通过

AutoMLStep 类

  • 参考

创建用于封装自动化机器学习运行的 Azure 机器学习机器学习管道步骤。

有关使用 AutoMLStep 的示例，请参阅笔记本 https://aka.ms/pl-automl。

初始化 AutoMLStep。

继承
PipelineStep
AutoMLStep

构造函数

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)

参数

name
str
必需

步骤的名称。

automl_config
AutoMLConfig
必需

AutoMLConfig 对象，该对象定义此 AutoML 运行的配置。

inputs
list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]]
默认值: None

输入端口绑定的列表。

outputs
list[Union[PipelineData, OutputPortBinding]]
默认值: None

输出端口绑定的列表。

script_repl_params
dict
默认值: None

脚本中要替换的可选参数，例如 {'param1': 'value1', 'param2': 'value2'}。

allow_reuse
bool
默认值: True

指示当使用相同的设置重新运行时，该步骤是否应重用以前的结果。

默认情况下启用重用。 如果步骤内容（脚本/依赖项）以及输入和参数保持不变，则重用此步骤以前运行的输出。 重用该步骤时，不是将作业提交到计算，而是使前一运行的结果立即可供后续步骤使用。 如果使用 Azure 机器学习数据集作为输入，则重用取决于数据集的定义是否已更改，而不是基础数据是否已更改。

version
str
默认值: None

要分配给步骤的版本。

hash_paths
list
默认值: None

已弃用。 检查对管道步骤内容所做的更改时要哈希处理的路径列表。

默认情况下，对 AutoMLConfig 中 path 参数下的所有文件进行哈希处理，path 下 .amlignore 或 .gitignore 中列出的文件除外。 如果未检测到更改，则管道将重用前一运行中的步骤内容。

enable_default_model_output
bool
默认值: True

指示是否将最佳模型添加为默认输出。 这可用于在使用 AutoMLStepRun 类完成运行后检索最佳模型。 请注意，如果不需要默认模型输出，建议将此参数设置为 False。

enable_default_metrics_output
bool
默认值: True

指示是否将所有子运行指标添加为默认输出。 这可用于在运行完成后使用 AutoMLStepRun 类检索子运行指标。 请注意，如果不需要默认指标输出，建议将此参数设置为 False。

name
str
必需

步骤的名称。

automl_config
AutoMLConfig
必需

定义此 AutoML 运行的配置的 AutoMLConfig。

inputs
list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]]
必需

输入端口绑定的列表。

outputs
list[Union[PipelineData, OutputPortBinding]]
必需

输出端口绑定的列表。

script_repl_params
dict
必需

脚本中要替换的可选参数，例如 {'param1': 'value1', 'param2': 'value2'}。

script_repl_params
必需

脚本中要替换的可选参数。

allow_reuse
bool
必需

指示当使用相同的设置重新运行时，该步骤是否应重用以前的结果。

默认情况下启用重用。 如果步骤内容（脚本/依赖项）以及输入和参数保持不变，则重用此步骤以前运行的输出。 重用该步骤时，不是将作业提交到计算，而是使前一运行的结果立即可供后续步骤使用。 如果使用 Azure 机器学习数据集作为输入，则重用取决于数据集的定义是否已更改，而不是基础数据是否已更改。

version
str
必需

要分配给步骤的版本。

hash_paths
list
必需

已弃用。 检查对管道步骤内容所做的更改时要哈希处理的路径列表。

默认情况下，对 AutoMLConfig 中 path 参数下的所有文件进行哈希处理，path 下 .amlignore 或 .gitignore 中列出的文件除外。 如果未检测到更改，则管道将重用前一运行中的步骤内容。

enable_default_model_output
bool
必需

指示是否将最佳模型添加为默认输出。 这可用于在使用 AutoMLStepRun 类完成运行后检索最佳模型。 请注意，如果不需要默认模型输出，建议将此参数设置为 False。

enable_default_metrics_output
bool
必需

指示是否将所有子运行指标添加为默认输出。 这可用于在运行完成后使用 AutoMLStepRun 类检索子运行指标。 请注意，如果不需要默认指标输出，建议将此参数设置为 False。

注解

使用 AutoMLStep 类，可以在 Azure 机器学习管道中运行自动化机器学习工作流。 Pipelines 自动化机器学习工作流提供可重复性、无人参与运行、版本控制与跟踪以及模块化等优势。 有关详细信息，请参阅什么是 Azure 机器学习管道。

当自动化机器学习工作流位于管道中时，可以将管道计划为按基于时间或更改的计划运行。 基于时间的计划适用于监视数据偏移等日常任务，而基于更改的计划适用于不规则或不可预知的更改，例如数据更改时。 例如，计划可能会轮询要上传数据的 Blob 存储，然后在数据发生更改时再次运行管道，然后在运行完成后注册模型的新版本。 有关详细信息，请参阅计划机器学习管道和从逻辑应用触发机器学习管道运行。

以下示例说明了如何创建 AutoMLStep。


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

完整示例可从 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 获取

下面的示例演示了如何在 Pipeline 中使用 AutoMLStep 对象。


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

完整示例可从 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 获取

上面的示例显示了管道中的一个步骤。 但是，在真实的自动化机器学习工作流中使用 AutoMLStep 时，将至少有一个管道步骤在 AutoMLStep 之前执行数据准备，在注册模型后执行另一个管道步骤。 有关此类工作流的示例，请参阅笔记本 https://aka.ms/automl-retrain-pipeline。

若要管理、检查状态以及从管道运行获取运行详细信息，请使用 AutoMLStepRun 类。

有关 Azure 中自动化机器学习的详细信息，请参阅什么是自动化机器学习？一文。 有关在不使用管道的情况下设置自动化机器学习试验的信息，请参阅在 Python 中配置自动化机器学习试验一文。

方法

create_node

从此 AutoML 步骤创建节点并将其添加到给定的关系图中。

此方法不能直接使用。 通过此步骤实例化管道时，Azure 机器学习会自动通过此方法传递所需的参数，以便可以将步骤添加到表示工作流的管道图形中。

create_node

从此 AutoML 步骤创建节点并将其添加到给定的关系图中。

此方法不能直接使用。 通过此步骤实例化管道时，Azure 机器学习会自动通过此方法传递所需的参数，以便可以将步骤添加到表示工作流的管道图形中。

create_node(graph, default_datastore, context)

参数

graph
Graph
必需

要添加节点的图形对象。

default_datastore
Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]
必需

默认数据存储。

context
<xref:azureml.pipeline.core._GraphContext>
必需

图形上下文。

返回

创建的节点。

返回类型

Node

属性

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_'