TensorFlow Sınıf

TensorFlow denemelerinde eğitim için bir tahmin aracını temsil eder.

KALDIRIL -MIŞ. ScriptRunConfig Nesnesini kendi tanımlı ortamınızla veya Azure ML TensorFlow seçilmiş ortamlarından biriyle kullanın. ScriptRunConfig ile TensorFlow deneme çalıştırmalarını yapılandırmaya giriş için bkz. Azure Machine Learning ile TensorFlow modellerini uygun ölçekte eğitin.

Desteklenen sürümler: 1.10, 1.12, 1.13, 2.0, 2.1, 2.2

TensorFlow tahmin aracı başlatın.

Docker çalıştırma başvurusu. :type shm_size: str :p aram resume_from: Denemenin sürdürüldiği denetim noktasını veya model dosyalarını içeren veri yolu. :type resume_from: azureml.data.datapath.DataPath :p aram max_run_duration_seconds: Çalıştırma için izin verilen en uzun süre. Azure ML otomatik olarak

bu değerden daha uzun sürerse çalıştırmayı iptal edin.

Devralma

azureml.train.estimator._framework_base_estimator._FrameworkBaseEstimator

TensorFlow

Oluşturucu

TensorFlow(source_directory, *, compute_target=None, vm_size=None, vm_priority=None, entry_script=None, script_params=None, node_count=1, process_count_per_node=1, worker_count=1, parameter_server_count=1, distributed_backend=None, distributed_training=None, use_gpu=False, use_docker=True, custom_docker_base_image=None, custom_docker_image=None, image_registry_details=None, user_managed=False, conda_packages=None, pip_packages=None, conda_dependencies_file_path=None, pip_requirements_file_path=None, conda_dependencies_file=None, pip_requirements_file=None, environment_variables=None, environment_definition=None, inputs=None, source_directory_data_store=None, shm_size=None, resume_from=None, max_run_duration_seconds=None, framework_version=None, _enable_optimized_mode=False, _disable_validation=True, _show_lint_warnings=False, _show_package_warnings=False)

Parametreler

Name	Description
source_directory Gerekli	str Deneme yapılandırma dosyalarını içeren yerel dizin.
compute_target Gerekli	AbstractComputeTarget veya str Eğitimin gerçekleşeceği işlem hedefi. Bu bir nesne veya "local" dizesi olabilir.
vm_size Gerekli	str Eğitim için oluşturulacak işlem hedefinin VM boyutu. Desteklenen değerler: Herhangi bir Azure VM boyutu.
vm_priority Gerekli	str Eğitim için oluşturulacak işlem hedefinin VM önceliği. Belirtilmezse , 'dedicated' kullanılır. Desteklenen değerler:'dedicated' ve 'lowpriority'. Bu yalnızca vm_size param girişte belirtildiğinde geçerlilik kazanır.
entry_script Gerekli	str Eğitim betiğini içeren dosyanın göreli yolu.
script_params Gerekli	dict içinde belirtilen entry_scripteğitim betiğine geçirilebilir komut satırı bağımsız değişkenlerinin sözlüğü.
node_count Gerekli	int Eğitim için kullanılan işlem hedefindeki düğüm sayısı. AmlCompute Dağıtılmış eğitim için yalnızca hedef desteklenir (node_count> 1).
process_count_per_node Gerekli	int MPI kullanılırken düğüm başına işlem sayısı.
worker_count Gerekli	int Dağıtılmış eğitim için Parametre Sunucusu kullanılırken çalışan düğümlerinin sayısı. KALDIRIL -MIŞ. parametresinin distributed_training bir parçası olarak belirtin.
parameter_server_count Gerekli	int Dağıtılmış eğitim için Parametre Sunucusu kullanılırken, parametre sunucu düğümlerinin sayısı.
distributed_backend Gerekli	str Dağıtılmış eğitim için iletişim arka ucu. KALDIRIL -MIŞ. parametresini distributed_training kullanın. Desteklenen değerler: 'mpi' ve 'ps'. 'mpi' MPI/Horovod'ı, 'ps' ise Parametre Sunucusunu temsil eder. Bu parametre, herhangi bir node_count, process_count_per_node, worker_countveya parameter_server_count> 1 olduğunda gereklidir. 'ps' durumunda ve parameter_server_count toplamının * değerinden worker_count küçük veya eşit node_count olması gerekir (düğüm başına CPU veya GPU sayısı) == 1 ve process_count_per_node == 1 olduğunda node_count , arka uç açıkça ayarlanmadığı sürece arka uç kullanılmaz. AmlCompute Dağıtılmış eğitim için yalnızca hedef desteklenir.
distributed_training Gerekli	ParameterServer veya Mpi Dağıtılmış eğitim işini çalıştırma parametreleri. Parametre Sunucusu arka ucu ile dağıtılmış bir iş çalıştırmak için ve parameter_server_countbelirtmek worker_count için nesnesini kullanınParameterServer. ve parameter_server_count parametrelerinin worker_count toplamı * değerinden küçük veya buna eşit node_count olmalıdır (düğüm başına CPU veya GPU sayısı). MPI arka ucu ile dağıtılmış bir iş çalıştırmak için nesnesini kullanarak Mpi belirtin process_count_per_node.
use_gpu Gerekli	bool Denemeyi çalıştıracak ortamın GPU'ları destekleyip desteklemeymeyeceğini belirtir. True ise, ortamda GPU tabanlı varsayılan docker görüntüsü kullanılır. False ise CPU tabanlı bir görüntü kullanılır. Varsayılan docker görüntüleri (CPU veya GPU) yalnızca parametre ayarlanmadıysa custom_docker_image kullanılır. Bu ayar yalnızca Docker özellikli işlem hedeflerinde kullanılır.
use_docker Gerekli	bool Denemenin çalıştırıldığı ortamın Docker tabanlı olup olmayacağını belirtir.
custom_docker_base_image Gerekli	str Eğitim için kullanılacak görüntünün oluşturulacağı Docker görüntüsünün adı. KALDIRIL -MIŞ. parametresini custom_docker_image kullanın. Ayarlanmadıysa, temel görüntü olarak varsayılan CPU tabanlı görüntü kullanılır.
custom_docker_image Gerekli	str Eğitim için kullanılacak görüntünün oluşturulacağı Docker görüntüsünün adı. Ayarlanmadıysa, temel görüntü olarak varsayılan CPU tabanlı görüntü kullanılır.
image_registry_details Gerekli	ContainerRegistry Docker görüntü kayıt defterinin ayrıntıları.
user_managed Gerekli	bool Azure ML'nin mevcut python ortamını yeniden kullanıp kullanmayacağını belirtir. False ise, Azure ML conda bağımlılıkları belirtimini temel alan bir Python ortamı oluşturur.
conda_packages Gerekli	list Deneme için Python ortamına eklenecek conda paketlerini temsil eden dizelerin listesi.
pip_packages Gerekli	list Deneme için Python ortamına eklenecek pip paketlerini temsil eden dizelerin listesi.
conda_dependencies_file_path Gerekli	str Conda bağımlılıkları yaml dosyasının göreli yolunu temsil eden bir dize. Belirtilirse, Azure ML çerçeveyle ilgili hiçbir paketi yüklemez. KALDIRIL -MIŞ. parametresini conda_dependencies_file kullanın.
pip_requirements_file_path Gerekli	str Pip gereksinimleri metin dosyasının göreli yolunu temsil eden bir dize. Bu, parametresiyle birlikte pip_packages sağlanabilir. KALDIRIL -MIŞ. parametresini pip_requirements_file kullanın.
conda_dependencies_file Gerekli	str Conda bağımlılıkları yaml dosyasının göreli yolunu temsil eden bir dize. Belirtilirse, Azure ML çerçeveyle ilgili hiçbir paketi yüklemez.
pip_requirements_file Gerekli	str Pip gereksinimleri metin dosyasının göreli yolunu temsil eden bir dize. Bu, parametresiyle birlikte pip_packages sağlanabilir.
environment_variables Gerekli	dict Ortam değişkenlerinin adlarını ve değerlerini içeren bir sözlük. Bu ortam değişkenleri, kullanıcı betiğinin yürütüldüğü işlemde ayarlanır.
environment_definition Gerekli	Environment Denemenin ortam tanımı. PythonSection, DockerSection ve ortam değişkenlerini içerir. Diğer parametreler aracılığıyla Estimator yapısına doğrudan sunulmayan tüm ortam seçenekleri bu parametre kullanılarak ayarlanabilir. Bu parametre belirtilirse, , custom_docker_image, conda_packagesveya pip_packagesgibi use_gpuortamla ilgili diğer parametrelerden önceliklidir. Bu geçersiz birleşimlerde hatalar bildirilir.
inputs Gerekli	list Giriş olarak kullanılacak veya DatasetConsumptionConfig nesnelerinin DataReference listesi.
source_directory_data_store Gerekli	Datastore Proje paylaşımı için yedekleme veri deposu.
shm_size Gerekli	str Docker kapsayıcısının paylaşılan bellek bloğunun boyutu. Ayarlanmadıysa, varsayılan azureml.core.environment._DEFAULT_SHM_SIZE kullanılır. Daha fazla bilgi için bkz. Docker çalıştırma başvurusu.
resume_from Gerekli	DataPath Denemenin sürdürüldiği denetim noktası veya model dosyalarını içeren veri yolu.
max_run_duration_seconds Gerekli	int Çalıştırma için izin verilen en uzun süre. Azure ML, bu değerden daha uzun sürerse çalıştırmayı otomatik olarak iptal etmeye çalışır.
framework_version Gerekli	str Eğitim kodunu yürütmek için kullanılacak TensorFlow sürümü. Sürüm sağlanmazsa tahmin aracı varsayılan olarak Azure ML tarafından desteklenen en son sürüme ayarlanır. Geçerli Azure ML SDK'sını destekleyen tüm sürümlerin listesini almak için bir liste döndürmek için kullanın TensorFlow.get_supported_versions() .
source_directory Gerekli	str Deneme yapılandırma dosyalarını içeren yerel dizin.
compute_target Gerekli	AbstractComputeTarget veya str Eğitimin gerçekleşeceği işlem hedefi. Bu bir nesne veya "local" dizesi olabilir.
vm_size Gerekli	str Eğitim için oluşturulacak işlem hedefinin VM boyutu. Desteklenen değerler: Herhangi bir Azure VM boyutu.
vm_priority Gerekli	str Eğitim için oluşturulacak işlem hedefinin VM önceliği. Belirtilmezse , 'dedicated' kullanılır. Desteklenen değerler:'dedicated' ve 'lowpriority'. Bu yalnızca vm_size param girişte belirtildiğinde geçerlilik kazanır.
entry_script Gerekli	str Eğitim betiğini içeren dosyanın göreli yolu.
script_params Gerekli	dict içinde belirtilen entry_scripttne eğitim betiğine geçirilebilir komut satırı bağımsız değişkenlerinin sözlüğü.
node_count Gerekli	int Eğitim için kullanılan işlem hedefindeki düğüm sayısı. AmlCompute Dağıtılmış eğitim için yalnızca hedef desteklenir (node_count> 1).
process_count_per_node Gerekli	int MPI kullanırken düğüm başına işlem sayısı.
worker_count Gerekli	int Parametre Sunucusu kullanılırken çalışan düğümlerinin sayısı. KALDIRIL -MIŞ. parametresinin distributed_training bir parçası olarak belirtin.
parameter_server_count Gerekli	int Parametre Sunucusu kullanılırken, parametre sunucusu düğümlerinin sayısı.
distributed_backend Gerekli	str Dağıtılmış eğitim için iletişim arka ucu. KALDIRIL -MIŞ. parametresini distributed_training kullanın. Desteklenen değerler: 'mpi' ve 'ps'. 'mpi' MPI/Horovod'ı, 'ps' ise Parametre Sunucusunu temsil eder. Bu parametre , , process_count_per_nodeworker_countveya parameter_server_count> 1'in herhangi biri node_countolduğunda gereklidir. 'ps' durumunda ve parameter_server_count toplamının * değerinden worker_count küçük veya eşit node_count olması gerekir (düğüm başına CPU veya GPU sayısı) == 1 ve process_count_per_node == 1 olduğunda node_count , arka uç açıkça ayarlanmadığı sürece arka uç kullanılmaz. AmlCompute Dağıtılmış eğitim için yalnızca hedef desteklenir. dağıtılmış eğitim için desteklenir.
distributed_training Gerekli	ParameterServer veya Mpi Dağıtılmış eğitim işini çalıştırmaya yönelik parametreler. Parametre Sunucusu arka ucuyla dağıtılmış bir işi çalıştırmak için ve parameter_server_countbelirtmek worker_count için nesnesini kullanınParameterServer. ve parametrelerinin worker_count toplamı * değerinden parameter_server_count küçük veya buna eşit node_count olmalıdır (düğüm başına CPU veya GPU sayısı). MPI arka ucuyla dağıtılmış bir işi çalıştırmak için belirtmek üzere process_count_per_nodenesnesini kullanınMpi.
use_gpu Gerekli	bool Denemeyi çalıştıracak ortamın GPU'ları destekleyip desteklemeymeyeceğini belirtir. Doğruysa, ortamda GPU tabanlı varsayılan bir Docker görüntüsü kullanılır. False ise CPU tabanlı bir görüntü kullanılır. Varsayılan docker görüntüleri (CPU veya GPU) yalnızca parametre ayarlanmadıysa custom_docker_image kullanılır. Bu ayar yalnızca Docker özellikli işlem hedeflerinde kullanılır.
use_docker Gerekli	bool Denemenin çalıştırıldığı ortamın Docker tabanlı olup olmayacağını belirtir.
custom_docker_base_image Gerekli	str Eğitim için kullanılacak görüntünün oluşturulacağı Docker görüntüsünün adı. KALDIRIL -MIŞ. parametresini custom_docker_image kullanın. Ayarlanmadıysa, temel görüntü olarak varsayılan CPU tabanlı bir görüntü kullanılır.
custom_docker_image Gerekli	str Eğitim için kullanılacak görüntünün oluşturulacağı Docker görüntüsünün adı. Ayarlanmadıysa, temel görüntü olarak varsayılan CPU tabanlı bir görüntü kullanılır.
image_registry_details Gerekli	ContainerRegistry Docker görüntü kayıt defterinin ayrıntıları.
user_managed Gerekli	bool Azure ML'nin mevcut bir Python ortamını yeniden kullanıp kullanmayacağını belirtir. False ise, Azure ML conda bağımlılıkları belirtimini temel alan bir Python ortamı oluşturur.
conda_packages Gerekli	list Deneme için Python ortamına eklenecek conda paketlerini temsil eden dizelerin listesi.
pip_packages Gerekli	list Deneme için Python ortamına eklenecek pip paketlerini temsil eden dizelerin listesi.
conda_dependencies_file_path Gerekli	str Conda bağımlılıkları yaml dosyasının göreli yolu. Belirtilirse, Azure ML çerçeveyle ilgili paket yüklemez. KALDIRIL -MIŞ. parametresini conda_dependencies_file kullanın.
pip_requirements_file_path Gerekli	str Pip gereksinimleri metin dosyasının göreli yolu. Bu, parametresiyle birlikte pip_packages sağlanabilir. KALDIRIL -MIŞ. parametresini pip_requirements_file kullanın.
environment_variables Gerekli	dict Ortam değişkenlerinin adlarını ve değerlerini içeren bir sözlük. Bu ortam değişkenleri, kullanıcı betiğinin yürütüldüğü işlemde ayarlanır.
conda_dependencies_file Gerekli	str Conda bağımlılıkları yaml dosyasının göreli yolunu temsil eden bir dize. Belirtilirse, Azure ML çerçeveyle ilgili paket yüklemez.
pip_requirements_file Gerekli	str Pip gereksinimleri metin dosyasının göreli yolu. Bu, parametresiyle birlikte pip_packages sağlanabilir.
environment_variables Gerekli	Ortam değişkenlerinin adlarını ve değerlerini içeren bir sözlük. Bu ortam değişkenleri, kullanıcı betiğinin yürütüldüğü işlemde ayarlanır.
environment_definition Gerekli	Environment Denemenin ortam tanımı. PythonSection, DockerSection ve ortam değişkenlerini içerir. Diğer parametreler aracılığıyla Estimator yapısına doğrudan sunulmayan herhangi bir ortam seçeneği bu parametre kullanılarak ayarlanabilir. Bu parametre belirtilirse, , custom_docker_image, conda_packagesveya pip_packagesgibi use_gpuortamla ilgili diğer parametrelerden önceliklidir. Bu geçersiz birleşimlerde hatalar bildirilir.
inputs Gerekli	list azureml.data.data_reference listesi. Giriş olarak kullanılacak DataReference nesneleri.
source_directory_data_store Gerekli	str Proje paylaşımı için yedekleme veri deposu.
shm_size Gerekli	Docker kapsayıcısının paylaşılan bellek bloğunun boyutu. Ayarlanmadıysa, varsayılan değer azureml.core.environment._DEFAULT_SHM_SIZE. Daha fazla bilgi için bkz.
framework_version Gerekli	str Eğitim kodunu yürütmek için kullanılacak TensorFlow sürümü. Sürüm sağlanmazsa tahmin aracı varsayılan olarak Azure ML tarafından desteklenen en son sürüme ayarlanır. Geçerli Azure ML SDK'sını destekleyen tüm sürümlerin listesini almak üzere bir liste döndürmek için TensorFlow.get_supported_versions() kullanın.
_enable_optimized_mode Gerekli	bool Daha hızlı ortam hazırlığı için önceden oluşturulmuş çerçeve görüntüleriyle artımlı ortam derlemesini etkinleştirin. Önceden oluşturulmuş bir çerçeve görüntüsü, çerçeve bağımlılıklarının önceden yüklenmiş olduğu Azure ML varsayılan CPU/GPU temel görüntülerinin üzerine kurulmuştur.
_disable_validation Gerekli	bool Göndermeyi çalıştırmadan önce betik doğrulamayı devre dışı bırakın. Varsayılan değer True'dur.
_show_lint_warnings Gerekli	bool Betik lint uyarılarını göster. Varsayılan değer False'tur.
_show_package_warnings Gerekli	bool Paket doğrulama uyarılarını göster. Varsayılan değer False'tur.

Açıklamalar

Eğitim işi gönderirken Azure ML betiğinizi Docker kapsayıcısı içindeki conda ortamında çalıştırır. TensorFlow kapsayıcılarında aşağıdaki bağımlılıklar yüklüdür.

Bağımlılıklar | TensorFlow 1.10/1.12 | TensorFlow 1.13 | TF 2.0/2.1/2.2 | ———————————— | ——————– | ————— | —————— | Python | 3.6.2 | 3.6.2 | 3.6.2 | CUDA (yalnızca GPU görüntüsü) | 9.0 | 10.0 | 10.0 | cuDNN (yalnızca GPU görüntüsü) | 7.6.3 | 7.6.3 | 7.6.3 | NCCL (yalnızca GPU görüntüsü) | 2.4.8 | 2.4.8 | 2.4.8 | azureml-defaults | En Son | En Son | En Son | azureml-dataset-runtime[fuse,pandas] | En Son | En Son | En Son | IntelMpi | 2018.3.222 | 2018.3.222 | —- | OpenMpi | —- | —- | 3.1.2 | horovod | 0.15.2 | 0.16.1 | 0.18.1/0.19.1/0.19.5 | miniconda | 4.5.11 | 4.5.11 | 4.5.11 | tensorflow | 1.10.0/1.12.0 | 1.13.1 | 2.0.0/2.1.0/2.2.0 | git | 2.7.4 | 2.7.4 | 2.7.4 |

v1 Docker görüntüleri Ubuntu 16.04'ü genişletir. v2 Docker görüntüleri Ubuntu 18.04'ü genişletir.

Ek bağımlılıkları yüklemek için veya conda_packages parametresini pip_packages kullanabilirsiniz. Veya parametresini pip_requirements_fileconda_dependencies_file belirtebilirsiniz. Alternatif olarak, kendi görüntünüzü oluşturabilir ve parametresini custom_docker_image tahmin aracı oluşturucusununa geçirebilirsiniz.

TensorFlow eğitiminde kullanılan Docker kapsayıcıları hakkında daha fazla bilgi için bkz https://github.com/Azure/AzureML-Containers. .

TensorFlow sınıfı iki dağıtılmış eğitim yöntemini destekler:

• MPI tabanlı dağıtılmış eğitimi kullanarak

  Horovod çerçevesi

• Yerel dağıtılmış TensorFlow

Dağıtılmış eğitimde TensorFlow kullanma hakkında örnekler ve daha fazla bilgi için Azure Machine Learning ile TensorFlow modellerini uygun ölçekte eğitma ve kaydetme öğreticisine bakın.

Öznitelikler

DEFAULT_VERSION

DEFAULT_VERSION = '1.13'

FRAMEWORK_NAME

FRAMEWORK_NAME = 'TensorFlow'