TrainingOutput 类

参考

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.object

TrainingOutput

构造函数

TrainingOutput(type, iteration=None, metric=None, model_file=None)

参数

名称	说明
type 必需	str 训练输出的类型。可能的值包括：“Metrics”“Model”。
iteration	int 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 `iteration` 参数或 `metric` 参数，但不能同时提供这两个参数。默认值: None
metric	str 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 `iteration` 参数或 `metric` 参数，但不能同时提供这两个参数。默认值: None
model_file	str 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	str 训练输出的类型。可能的值包括：“Metrics”“Model”。
iteration 必需	int 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 `iteration` 参数或 `metric` 参数，但不能同时提供这两个参数。
metric 必需	str 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 `iteration` 参数或 `metric` 参数，但不能同时提供这两个参数。

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

获取对应训练模型的迭代次数。

类型	说明
int	训练模型的迭代次数。

metric

获取最佳训练模型的指标。

类型	说明
str	最佳训练模型的指标名称。

model_file

获取要包含在输出中的模型文件，以获得最佳训练模型。

类型	说明
str	要包含在最佳训练模型的输出中的特定文件。

type

获取训练输出的类型。

类型	说明
str	训练输出的类型。可能的值包括：“Metrics”“Model”。

通过