你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

配置和提交训练作业

适用于：Python SDK azureml v1

本文介绍如何配置和提交 Azure 机器学习作业以训练模型。 代码片段说明了配置和提交训练脚本的关键部分。 然后，使用其中一个示例笔记本查找完整的端到端工作示例。

训练时，通常先在本地计算机上启动，然后再横向扩展到基于云的群集。 使用 Azure 机器学习，你可以在各种计算目标上运行脚本，而无需更改训练脚本。

只需在脚本作业配置中为每个计算目标定义环境即可。 若之后想要在不同的计算目标上运行训练实验，则可以指定该计算的作业配置。

先决条件

• 如果没有 Azure 订阅，请在开始操作前先创建一个免费帐户。 立即试用 Azure 机器学习的免费版或付费版
• 适用于 Python 的 Azure 机器学习 SDK (v1) (>= 1.13.0)
• Azure 机器学习工作区ws
• 计算目标 my_compute_target。 创建计算目标

什么是脚本运行配置？

ScriptRunConfig 用于配置试验过程中提交训练作业时所需的信息。

使用 ScriptRunConfig 对象提交训练实验。 此对象包含：

• source_directory：包含训练脚本的源目录
• script：要运行的训练脚本
• compute_target：要在其上运行的计算目标
• environment：运行脚本时要使用的环境
• 一些其他的可配置选项（有关详细信息，请参阅参考文档）

训练模型

对于所有类型的计算目标，用于提交训练作业的代码模式都是相同的：

1. 创建要运行的试验
2. 创建运行脚本的环境
3. 创建 ScriptRunConfig，它指定计算目标和环境
4. 提交作业
5. 等待作业完成

或者可以：

• 提交用于超参数优化的 HyperDrive 运行。
• 通过 VS Code 扩展提交试验。

创建试验

在工作区中创建试验。 试验是一种轻型容器，可帮助组织作业提交和跟踪代码。

适用于：Python SDK azureml v1

from azureml.core import Experiment

experiment_name = 'my_experiment'
experiment = Experiment(workspace=ws, name=experiment_name)

选择计算目标

选择要在其中运行训练脚本的计算目标。 如果 ScriptRunConfig 中未指定任何计算目标，或者 compute_target='local'，则 Azure 机器学习会在本地执行脚本。

本文中的示例代码假设你已创建了“先决条件”部分的计算目标 my_compute_target。

注意

• 不支持将 Azure Databricks 作为用于模型训练的计算目标。 可以使用 Azure Databricks 执行数据准备和部署任务。
• 若要在启用了 Azure Arc 的 Kubernetes 群集上创建和附加用于训练的计算目标，请参阅配置已启用 Azure Arc 的机器学习

创建环境

Azure 机器学习环境是（机器学习训练发生于其中的）环境的封装。 此类学习环境会指定与训练和评分脚本有关的 Python 包、Docker 映像、环境变量和软件设置。 它们还指定运行时（Python、Spark 或 Docker）。

你可以定义自己的环境，也可以使用 Azure 机器学习特选环境。 特选环境是默认情况下在工作区中可用的预定义环境。 这些环境由缓存的 Docker 映像支持，降低了作业准备成本。 有关可用特选环境的完整列表，请参阅 Azure 机器学习特选环境。

对于远程计算目标，可以从使用以下常用特选环境之一开始：

适用于：Python SDK azureml v1

from azureml.core import Workspace, Environment

ws = Workspace.from_config()
myenv = Environment.get(workspace=ws, name="AzureML-Minimal")

有关环境的更多信息和细节，请参阅在 Azure 机器学习中创建和使用软件环境。

本地计算目标

如果计算目标是本地计算机，你需要负责确保所有必需的包在脚本运行于的 Python 环境中可用。 使用 python.user_managed_dependencies 来使用当前的 Python 环境（或指定路径上的 Python）。

适用于：Python SDK azureml v1

from azureml.core import Environment

myenv = Environment("user-managed-env")
myenv.python.user_managed_dependencies = True

# You can choose a specific Python environment by pointing to a Python path 
# myenv.python.interpreter_path = '/home/johndoe/miniconda3/envs/myenv/bin/python'

创建脚本作业配置

你已拥有计算目标（my_compute_target，请参阅先决条件）和环境（myenv，请参阅创建环境），现在可创建脚本作业配置，以运行位于 project_folder 目录中的训练脚本 (train.py)：

适用于：Python SDK azureml v1

from azureml.core import ScriptRunConfig

src = ScriptRunConfig(source_directory=project_folder,
                      script='train.py',
                      compute_target=my_compute_target,
                      environment=myenv)

如果你未指定环境，系统会为你创建一个默认环境。

如果要将命令行参数传递给训练脚本，则可以通过 ScriptRunConfig 构造函数的 arguments 参数来指定这些参数，例如 arguments=['--arg1', arg1_val, '--arg2', arg2_val]。

如果要替代允许用于作业的默认最长时间，可以通过 max_run_duration_seconds 参数来实现。 如果运行时间超过此值，系统会尝试自动取消作业。

指定分布式作业配置

若要运行分布式训练作业，请为 distributed_job_config 参数提供分布式作业特定配置。 支持的配置类型包括 MpiConfiguration、TensorflowConfiguration 和 PyTorchConfiguration。

有关运行 Horovod、TensorFlow 和 PyTorch 分布式作业的详细信息和示例，请参阅：

• Azure 上深度学习模型的分布式训练

提交试验

适用于：Python SDK azureml v1

run = experiment.submit(config=src)
run.wait_for_completion(show_output=True)

重要

提交训练作业时，将创建包含训练脚本的目录的快照，并将其发送到计算目标。 目录快照也作为试验的一部分存储在工作区中。 如果更改文件并再次提交作业，只会上传已更改的文件。

为了防止在快照中包含不必要的文件，请在目录中创建 ignore 文件（.gitignore 或 .amlignore）。 将要排除的文件和目录添加到此文件中。 有关此文件中使用的语法的详细信息，请参阅 .gitignore 的语法和模式。 .amlignore 文件使用相同的语法。 如果同时存在这两个文件，则会使用 .amlignore 文件，不会使用 .gitignore 文件。

有关快照的详细信息，请参阅快照。

重要

特殊文件夹两个文件夹 outputs 和 logs 接收 Azure 机器学习的特殊处理。 在训练期间，如果将文件写入相对于根目录（分别为 ./outputs 和 ./logs）的名为 outputs 和 logs 的文件夹，则会将这些文件自动上传到作业历史记录，以便在完成作业后可对其进行访问。

要在训练期间创建项目（如模型文件、检查点、数据文件或绘制的图像），请将其写入 ./outputs 文件夹。

同样，可以将训练作业中的任何日志写入 ./logs 文件夹。 要利用 Azure 机器学习的 TensorBoard 集成，请确保将 TensorBoard 日志写入此文件夹。 正在作业时，可以启动 TensorBoard 并流式传输这些日志。 稍后，还能够从任何先前的作业中还原日志。

例如，要在远程训练作业后将写入 outputs 文件夹的文件下载到本地计算机：run.download_file(name='outputs/my_output_file', output_file_path='my_destination_path')

Git 跟踪与集成

如果启动训练作业（其中源目录为本地 Git 存储库），则存储库的相关信息会存储在作业历史记录中。 有关详细信息，请参阅 Azure 机器学习的 Git 集成。

Notebook 示例

有关配置各种训练方案的作业的示例，请参阅以下笔记本：

• 对各种计算目标的训练
• 使用 ML 框架进行训练
• tutorials/img-classification-part1-training.ipynb

阅读使用 Jupyter 笔记本探索此服务一文，了解如何运行笔记本。

疑难解答

• AttributeError: "RoundTripLoader" 对象没有属性 "comment_handling"：此错误来自 ruamel-yaml（一个 azureml-core 依赖项）的新版本 (v0.17.5)，该版本引入了对 azureml-core 的中断性变更。 若要修复此错误，请卸载 ruamel-yaml，方法是运行 pip uninstall ruamel-yaml 并安装另一版本的 ruamel-yaml；支持的版本为 v0.15.35 到 v0.17.4（含）。 为此，可以运行 pip install "ruamel-yaml>=0.15.35,<0.17.5"。

• 作业失败并出现 jwt.exceptions.DecodeError：确切的错误消息：jwt.exceptions.DecodeError: It is required that you pass in a value for the "algorithms" argument when calling decode()。

  请考虑升级到 azureml-core 的最新版本：pip install -U azureml-core。

  If。 你在本地作业中遇到此问题，请检查在启动作业的环境中 安装的 PyJWT 的版本。 受支持的 PyJWT 的版本是低于 2.0.0 的版本。 如果版本不低于 2.0.0，请从环境中卸载 PyJWT。 可以检查 PyJWT 的版本，卸载，然后安装正确的版本，如下所述：

  1. 启动命令 shell，激活安装了 azureml-core 的 conda 环境。
  2. 输入 pip freeze 并查找 PyJWT，如果找到，则列出的版本应低于 2.0.0
  3. 如果列出的版本不受支持，请在命令行界面中使用 pip uninstall PyJWT，并输入 y 进行确认。
  4. 使用 pip install 'PyJWT<2.0.0' 进行安装

  If。 你要随作业提交用户创建的环境，请考虑在该环境中使用 azureml-core 的最新版本。 不低于 1.18.0 版的 azureml-core 已经固定为使用低于 2.0.0 的 PyJWT。 如果需要在提交的环境中使用低于 1.18.0 版的 azureml-core，请确保在 pip 依赖项中指定低于 2.0.0 版的 PyJWT。

• ModuleErrors（没有命名的模块）：如果 你在 Azure 机器学习中提交试验时遇到 ModuleErrors，则训练脚本需要安装某个包，但并未添加该包。 你提供包名称后，Azure 机器学习在用于训练作业的环境中安装该包。

  If。 你使用估算器提交试验，则可以根据要从哪个源安装包，通过估算器中的 pip_packages 或 conda_packages 参数指定包名称。 还可以使用 conda_dependencies_file 指定包含所有依赖项的 yml 文件，或使用 pip_requirements_file 参数列出 txt 文件中的所有 pip 要求。 如果你有自己的 Azure 机器学习环境对象，并且希望替代估算器使用的默认映像，则可以通过估算器构造函数的 environment 参数来指定该环境。

  可以在 Azure 机器学习容器中看到 Azure 机器学习维护的 Docker 映像及其内容。 框架特定的依赖项列在相应的框架文档中：

  • Chainer
  • PyTorch
  • TensorFlow
  • SKLearn

  注意

  如果你认为某个特定的包比较常用，需要添加到 Azure 机器学习维护的映像和环境中，请在 Azure 机器学习容器中提出 GitHub 问题。

• NameError（未定义名称）、AttributeError（对象没有属性） ：此异常应该是训练脚本引发的。 可以在 Azure 门户中查看日志文件，以获取有关未定义特定名称或属性错误的详细信息。 在 SDK 中，可以使用 run.get_details() 来查看错误消息。 这还会列出针对作业生成的所有日志文件。 在重新提交作业之前，请务必检查训练脚本并修复错误。

• 作业或试验删除：可以通过以下方式将试验存档：使用 Experiment.archive 方法，或者使用 Azure 机器学习工作室客户端“试验”选项卡视图中的“存档试验”按钮。 执行此操作后，在列出查询和视图时将隐藏该试验，但不会将其删除。

  目前不支持永久删除各个试验或作业。 有关删除工作区资产的详细信息，请参阅导出或删除机器学习服务工作区数据。

• 指标文档太大：对于一次性可从训练作业记录的指标对象大小，Azure 机器学习施加了内部限制。 如果在记录列表值指标时遇到“指标文档太大”错误，请尝试将列表拆分为较小的区块，例如：

  run.log_list("my metric name", my_metric[:N])
  run.log_list("my metric name", my_metric[N:])
  

  在内部，Azure 机器学习会将具有相同指标名称的块串联到一个连续列表中。

• 计算目标启动时间过长：用于计算目标的 Docker 映像是从 Azure 容器注册表 (ACR) 加载的。 在默认情况下，Azure 机器学习会创建一个使用“基本”服务层级的 ACR。 将工作区的 ACR 更改为“标准”或“高级”层级可能会减少生成和加载映像所需的时间。 有关详细信息，请参阅 Azure 容器注册表服务层级。

后续步骤

• 教程：训练和部署模型使用一个托管计算目标来训练模型。
• 了解如何使用特定的 ML 框架（如 Scikit-learn、TensorFlow 和 PyTorch）来训练模型。
• 若要构建更好的模型，请了解如何高效地优化超参数。
• 训练模型后，了解如何以及在何处部署模型。
• 查看 ScriptRunConfig 类 SDK 参考。
• 通过 Azure 虚拟网络使用 Azure 机器学习