EstimatorStep Sınıf

KALDIRIL -MIŞ. Azure ML model eğitimi için çalıştırılacak Estimator bir işlem hattı adımı oluşturur.

Machine Learning model eğitimi için Estimator'ı çalıştırmak için bir Azure ML İşlem Hattı adımı oluşturun.

KALDIRIL -MIŞ. Bunun yerine öğesini CommandStep kullanın. Örnek için bkz. CommandStep ile işlem hatlarında ML eğitimini çalıştırma.

Devralma

PythonScriptStep

EstimatorStep

Oluşturucu

EstimatorStep(name=None, estimator=None, estimator_entry_script_arguments=None, runconfig_pipeline_params=None, inputs=None, outputs=None, compute_target=None, allow_reuse=True, version=None)

Parametreler

Name	Description
name	str Adımın adı. Default value: None
estimator	Estimator Bu adım için ilişkili tahmin aracı nesnesi. , , PyTorchTensorFlowveya SKLearngibi Chainerönceden yapılandırılmış bir tahmin aracı olabilir. Default value: None
estimator_entry_script_arguments	list[str] [Gerekli] Komut satırı bağımsız değişkenlerinin listesi. Tahmin Aracı'nın giriş betiği komut satırı bağımsız değişkenlerini kabul etmiyorsa, bu parametre değerini boş bir listeye ayarlayın. Default value: None
runconfig_pipeline_params	dict[str, PipelineParameter] Her biri runconfig özelliğinin adı ve bu özellik için PipelineParameter olan anahtar-değer çiftleri kullanılarak çalışma zamanında runconfig özelliklerinin geçersiz kılınma. Desteklenen değerler: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount' Default value: None
inputs	list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig]] Kullanılacak girişlerin listesi. Default value: None
outputs	list[Union[PipelineData, OutputDatasetConfig, PipelineOutputAbstractDataset]] PipelineData nesnelerinin listesi. Default value: None
compute_target	Union[DsvmCompute, AmlCompute, RemoteCompute, str] [Gerekli] Kullanılacak işlem hedefi. 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 Modülün işlev değişikliğini belirtmek için isteğe bağlı bir sürüm etiketi. Default value: None
name Gerekli	str Adımın adı.
estimator Gerekli	<xref:Estimator> Bu adım için ilişkili tahmin aracı nesnesi. , , PyTorchTensorFlowveya SKLearngibi Chainerönceden yapılandırılmış bir tahmin aracı olabilir.
estimator_entry_script_arguments Gerekli	[str] [Gerekli] Komut satırı bağımsız değişkenlerinin listesi. Tahmin Aracı'nın giriş betiği komut satırı bağımsız değişkenlerini kabul etmiyorsa, bu parametre değerini boş bir listeye ayarlayın.
runconfig_pipeline_params Gerekli	dict[str, PipelineParameter] Her biri runconfig özelliğinin adı ve bu özellik için PipelineParameter olan anahtar-değer çiftleri kullanılarak çalışma zamanında runconfig özelliklerinin geçersiz kılınma. Desteklenen değerler: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount'
inputs Gerekli	list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig, PipelineOutputTabularDataset, PipelineOutputFileDataset]] Kullanılacak girişlerin listesi.
outputs Gerekli	list[Union[PipelineData, PipelineOutputAbstractDataset] PipelineData nesnelerinin listesi.
compute_target Gerekli	Union[DsvmCompute, AmlCompute, RemoteCompute, str] [Gerekli] Kullanılacak işlem hedefi.
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 sürüm

Açıklamalar

Nesnede Estimator kullanılan giriş betiğine yönelik bağımsız değişkenlerin, bir EstimatorStep örneği oluştururken parametresi kullanılarak estimator_entry_script_argumentsliste olarak belirtilmesi gerektiğini unutmayın. Estimator parametresi script_params bir sözlüğü kabul eder. Ancak, estimator_entry_script_argument parametre bağımsız değişkenleri liste olarak bekler.

EstimatorStep başlatma işlemi, parametresiyle bir giriş listesi belirtmeyi inputs içerir ve Tahmin Aracı ile girişleri belirtmeniz gerekmez; bunu yaparsanız bir özel durum oluşturulur. İzin verilen giriş türleri için lütfen parametresine bakın inputs . ayrıca isteğe bağlı olarak adım için herhangi bir çıkış belirtebilirsiniz. İzin verilen çıkış türleri için lütfen parametresine bakın outputs .

EstimatorStep ile çalışmak için en iyi uygulama, betikler ve adımla ilişkili bağımlı dosyalar için ayrı bir klasör kullanmak ve bu klasörü nesnenin Estimatorsource_directoryolarak belirtmektir. Bunu yapmanın iki avantajı vardır. İlk olarak, adım için oluşturulan anlık görüntünün boyutunu azaltmaya yardımcı olur çünkü yalnızca adım için gerekli olan anlık görüntü oluşturulur. İkinci olarak, snaphot'un yeniden yüklenmesini tetikleyecek bir değişiklik source_directory olmadığında önceki çalıştırmadan alınan adım çıktısı yeniden kullanılabilir.

Yöntemler

create_node

Tahmin Aracı adımından bir düğüm oluşturun ve bunu belirtilen grafiğe ekleyin. KALDIRIL -MIŞ. Bunun yerine öğesini CommandStep kullanın. Örnek için bkz. CommandStep ile işlem hatlarında ML eğitimini çalıştırma. 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

Tahmin Aracı adımından bir düğüm oluşturun ve bunu belirtilen grafiğe ekleyin.

KALDIRIL -MIŞ. Bunun yerine öğesini CommandStep kullanın. Örnek için bkz. CommandStep ile işlem hatlarında ML eğitimini çalıştırma.

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(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.