param1': 'value1', 'param2': 'value2'}.
script_repl_params Gerekli	Betikte değiştirilecek isteğe bağlı parametreler.
allow_reuse Gerekli	bool Aynı ayarlarla yeniden çalıştırıldığında adımın önceki sonuçları yeniden kullanıp kullanmayacağını gösterir. Yeniden kullan özelliği varsayılan olarak etkindir. Adım içeriği (betikler/bağımlılıklar) ve girişler ve parametreler değişmeden kalırsa, bu adımın önceki çalıştırmasından elde edilen çıkış yeniden kullanılır. Adımı yeniden kullanırken, işi hesaplamaya göndermek yerine, önceki çalıştırmanın sonuçları sonraki adımlarda hemen kullanılabilir hale gelir. Giriş olarak Azure Machine Learning veri kümelerini kullanıyorsanız, yeniden kullanım, temel alınan verilerin değişip değişmediğine değil, veri kümesinin tanımının değişip değişmediğine göre belirlenir.
version Gerekli	str Adıma atanacak sürüm.
hash_paths Gerekli	list KALDIRIL -MIŞ. İşlem hattı adımı içeriğinde yapılan değişiklikler denetlenirken karmaya giden yolların listesi. Varsayılan olarak, içindeki AutoMLConfig parametresinin `path` altındaki tüm dosyalar, altında .amlignore veya .gitignore `path`içinde listelenen dosyalar dışında karma olarak kullanılır. Hiçbir değişiklik algılanırsa, işlem hattı önceki çalıştırmanın adım içeriğini yeniden kullanır.
enable_default_model_output Gerekli	bool En iyi modelin varsayılan çıkış olarak eklenip eklenmeyeceğini gösterir. Bu, sınıfını kullanarak AutoMLStepRun çalıştırma tamamlandıktan sonra en iyi modeli almak için kullanılabilir. Varsayılan model çıkışı gerekli değilse, bu parametrenin `False`olarak ayarlanması önerilir.
enable_default_metrics_output Gerekli	bool Tüm alt çalıştırma ölçümlerinin varsayılan çıkış olarak eklenip eklenmeyeceğini gösterir. Bu, sınıfı kullanılarak AutoMLStepRun çalıştırma tamamlandıktan sonra alt çalıştırma ölçümlerini almak için kullanılabilir. Varsayılan ölçüm çıkışı gerekli değilse, bu parametrenin `False`olarak ayarlanması önerilir.

Açıklamalar

AutoMLStep sınıfıyla otomatik ML iş akışınızı bir Azure Machine Learning işlem hattında çalıştırabilirsiniz. İşlem hatları, otomatik ML iş akışınız için yinelenebilirlik, katılımsız çalıştırmalar, sürüm oluşturma ve izleme ve modülerlik gibi avantajlar sağlar. Daha fazla bilgi için bkz. Azure Machine Learning işlem hatları nedir?.

Otomatik ML iş akışınız bir işlem hattında olduğunda, işlem hattını zamana dayalı bir zamanlamaya veya değişiklik tabanlı bir zamanlamaya göre çalışacak şekilde zamanlayabilirsiniz. Zamana bağlı zamanlamalar veri kayması izleme gibi rutin görevler için, değişiklik tabanlı zamanlamalar ise veri değişiklikleri gibi düzensiz veya öngörülemeyen değişiklikler için kullanışlıdır. Örneğin, zamanlamanız verilerin karşıya yüklendiği blob deposunu yoklayabilir ve veriler değişirse işlem hattını yeniden çalıştırabilir ve çalıştırma tamamlandıktan sonra modelin yeni sürümünü kaydedebilir. Daha fazla bilgi için bkz. Makine öğrenmesi işlem hatlarını zamanlama ve Logic App'ten Machine Learning işlem hattının çalıştırılmasını tetikleme.

Aşağıdaki örnekte AutoMLStep'in nasıl oluşturulacağı gösterilmektedir.


   automl_step = AutoMLStep(
       name='automl_module',
       automl_config=automl_config,
       outputs=[metrics_data, model_data],
       allow_reuse=True)

Tam örnek şu kaynaktan edinilebilir: https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-with-automated-machine-learning-step.ipynb

Aşağıdaki örnekte, içinde AutoMLStep nesnesinin nasıl kullanılacağı gösterilmektedir Pipeline.


   from azureml.pipeline.core import Pipeline
   pipeline = Pipeline(
       description="pipeline_with_automlstep",
       workspace=ws,
       steps=[automl_step])

Yukarıdaki örnekte işlem hattındaki bir adım gösterilmektedir. Ancak, AutoMLStep'i gerçek dünya otomatik ML iş akışında kullanırken, AutoMLStep'in öncesinde veri hazırlamayı gerçekleştiren en az bir işlem hattı adımınız ve modeli kaydettikten sonra başka bir işlem hattı adımınız olur. Bu tür bir iş akışı için not defterine https://aka.ms/automl-retrain-pipelinebakın.

İşlem hattı çalıştırmasını yönetmek, durumu denetlemek ve çalıştırma ayrıntılarını almak için sınıfını AutoMLStepRun kullanın.

Azure'da otomatik makine öğrenmesi hakkında daha fazla bilgi için Otomatik makine öğrenmesi nedir? makalesine bakın. İşlem hattı kullanmadan otomatik ML denemesi ayarlama hakkında daha fazla bilgi için Python'da otomatik ML denemesini yapılandırma makalesine bakın.

Yöntemler

create_node

Bu AutoML adımından bir düğüm oluşturun ve verilen grafiğe ekleyin.

Bu yöntemin doğrudan kullanılması amaçlanmamıştır. Bu adımla bir işlem hattı örneği oluşturulduğunda, Azure ML bu yöntem aracılığıyla gerekli parametreleri otomatik olarak geçirir, böylece adım iş akışını temsil eden bir işlem hattı grafiğine eklenebilir.

create_node

Bu AutoML adımından bir düğüm oluşturun ve verilen grafiğe ekleyin.

create_node(graph, default_datastore, context)

Parametreler

Name	Description
graph Gerekli	Graph Düğümün ekleneceği grafik nesnesi.
default_datastore Gerekli	Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore] Varsayılan veri deposu.
context Gerekli	<xref:azureml.pipeline.core._GraphContext> Graf bağlamı.

Döndürülenler

Tür	Description
Node	Oluşturulan düğüm.

Öznitelikler

AUTOML_CONFIG_PARAM_NAME

AUTOML_CONFIG_PARAM_NAME = 'AutoMLConfig'

DEFAULT_METRIC_PREFIX

DEFAULT_METRIC_PREFIX = 'default_metrics_'

DEFAULT_MODEL_PREFIX

DEFAULT_MODEL_PREFIX = 'default_model_'

Aracılığıyla paylaş

AutoMLStep Sınıf

Oluşturucu

Parametreler

Açıklamalar

Yöntemler

create_node

Parametreler

Döndürülenler

Öznitelikler

AUTOML_CONFIG_PARAM_NAME

DEFAULT_METRIC_PREFIX

DEFAULT_MODEL_PREFIX

Geri Bildirim

Ek kaynaklar