hyperdrive Paket

Hiper parametre ayarlamayı destekleyen modüller ve sınıflar içerir.

Hiper parametreler, eğitim sürecine yol gösteren model eğitimi için seçtiğiniz ayarlanabilir parametrelerdir. HyperDrive paketi, bu parametreleri seçmeyi otomatikleştirmenize yardımcı olur. Örneğin, parametre arama alanını ayrık veya sürekli olarak ve arama alanı üzerinde rastgele, kılavuz veya Bayes dili olarak bir örnekleme yöntemi tanımlayabilirsiniz. Ayrıca, hiper parametre ayarlama denemesinde iyileştirme yapmak için bir birincil ölçüm belirtebilir ve bu ölçümün en aza indirilip küçültülmeyeceğini veya en üst düzeye çıkarılıp büyütülmeyeceğini belirtebilirsiniz. Ayrıca, kötü performans gösteren deneme çalıştırmalarının iptal edileceği ve yenilerinin başlatıldığı erken sonlandırma ilkeleri tanımlayabilirsiniz. HyperDrive için yeniden kullanılabilir bir makine öğrenmesi iş akışı tanımlamak üzere komutunu kullanarak hyper_drive_step oluşturun Pipeline.

Modül

error_definition	HyperDrive SDK'sı için hata kodu tanımları.
error_strings	HyperDrive SDK'sı genelinde kullanılan hata dizeleri koleksiyonu.
exceptions	HyperDrive tarafından oluşan özel durumlar.
parameter_expressions	Hiper parametre arama alanını açıklamak için HyperDrive'da kullanılabilecek işlevleri tanımlar. Bu işlevler farklı hiper parametre dağılımı türlerini belirtmek için kullanılır. Dağıtımlar, hiper parametre süpürme için örneklemeyi yapılandırdığınızda tanımlanır. Örneğin, sınıfını kullandığınızda RandomParameterSampling , bir dizi ayrık değerden veya sürekli değerlerin dağılımından örnek almayı seçebilirsiniz. Bu durumda, işlevini kullanarak choice ayrık bir değer kümesi ve uniform sürekli değerlerin dağılımını oluşturmak için işlev oluşturabilirsiniz. Bu işlevleri kullanma örnekleri için öğreticiye bakın: https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters.

Sınıflar

BanditPolicy	Bolluk ölçütlerine ve değerlendirme için bir sıklık ve gecikme aralığına dayalı bir erken sonlandırma ilkesi tanımlar. Slack faktörü, slack_amount ve değerlendirme aralığı ile bir BanditPolicy başlatın.
BayesianParameterSampling	Hiper parametre arama alanı üzerinden Bayes örneklemesini tanımlar. Bayes örneklemesi, önceki örneklerin nasıl performans sergilediğine bağlı olarak bir sonraki hiper parametre örneğini akıllı bir şekilde seçmeyi dener; böylece yeni örnek bildirilen birincil ölçümü geliştirir. BayesianParameterSampling'i başlatın.
EarlyTerminationPolicy	Tüm erken sonlandırma ilkeleri için soyut temel sınıf. Erken sonlandırma ilkesi başlatın.
GridParameterSampling	Hiper parametre arama alanı üzerinden kılavuz örneklemeyi tanımlar. GridParameterSampling'i başlatın.
HyperDriveConfig	HyperDrive çalıştırması tanımlayan yapılandırma. HyperDrive yapılandırması hiper parametre alanı örneklemesi, sonlandırma ilkesi, birincil ölçüm, yapılandırmadan sürdürme, tahmin aracı ve deneme çalıştırmalarının yürütülmesi için işlem hedefi hakkında bilgi içerir. HyperDriveConfig'i başlatın.
HyperDriveRun	HyperDriveRun, gönderilen bir HyperDrive denemesinin ayrıntılarını içerir. Bu sınıf, HyperDrive çalıştırması ve oluşturulan alt çalıştırmaların her biri için çalıştırma ayrıntılarını yönetmek, denetlemek ve almak için kullanılabilir. Bir HyperDrive çalıştırması başlatın.
HyperDriveRunConfig	HyperDrive çalıştırması tanımlayan yapılandırma. Yapılandırma, deneme çalıştırmalarını yürütmek için parametre alanı örnekleme, sonlandırma ilkesi, birincil ölçüm, tahmin aracı ve işlem hedefi hakkında bilgi içerir. HyperDriveConfig'i başlatın.
HyperParameterSampling	Tüm hiper parametre örnekleme algoritmaları için soyut temel sınıf. Bu sınıf hiper parametre alanını, örnekleme yöntemini ve türetilmiş örnekleme sınıfları için ek özellikleri kapsüller: BayesianParameterSampling, GridParameterSamplingve RandomParameterSampling. HyperParameterSampling'i başlatın.
MedianStoppingPolicy	Tüm çalıştırmaların birincil ölçümünün çalıştırma ortalamalarını temel alan bir erken sonlandırma ilkesi tanımlar. MedianStoppingPolicy'yi başlatın.
NoTerminationPolicy	Erken sonlandırma ilkesinin uygulanmadığını belirtir. Her çalıştırma tamamlanıncaya kadar yürütülür. NoTerminationPolicy'yi başlatın.
RandomParameterSampling	Hiper parametre arama alanı üzerinden rastgele örneklemeyi tanımlar. RandomParameterSampling'i başlatın.
TruncationSelectionPolicy	Her değerlendirme aralığında belirli bir çalıştırma yüzdesini iptal eden bir erken sonlandırma ilkesi tanımlar. TruncationSelectionPolicy'yi başlatın.

Numaralandırmalar

PrimaryMetricGoal

Hiper parametre ayarı için desteklenen ölçüm hedeflerini tanımlar. Ölçüm hedefi, ölçüm için daha yüksek bir değerin daha iyi mi yoksa daha kötü mü olduğunu belirlemek için kullanılır. Ölçüm hedefleri, birincil ölçüme göre çalıştırmalar karşılaştırılırken kullanılır. Örneğin, doğruluğu en üst düzeye çıkarmak veya hatayı en aza indirmek isteyebilirsiniz. Birincil ölçüm adı ve hedefi, HyperDrive çalıştırmasını HyperDriveConfig yapılandırdığınızda sınıfında belirtilir.

İşlevler

choice

Örnek almak için ayrı bir seçenek kümesi belirtin.

choice(*options)

Parametreler

Name	Description
options Gerekli	list Aralarından seçim yapabileceğiniz seçeneklerin listesi.

Döndürülenler

Tür	Description
list	Stokastik ifade.

lognormal

exp(normal(mu, sigma)) değerine göre çizilmiş bir değer belirtin.

Dönüş değerinin logaritması normalde dağıtılır. İyi duruma getirildiğinde, bu değişken pozitif olacak şekilde kısıtlanır.

lognormal(mu, sigma)

Parametreler

Name	Description
mu Gerekli	float Normal dağılımın ortalaması.
sigma Gerekli	float Normal dağılımın standart sapması.

Döndürülenler

Tür	Description
list	Stokastik ifade.

loguniform

Günlük tekdüzen dağıtım belirtin.

Değer, dönüş değerinin logaritmasının tekdüzen olarak dağıtıldığı şekilde exp(tekdüzen(min_value, max_value)) değerine göre çizilir. İyi duruma getirildiğinde, bu değişken [exp(min_value), exp(max_value)] aralığıyla kısıtlanır.

loguniform(min_value, max_value)

Parametreler

Name	Description
min_value Gerekli	float Aralıktaki en küçük değer exp(min_value)(dahil) olacaktır.
max_value Gerekli	float Aralıktaki en büyük değer exp(max_value) (dahil) olacaktır.

Döndürülenler

Tür	Description
list	Stokastik ifade.

normal

Normal olarak ortalama mu ve standart sapma sigması ile dağıtılan gerçek bir değer belirtin.

İyi duruma getirildiğinde, bu kısıtlanmamış bir değişkendir.

normal(mu, sigma)

Parametreler

Name	Description
mu Gerekli	float Normal dağılımın ortalaması.
sigma Gerekli	float normal dağılımın standart sapması.

Döndürülenler

Tür	Description
list	Stokastik ifade.

qlognormal

Round(exp(normal(mu, sigma)) / q) * q gibi bir değer belirtin.

Hedefin düzgün olduğu ve bir taraftan sınırlanan değişkenin boyutuyla daha yumuşak olduğu ayrık bir değişken için uygundur.

qlognormal(mu, sigma, q)

Parametreler

Name	Description
mu Gerekli	float Normal dağılımın ortalaması.
sigma Gerekli	float Normal dağılımın standart sapması.
q Gerekli	int Düzeltme faktörü.

Döndürülenler

Tür	Description
list	Stokastik ifade.

qloguniform

Formun yuvarlak (exp(uniform(min_value, max_value) / q) * q şeklindeki tekdüzen dağılımını belirtin.

Bu, hedefin "düzgün" olduğu ve değerin boyutuyla daha yumuşak olduğu ancak hem yukarıda hem de aşağıda sınırlanması gereken ayrık bir değişken için uygundur.

qloguniform(min_value, max_value, q)

Parametreler

Name	Description
min_value Gerekli	float Aralıktaki en küçük değer (dahil).
max_value Gerekli	float Aralıktaki en büyük değer (dahil).
q Gerekli	int Düzeltme faktörü.

Döndürülenler

Tür	Description
list	Stokastik ifade.

qnormal

Round(normal(mu, sigma) / q) * q gibi bir değer belirtin.

Muhtemelen mu çevresinde bir değer alan ancak temelde ilişkisiz olan ayrık bir değişken için uygundur.

qnormal(mu, sigma, q)

Parametreler

Name	Description
mu Gerekli	float Normal dağılımın ortalaması.
sigma Gerekli	float Normal dağılımın standart sapması.
q Gerekli	int Düzeltme faktörü.

Döndürülenler

Tür	Description
list	Stokastik ifade.

quniform

Formun yuvarlak (tekdüzen(min_value, max_value) / q) * q şeklindeki tekdüzen dağılımını belirtin.

Bu, hedefin hala biraz "pürüzsüz" olduğu ancak hem yukarıda hem de aşağıda sınırlanması gereken ayrık bir değer için uygundur.

quniform(min_value, max_value, q)

Parametreler

Name	Description
min_value Gerekli	float Aralıktaki en küçük değer (dahil).
max_value Gerekli	float Aralıktaki en büyük değer (dahil).
q Gerekli	int Düzeltme faktörü.

Döndürülenler

Tür	Description
list	Stokastik ifade.

randint

[0, üst) aralığında rastgele bir tamsayı kümesi belirtin.

Bu dağılımın semantiği, yakın tamsayı değerleri arasındaki kayıp işlevinde daha uzak tamsayı değerleriyle karşılaştırıldığında daha fazla bağıntı olmamasıdır. Bu, örneğin rastgele tohumları tanımlamak için uygun bir dağılımdır. Kayıp işlevi yakındaki tamsayı değerleriyle büyük olasılıkla daha bağıntılıysa kuniform, qloguniform, qloguniform, qnormal veya qlognormal gibi "nicelenmiş" sürekli dağılımlardan birini kullanmanız gerekir.

randint(upper)

Parametreler

Name	Description
upper Gerekli	int Tamsayı aralığı için dışlayıcı üst sınır.

Döndürülenler

Tür	Description
list	Stokastik ifade.

uniform

Örneklerin alındığı tekdüzen bir dağıtım belirtin.

uniform(min_value, max_value)

Parametreler

Name	Description
min_value Gerekli	float Aralıktaki en küçük değer (dahil).
max_value Gerekli	float Aralıktaki en büyük değer (dahil).

Döndürülenler

Tür	Description
list	Stokastik ifade.