AutoMLStep 類別

建立 Azure ML 管線步驟，以封裝自動化 ML 執行。

如需使用 AutoMLStep 的範例，請參閱筆記本 https://aka.ms/pl-automl 。

初始化 AutoMLStep。

繼承

PipelineStep

AutoMLStep

建構函式

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)

參數

名稱	Description
name 必要	str 步驟的名稱。
automl_config 必要	AutoMLConfig AutoMLConfig 物件，定義此 AutoML 執行的組態。
inputs	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]] 輸入埠系結的清單。 預設值: None
outputs	list[Union[PipelineData, OutputPortBinding]] 輸出埠系結的清單。 預設值: None
script_repl_params	dict 要在腳本中取代的選擇性參數，例如 {'param1'： 'value1'， 'param2'： 'value2'}。 預設值: None
allow_reuse	bool 指出當使用相同的設定重新執行時，步驟是否應該重複使用先前的結果。 預設會啟用重複使用。 如果步驟內容 (腳本/相依性) ，以及輸入和參數保持不變，則會重複使用此步驟上一次執行的輸出。 重複使用步驟時，不會提交要計算的作業，則會立即讓任何後續步驟使用上一次執行的結果。 如果您使用 Azure Machine Learning 資料集做為輸入，則重複使用取決於資料集的定義是否已變更，而非基礎資料是否已變更。 預設值: True
version	str 要指派給步驟的版本。 預設值: None
hash_paths	list 已淘汰。 檢查管線步驟內容的變更時，雜湊的路徑清單。 根據預設，中 AutoMLConfig 參數下 path 的所有檔案都會雜湊，但 底下的 path .amlignore 或 .gitignore 所列的檔案除外。 如果沒有偵測到任何變更，管線會重複使用先前執行中的步驟內容。 預設值: None
enable_default_model_output	bool 指出是否要將最佳模型新增為預設輸出。 這可用來在使用 類別完成 AutoMLStepRun 執行之後擷取最佳模型。 請注意，如果不需要預設模型輸出，建議將此參數設定為 False 。 預設值: True
enable_default_metrics_output	bool 指出是否所有子執行計量都會新增為預設輸出。 這可用來在使用 類別完成 AutoMLStepRun 執行之後擷取子執行計量。 請注意，如果不需要預設計量輸出，建議將此參數設定為 False 。 預設值: True
name 必要	str 步驟的名稱。
automl_config 必要	AutoMLConfig 定義此 AutoML 執行的組態的 AutoMLConfig。
inputs 必要	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]] 輸入埠系結的清單。
outputs 必要	list[Union[PipelineData, OutputPortBinding]] 輸出埠系結的清單。
script_repl_params 必要	dict 要在腳本中取代的選擇性參數，例如 {'param1'： 'value1'， 'param2'： 'value2'}。
script_repl_params 必要	要在腳本中取代的選擇性參數。
allow_reuse 必要	bool 指出當使用相同的設定重新執行時，步驟是否應該重複使用先前的結果。 預設會啟用重複使用。 如果步驟內容 (腳本/相依性) ，以及輸入和參數保持不變，則會重複使用此步驟上一次執行的輸出。 重複使用步驟時，不會提交要計算的作業，則會立即讓任何後續步驟使用上一次執行的結果。 如果您使用 Azure Machine Learning 資料集做為輸入，則重複使用取決於資料集的定義是否已變更，而非基礎資料是否已變更。
version 必要	str 要指派給步驟的版本。
hash_paths 必要	list 已淘汰。 檢查管線步驟內容的變更時，雜湊的路徑清單。 根據預設，中 AutoMLConfig 參數下 path 的所有檔案都會雜湊，但 底下的 path .amlignore 或 .gitignore 所列的檔案除外。 如果沒有偵測到任何變更，管線會重複使用先前執行中的步驟內容。
enable_default_model_output 必要	bool 指出是否要將最佳模型新增為預設輸出。 這可用來在使用 類別完成 AutoMLStepRun 執行之後擷取最佳模型。 請注意，如果不需要預設模型輸出，建議將此參數設定為 False 。
enable_default_metrics_output 必要	bool 指出是否所有子執行計量都會新增為預設輸出。 這可用來在使用 類別完成 AutoMLStepRun 執行之後擷取子執行計量。 請注意，如果不需要預設計量輸出，建議將此參數設定為 False 。

備註

透過 AutoMLStep 類別，您可以在 Azure Machine Learning 管線中執行自動化 ML 工作流程。 管線提供優點，例如可重複性、自動執行、版本設定和追蹤，以及自動化 ML 工作流程的模組化。 如需詳細資訊，請參閱 什麼是 Azure Machine Learning 管線？。

當您的自動化 ML 工作流程在管線中時，您可以排程管線以時間為基礎的排程或變更型排程執行。 時間型排程對於監視資料漂移等例行工作很有用，而變更型排程對於不規則或無法預測的變更很有用，例如資料變更時。 例如，您的排程可能會輪詢正在上傳資料的 Blob 存放區，然後在資料變更時再次執行管線，然後在執行完成後註冊新版本的模型。 如需詳細資訊，請參閱 排程機器學習管線 和 從邏輯應用程式觸發機器學習管線的執行。

下列範例示範如何建立 AutoMLStep。

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

完整範例可從 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

下列範例示範如何在 中使用 Pipeline AutoMLStep 物件。

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

完整範例可從 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

上述範例顯示管線中的一個步驟。 不過，在真實世界自動化 ML 工作流程中使用 AutoMLStep 時，您至少有一個管線步驟會在 AutoMLStep 之前執行資料準備，並在該步驟之後執行另一個管線步驟來註冊模型。 如需這類工作流程的範例，請參閱筆記本 https://aka.ms/automl-retrain-pipeline 。

若要管理、檢查狀態，以及從管線執行取得執行詳細資料，請使用 類別 AutoMLStepRun 。

如需 Azure 中自動化機器學習的詳細資訊，請參閱 什麼是自動化機器學習？一文。 如需在沒有使用管線的情況下設定自動化 ML 實驗的詳細資訊，請參閱 在 Python 中設定自動化 ML 實驗一文。

方法

create_node

從這個 AutoML 步驟建立節點，並將 新增至指定的圖形。 這個方法不適合直接使用。 使用此步驟具現化管線時，Azure ML 會自動傳遞透過此方法所需的參數，以便將步驟新增至代表工作流程的管線圖形。

create_node

從這個 AutoML 步驟建立節點，並將 新增至指定的圖形。

這個方法不適合直接使用。 使用此步驟具現化管線時，Azure ML 會自動傳遞透過此方法所需的參數，以便將步驟新增至代表工作流程的管線圖形。

create_node(graph, default_datastore, context)

參數

名稱	Description
graph 必要	Graph 要加入節點的繪圖物件。
default_datastore 必要	Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore] 預設資料存放區。
context 必要	<xref:azureml.pipeline.core._GraphContext> 圖形內容。

傳回

類型	Description
Node	已建立的節點。

屬性

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_'