EstimatorStep Classe

  • Riferimento

DEPRECATO. Crea un passaggio della pipeline da eseguire Estimator per il training del modello di Azure ML.

Creare un passaggio della pipeline di Azure ML per eseguire il training del modello di Estimator per Machine Learning.

DEPRECATO. Usare invece .CommandStep Per un esempio, vedere Come eseguire il training di Machine Learning nelle pipeline con CommandStep.

Ereditarietà
PythonScriptStep
EstimatorStep

Costruttore

EstimatorStep(name=None, estimator=None, estimator_entry_script_arguments=None, runconfig_pipeline_params=None, inputs=None, outputs=None, compute_target=None, allow_reuse=True, version=None)

Parametri

Nome Descrizione
name
str

Nome del passaggio.

Valore predefinito: None
estimator
Estimator

Oggetto estimator associato per questo passaggio. Può essere uno strumento di stima preconfigurato, Chainerad esempio , PyTorch, TensorFlowo SKLearn.

Valore predefinito: None
estimator_entry_script_arguments
list[str]

[Obbligatorio] Elenco di argomenti della riga di comando. Se lo script di immissione di Estimator non accetta argomenti della riga di comando, impostare questo valore del parametro su un elenco vuoto.

Valore predefinito: None
runconfig_pipeline_params
dict[str, PipelineParameter]

Override delle proprietà runconfig in fase di esecuzione usando coppie chiave-valore, ognuna con il nome della proprietà runconfig e PipelineParameter per tale proprietà.

Valori supportati: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount'

Valore predefinito: None
inputs
list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig]]

Elenco di input da usare.

Valore predefinito: None
outputs
list[Union[PipelineData, OutputDatasetConfig, PipelineOutputAbstractDataset]]

Elenco di oggetti PipelineData.

Valore predefinito: None
compute_target
Union[DsvmCompute, AmlCompute, RemoteCompute, str]

[Obbligatorio] Destinazione di calcolo da usare.

Valore predefinito: None
allow_reuse
bool

Indica se il passaggio deve riutilizzare i risultati precedenti quando viene eseguito di nuovo con le stesse impostazioni. Il riutilizzo è abilitato per impostazione predefinita. Se il contenuto del passaggio (script/dipendenze) e gli input e i parametri rimangono invariati, l'output dell'esecuzione precedente di questo passaggio viene riutilizzato. Quando si riutilizza il passaggio, anziché inviare il processo al calcolo, i risultati dell'esecuzione precedente vengono immediatamente resi disponibili per tutti i passaggi successivi. Se si usano set di dati di Azure Machine Learning come input, il riutilizzo viene determinato dal fatto che la definizione del set di dati sia stata modificata, non dal fatto che i dati sottostanti siano stati modificati.

Valore predefinito: True
version
str

Tag di versione facoltativo per indicare una modifica delle funzionalità per il modulo.

Valore predefinito: None
name
Necessario
str

Nome del passaggio.
estimator
Necessario
<xref:Estimator>

Oggetto estimator associato per questo passaggio. Può essere uno strumento di stima preconfigurato, Chainerad esempio , PyTorch, TensorFlowo SKLearn.
estimator_entry_script_arguments
Necessario
[str]

[Obbligatorio] Elenco di argomenti della riga di comando. Se lo script di immissione di Estimator non accetta argomenti della riga di comando, impostare questo valore del parametro su un elenco vuoto.
runconfig_pipeline_params
Necessario
dict[str, PipelineParameter]

Override delle proprietà runconfig in fase di esecuzione usando coppie chiave-valore, ognuna con il nome della proprietà runconfig e PipelineParameter per tale proprietà.

Valori supportati: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount'
inputs
Necessario
list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig, PipelineOutputTabularDataset, PipelineOutputFileDataset]]

Elenco di input da usare.
outputs
Necessario
list[Union[PipelineData, PipelineOutputAbstractDataset]

Elenco di oggetti PipelineData.
compute_target
Necessario
Union[DsvmCompute, AmlCompute, RemoteCompute, str]

[Obbligatorio] Destinazione di calcolo da usare.
allow_reuse
Necessario
bool

Indica se il passaggio deve riutilizzare i risultati precedenti quando viene eseguito di nuovo con le stesse impostazioni. Il riutilizzo è abilitato per impostazione predefinita. Se il contenuto del passaggio (script/dipendenze) e gli input e i parametri rimangono invariati, l'output dell'esecuzione precedente di questo passaggio viene riutilizzato. Quando si riutilizza il passaggio, anziché inviare il processo al calcolo, i risultati dell'esecuzione precedente vengono immediatamente resi disponibili per tutti i passaggi successivi. Se si usano set di dati di Azure Machine Learning come input, il riutilizzo viene determinato dal fatto che la definizione del set di dati sia stata modificata, non dal fatto che i dati sottostanti siano stati modificati.
version
Necessario
str

version

Commenti

Si noti che gli argomenti dello script di immissione usati nell'oggetto Estimator devono essere specificati come elenco usando il parametro durante la estimator_entry_script_arguments creazione di un'istanza di EstimatorStep. Il parametro script_params Estimator accetta un dizionario. Tuttavia, estimator_entry_script_argument il parametro prevede argomenti come elenco.

L'inizializzazione estimatorStep prevede la specifica di un elenco di input con il inputs parametro e non è necessario specificare gli input con estimator, se si esegue questa operazione verrà generata un'eccezione. Fare riferimento al inputs parametro per i tipi di input consentiti. È anche possibile specificare facoltativamente tutti gli output per il passaggio. Fare riferimento al outputs parametro per i tipi di output consentiti.

La procedura consigliata per l'uso di EstimatorStep consiste nell'usare una cartella separata per gli script e tutti i file dipendenti associati al passaggio e specificare tale cartella come Estimator .source_directory In questo modo si hanno due vantaggi. In primo luogo, consente di ridurre le dimensioni dello snapshot creato per il passaggio perché viene creato uno snapshot solo degli elementi necessari per il passaggio. In secondo luogo, l'output del passaggio di un'esecuzione precedente può essere riutilizzato se non sono presenti modifiche a source_directory che attiverebbero un nuovo caricamento dello snaphot.

Metodi

create_node

Creare un nodo dal passaggio Estimator e aggiungerlo al grafico specificato.

DEPRECATO. Usare invece .CommandStep Per un esempio, vedere Come eseguire il training di Machine Learning nelle pipeline con CommandStep.

Questo metodo non deve essere usato direttamente. Quando viene creata un'istanza di una pipeline con questo passaggio, Azure ML passa automaticamente i parametri necessari tramite questo metodo in modo che tale passaggio possa essere aggiunto a un grafo della pipeline che rappresenta il flusso di lavoro.

create_node

Creare un nodo dal passaggio Estimator e aggiungerlo al grafico specificato.

DEPRECATO. Usare invece .CommandStep Per un esempio, vedere Come eseguire il training di Machine Learning nelle pipeline con CommandStep.

Questo metodo non deve essere usato direttamente. Quando viene creata un'istanza di una pipeline con questo passaggio, Azure ML passa automaticamente i parametri necessari tramite questo metodo in modo che tale passaggio possa essere aggiunto a un grafo della pipeline che rappresenta il flusso di lavoro.

create_node(graph, default_datastore, context)

Parametri

Nome Descrizione
graph
Necessario
Graph

Oggetto grafico a cui aggiungere il nodo.
default_datastore
Necessario
Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]

Archivio dati predefinito.
context
Necessario
<xref:azureml.pipeline.core._GraphContext>

Contesto del grafo.

Restituisce

Tipo Descrizione
Node

Nodo creato.