Experiment 类

  • 参考

表示用于在 Azure 机器学习中创建和使用试验的主要入口点。

试验是表示多个模型运行的试用容器。

试验构造函数。

继承
azureml._logging.chained_identity.ChainedIdentity
Experiment
azureml.core._portal.HasExperimentPortal
Experiment

构造函数

Experiment(workspace, name, _skip_name_validation=False, _id=None, _archived_time=None, _create_in_cloud=True, _experiment_dto=None, **kwargs)

参数

workspace
Workspace
必需

包含试验的工作区对象。

name
str
必需

试验名称。

kwargs
dict
必需

关键字参数的字典。

workspace
Workspace
必需

包含试验的工作区对象。

name
str
必需

试验名称。

kwargs
dict
必需

关键字参数的字典。

_skip_name_validation
默认值: False
_id
默认值: None
_archived_time
默认值: None
_create_in_cloud
默认值: True
_experiment_dto
默认值: None

注解

Azure 机器学习试验表示用于验证用户假设的试用集合。

在 Azure 机器学习中，试验由 Experiment 类表示，试用由 Run 类表示。

若要从工作区获取或创建试验，请使用试验名称请求试验。 试验名称必须是 3-36 个字符，以字母或数字开头，并且只能包含字母、数字、下划线和短划线。


   experiment = Experiment(workspace, "MyExperiment")

如果在工作区中找不到试验，则会创建一个新试验。

可通过两种方式执行试验运行。 如果要在 Jupyter Notebook 中以交互方式进行试验，请使用 start_logging，如果要从源代码或一些其他类型的已配置试用中提交实验，请使用 submit

这两种机制都创建一个 Run 对象。 在交互式方案中，使用日志记录方法（如 log）将度量值和指标添加到试验记录。 在配置的方案中，使用状态方法（如 get_status）来检索有关运行的信息。

在这两种情况下，都可以使用查询方法（如 get_metrics）来检索任何试用度量值和指标的当前值（如果有）。

方法

archive

存档试验。
delete

在工作区中删除一个试验。
from_directory

（已弃用）从指定路径加载试验。
get_docs_url

此类的文档的 URL。
get_runs

按时间顺序倒序返回此实验的运行生成器。
list

返回工作区中的试验列表。
reactivate

重新激活已存档的试验。
refresh

从云中返回最新版本的试验。
remove_tags

从试验中删除指定的标记。
set_tags

在试验中添加或修改一组标记。 未在字典中传递的标记保持不变。
start_logging

启动交互式日志记录会话，并在指定的试验中创建交互式运行。
submit

提交试验并返回活动创建的运行。
tag

使用一个字符串键和可选字符串值标记试验。

archive

存档试验。

archive()

注解

存档后，默认情况下不会列出试验。 尝试写入存档的实验将创建一个同名的新活动实验。 只要没有其他同名的活动实验，就可以通过调用 reactivate 来还原存档的实验。

delete

在工作区中删除一个试验。

static delete(workspace, experiment_id)

参数

workspace
Workspace
必需

试验所属的工作区。

experiment_id
必需

要删除的试验的试验 ID。

from_directory

（已弃用）从指定路径加载试验。

static from_directory(path, auth=None)

参数

path
str
必需

包含试验配置文件的目录。

auth
ServicePrincipalAuthentication 或 InteractiveLoginAuthentication
默认值: None

身份验证对象。 如果为 None，则将使用默认的 Azure CLI 凭据，或者 API 将提示输入凭据。

返回

返回试验

返回类型

Experiment

get_docs_url

此类的文档的 URL。

get_docs_url()

返回

URL

返回类型

str

get_runs

按时间顺序倒序返回此实验的运行生成器。

get_runs(type=None, tags=None, properties=None, include_children=False)

参数

type
string
默认值: None

按提供的类型筛选运行的返回的生成器。 请参阅 add_type_provider，了解如何创建运行类型。

tags
string 或 dict
默认值: None

按“tag”或 {"tag": "value"} 筛选运行。

properties
string 或 dict
默认值: None

按 "property" 或 {"property": "value"} 筛选运行

include_children
bool
默认值: False

默认情况下，仅提取顶级运行。 设置为 true 可列出所有运行。

返回

与提供的筛选器匹配的运行列表。

返回类型

list[Run]

list

返回工作区中的试验列表。

static list(workspace, experiment_name=None, view_type='ActiveOnly', tags=None)

参数

workspace
Workspace
必需

要从其中列出试验的工作区。

experiment_name
str
默认值: None

用于筛选试验的可选名称。

view_type
ViewType
默认值: ActiveOnly

用于筛选或包含已存档实验的可选枚举值。

tags
默认值: None

可选的标签键或标签键值对字典，用于筛选实验。

返回

试验对象的列表。

返回类型

list[Experiment]

reactivate

重新激活已存档的试验。

reactivate(new_name=None)

参数

new_name
str
必需

不再受支持

注解

仅当没有另一个同名的活动实验时，才能重新激活存档的实验。

refresh

从云中返回最新版本的试验。

refresh()

remove_tags

从试验中删除指定的标记。

remove_tags(tags)

参数

tags
[str]
必需

将删除的标记键

set_tags

在试验中添加或修改一组标记。 未在字典中传递的标记保持不变。

set_tags(tags)

参数

tags
dict[str]
必需

试验对象中存储的标记

start_logging

启动交互式日志记录会话，并在指定的试验中创建交互式运行。

start_logging(*args, **kwargs)

参数

experiment
Experiment
必需

试验。

outputs
str
必需

要跟踪的可选输出目录。对于无输出，请传递 False。

snapshot_directory
str
必需

要对其拍摄快照的可选目录。 设置为 None 不会创建快照。

args
list
必需
kwargs
dict
必需

返回

返回已启动的运行。

返回类型

Run

注解

start_logging 可创建 Jupyter Notebooks 等方案中使用的交互式运行。 试验中会话期间记录的任何指标都会添加到运行记录中。 如果指定了输出目录，则该目录的内容将在运行完成后作为运行项目上传。


   experiment = Experiment(workspace, "My Experiment")
   run = experiment.start_logging(outputs=None, snapshot_directory=".", display_name="My Run")
   ...
   run.log_metric("Accuracy", accuracy)
   run.complete()

注意

run_id 是针对每次运行自动生成的，并且在试验中是唯一的。

submit

提交试验并返回活动创建的运行。

submit(config, tags=None, **kwargs)

参数

config
object
必需

要提交的配置。

tags
dict
默认值: None

要添加到已提交运行的标记 {"tag": "value"}。

kwargs
dict
必需

提交函数中用于配置的其他参数。

返回

运行。

返回类型

Run

注解

提交是对 Azure 机器学习平台的异步调用，用于在本地或远程硬件上执行试运行。 根据配置，提交将自动准备执行环境、执行代码，以及将源代码和结果捕获到试验的运行历史记录中。

若要提交试验，首先需要创建描述试验运行方法的配置对象。 该配置取决于所需的试用类型。

有关如何从本地计算机提交试验的示例如下所示：


   from azureml.core import ScriptRunConfig

   # run a trial from the train.py code in your current directory
   config = ScriptRunConfig(source_directory='.', script='train.py',
       run_config=RunConfiguration())
   run = experiment.submit(config)

   # get the url to view the progress of the experiment and then wait
   # until the trial is complete
   print(run.get_portal_url())
   run.wait_for_completion()

若要详细了解如何配置运行，请参阅配置类型详细信息。

  • ScriptRunConfig

  • azureml.train.automl.automlconfig.AutoMLConfig

  • azureml.pipeline.core.Pipeline

  • azureml.pipeline.core.PublishedPipeline

  • azureml.pipeline.core.PipelineEndpoint

注意

提交训练运行时，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运行，只会上传已更改的文件。

若要防止在快照中包含文件，请在目录中创建一个 .gitignore 或 .amlignore 文件，然后将文件添加到其中。 .amlignore 文件使用的语法和模式与 .gitignore 文件相同。 如果这两个文件都存在，则 .amlignore 文件的优先级更高。

有关详细信息，请参阅快照。

tag

使用一个字符串键和可选字符串值标记试验。

tag(key, value=None)

参数

key
str
必需

标记键

value
str
必需

标记的可选值

注解

试验中的标记存储在包含字符串键和字符串值的字典中。 可以设置、更新和删除标记。 标记面向用户，通常包含试验使用者的含义信息。


   experiment.tag('')
   experiment.tag('DeploymentCandidate')
   experiment.tag('modifiedBy', 'Master CI')
   experiment.tag('modifiedBy', 'release pipeline') # Careful, tags are mutable

属性

archived_time

返回试验的存档时间。 对于活动试验，值应为“None”。

返回

试验的存档时间。

返回类型

str

id

返回试验的 ID。

返回

试验的 ID。

返回类型

str

name

返回试验的名称。

返回

试验的名称。

返回类型

str

tags

返回实验上可变的标记集。

返回

试验上的标记。

返回类型

dict[str]

workspace

返回包含试验的工作区。

返回

返回工作区对象。

返回类型

Workspace

workspace_object

（已弃用）返回包含试验的工作区。

使用 workspace 属性。

返回

工作区对象。

返回类型

Workspace