Estimator 類別
表示使用任何提供的架構來定型資料的泛型估算器。
已淘汰。 使用 ScriptRunConfig 物件搭配您自己的已定義環境或 Azure ML 策劃環境。 如需使用 ScriptRunConfig 設定實驗執行的簡介,請參閱 設定和提交定型回合。
此類別的設計目的是要搭配尚未設定 Azure Machine Learning 預先設定估算器的機器學習架構使用。 、 PyTorch 、 TensorFlow 和 SKLearn 的 Chainer 預先設定估算器存在。 若要建立未預先設定的估算器,請參閱 使用估算器使用 Azure Machine Learning 定型模型。
Estimator 類別會包裝執行組態資訊,以協助簡化指定腳本執行方式的工作。 它支援單一節點和多節點執行。 執行估算器會在定型腳本中指定的輸出目錄中產生模型。
初始化估算器。
使用azureml.core.environment._DEFAULT_SHM_SIZE。 如需詳細資訊,請參閱 Docker 執行參考。 :type shm_size: str :p aram resume_from:包含要繼續實驗之檢查點或模型檔案的資料路徑。 :type resume_from: azureml.data.datapath.DataPath :p aram max_run_duration_seconds:執行所允許的時間上限。 Azure ML 將嘗試自動嘗試
如果執行時間超過此值,請取消執行。
- 繼承
-
azureml.train.estimator._mml_base_estimator.MMLBaseEstimatorEstimator
建構函式
Estimator(source_directory, *, compute_target=None, vm_size=None, vm_priority=None, entry_script=None, script_params=None, node_count=1, process_count_per_node=1, distributed_backend=None, distributed_training=None, use_gpu=False, use_docker=True, custom_docker_base_image=None, custom_docker_image=None, image_registry_details=None, user_managed=False, conda_packages=None, pip_packages=None, conda_dependencies_file_path=None, pip_requirements_file_path=None, conda_dependencies_file=None, pip_requirements_file=None, environment_variables=None, environment_definition=None, inputs=None, source_directory_data_store=None, shm_size=None, resume_from=None, max_run_duration_seconds=None, _disable_validation=True, _show_lint_warnings=False, _show_package_warnings=False)
參數
- vm_priority
- str
將針對定型建立之計算目標的 VM 優先順序。 如果未指定,則會使用 'dedicated'。
支援的值:'dedicated' 和 'lowpriority'。
只有在輸入中指定 參數時 vm_size
,才會生效。
- process_count_per_node
- int
要在每個節點上執行的進程數目 (或「背景工作」) 。 如果大於 1,將會執行 MPI 分散式作業。 AmlCompute只有分散式作業支援目標。
- distributed_backend
- str
分散式定型的通訊後端。
已淘汰。 distributed_training
使用 參數。
支援的值:'mpi'。 'mpi' 代表 MPI/Horovod。
當 或 process_count_per_node
> 1 時 node_count
,需要此參數。
當 == 1 和 process_count_per_node
== 1 時 node_count
,除非明確設定後端,否則不會使用後端。 AmlCompute只有分散式定型支援目標。
- use_gpu
- bool
指出執行實驗的環境是否應該支援 GPU。
如果為 true,則會在環境中使用以 GPU 為基礎的預設 Docker 映射。 如果為 false,則會使用以 CPU 為基礎的映射。 只有在未設定 參數時 custom_docker_image
,才會使用預設 Docker 映射 (CPU 或 GPU) 。 此設定僅適用于已啟用 Docker 的計算目標。
- custom_docker_base_image
- str
要用來定型之映射的 Docker 映射名稱。
已淘汰。 custom_docker_image
使用 參數。
如果未設定,則會使用預設 CPU 型映射作為基底映射。
- custom_docker_image
- str
要用來定型之映射的 Docker 映射名稱。 如果未設定,則會使用預設 CPU 型映射作為基底映射。 僅指定公用 Docker 存放庫中可用的映射 (Docker Hub) 。 若要使用來自私人 Docker 存放庫的映像,請改為使用建構函式的 environment_definition
參數。
- conda_dependencies_file_path
- str
conda 相依性 yaml 檔案的相對路徑。 如果指定,Azure ML 將不會安裝任何架構相關套件。
已淘汰。 conda_dependencies_file
使用參數。
請指定 conda_dependencies_file_path
或 conda_dependencies_file
。 如果同時指定兩者, conda_dependencies_file
則會使用 。
- pip_requirements_file_path
- str
pip 需求文字檔的相對路徑。
已淘汰。 pip_requirements_file
使用 參數。
這個參數可以與 pip_packages
參數結合來指定。 請指定 pip_requirements_file_path
或 pip_requirements_file
。 如果同時指定兩者, pip_requirements_file
則會使用 。
- environment_definition
- Environment
實驗的環境定義。 其中包含 PythonSection、DockerSection 和環境變數。 任何未透過其他參數直接公開至估算器建構的環境選項,都可以使用此參數來設定。 如果指定此參數,它將會優先于其他環境相關參數,例如 use_gpu
、 custom_docker_image
、 conda_packages
或 pip_packages
。
錯誤將會回報不正確組合。
- shm_size
- str
Docker 容器的共用記憶體區塊大小。 如果未設定,則會使用預設azureml.core.environment._DEFAULT_SHM_SIZE。 如需詳細資訊,請參閱 Docker 執行參考。
- vm_priority
- str
將針對定型建立之計算目標的 VM 優先順序。 如果未指定,則會使用 'dedicated'。
支援的值:'dedicated' 和 'lowpriority'。
只有在輸入中指定 參數時 vm_size
,才會生效。
- distributed_backend
- str
分散式定型的通訊後端。
已淘汰。 distributed_training
使用 參數。
支援的值:'mpi'。 'mpi' 代表 MPI/Horovod。
當 或 process_count_per_node
> 1 時 node_count
,需要此參數。
當 == 1 和 process_count_per_node
== 1 時 node_count
,除非明確設定後端,否則不會使用後端。 AmlCompute只有分散式定型支援目標。
- use_gpu
- bool
指定執行實驗的環境是否應該支援 GPU。
如果為 true,則會在環境中使用以 GPU 為基礎的預設 Docker 映射。 如果為 false,則會使用以 CPU 為基礎的映射。 只有在未設定 參數時 custom_docker_image
,才會使用預設 Docker 映射 (CPU 或 GPU) 。 此設定僅適用于已啟用 Docker 的計算目標。
- custom_docker_base_image
- str
要用來定型之映射的 Docker 映射名稱。
已淘汰。 custom_docker_image
使用 參數。
如果未設定,則會使用預設 CPU 型映射作為基底映射。
- custom_docker_image
- str
要用來定型之映射的 Docker 映射名稱。 如果未設定,則會使用預設 CPU 型映射作為基底映射。 僅指定公用 Docker 存放庫中可用的映射 (Docker Hub) 。 若要使用來自私人 Docker 存放庫的映像,請改為使用建構函式的 environment_definition
參數。
- conda_dependencies_file_path
conda 相依性 yaml 檔案的相對路徑。 如果指定,Azure ML 將不會安裝任何架構相關套件。
已淘汰。 conda_dependencies_file
使用參數。
請指定 conda_dependencies_file_path
或 conda_dependencies_file
。 如果同時指定兩者, conda_dependencies_file
則會使用 。
- pip_requirements_file_path
pip 需求文字檔的相對路徑。
已淘汰。 pip_requirements_file
使用 參數。
這可與 參數搭配 pip_packages
使用。 請指定 pip_requirements_file_path
或 pip_requirements_file
。 如果同時指定兩者, pip_requirements_file
則會使用 。
- environment_definition
- Environment
實驗的環境定義。 其中包含 PythonSection、DockerSection 和環境變數。 任何未透過其他參數直接公開至估算器建構的環境選項,都可以使用此參數來設定。 如果指定此參數,它將會優先于其他環境相關參數,例如 use_gpu
、 custom_docker_image
、 conda_packages
或 pip_packages
。
錯誤將會回報不正確組合。
- shm_size
Docker 容器的共用記憶體區塊大小。 如果未設定,則為預設值
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應