TrainingOutput 类
定义某些 PipelineSteps 的专用输出,以在管道中使用。
TrainingOutput 使自动化机器学习指标或模型作为步骤输出可用,供 Azure 机器学习管道中的另一个步骤使用。 可与 AutoMLStep 或 HyperDriveStep 一起使用。
初始化 TrainingOutput。
param model_file:要包含在输出中的特定模型文件。 仅适用于 HyperDriveStep。
- 继承
-
builtins.objectTrainingOutput
构造函数
TrainingOutput(type, iteration=None, metric=None, model_file=None)
参数
名称 | 说明 |
---|---|
type
必需
|
训练输出的类型。 可能的值包括:“Metrics”“Model”。 |
iteration
|
对应训练模型的迭代次数。
此迭代次数只能与类型“Model”一起提供。
提供 默认值: None
|
metric
|
用于返回最佳训练模型的指标。
只能将此指标与类型“Model”一起提供。
提供 默认值: None
|
model_file
|
要包含在输出中的特定模型文件。 仅适用于 HyperDriveStep。 默认值: None
|
type
必需
|
训练输出的类型。 可能的值包括:“Metrics”“Model”。 |
iteration
必需
|
对应训练模型的迭代次数。
此迭代次数只能与类型“Model”一起提供。
提供 |
metric
必需
|
用于返回最佳训练模型的指标。
只能将此指标与类型“Model”一起提供。
提供 |
注解
构造 Pipeline 时,TrainingOutput 与 PipelineData 一起使用,以使其他步骤能够使用 AutoMLStep 或 HyperDriveStep 生成的指标或模型。
定义 AutoMLStep 时,请使用 TrainingOutput,如下所示:
from azureml.pipeline.core import PipelineData, TrainingOutput
metrics_data = PipelineData(name='metrics_data', datastore=ds,
pipeline_output_name='metrics_output',
training_output=TrainingOutput(type='Metrics'))
model_data = PipelineData(name='model_data', datastore=ds,
pipeline_output_name='best_model_output',
training_output=TrainingOutput(type='Model'))
automl_step = AutoMLStep(name='automl_step',
automl_config=automl_config,
inputs=[input_data],
outputs=[metrics_data, model_data])
请参阅使用 TrainingOutput 和笔记本 https://aka.ms/pl-automl 中的 AutoMlStep 步骤的示例。
属性
iteration
metric
model_file
type
反馈
https://aka.ms/ContentUserFeedback。
即将发布:在整个 2024 年,我们将逐步淘汰作为内容反馈机制的“GitHub 问题”,并将其取代为新的反馈系统。 有关详细信息,请参阅:提交和查看相关反馈