PyTorch クラス

実験構成ファイルが含まれるローカル ディレクトリ。

トレーニングが発生するコンピューティング先。 これは、オブジェクトまたは文字列 "local" のいずれかです。

トレーニング用に作成されるコンピューティング先の VM サイズ。 サポートされる値: 任意の Azure VM サイズ。

トレーニング用に作成されるコンピューティング先の VM 優先度。 指定しない場合は、'dedicated' が使用されます。

サポートされる値: 'dedicated' と 'lowpriority'。

これは、入力で vm_size param を指定した場合にのみ有効になります。

トレーニング スクリプトが含まれるファイルへの相対パス。

entry_script内で指定されたトレーニング スクリプトに渡すコマンド ライン引数の辞書。

トレーニングに使用するコンピューティング先のノードの数。 1 より大きい場合は、MPI 分散ジョブが実行されます。 分散ジョブには、AmlCompute ターゲットのみがサポートされています。

ノードあたりのプロセスの数。 1 より大きい場合は、MPI 分散ジョブが実行されます。 分散ジョブには、AmlCompute ターゲットのみがサポートされています。

分散トレーニング用の通信バックエンド。

非推奨。 distributed_training パラメーターを使用します。

サポートされる値: 'mpi'、'gloo'、'nccl'。

'mpi': MPI/Horovod 'gloo'、'nccl': ネイティブ PyTorch 分散トレーニング

このパラメーターは、node_count または process_count_per_node> 1 の場合に必要です。

node_count == 1 かつ process_count_per_node == 1 の場合、バックエンドが明示的に設定されていない限り、バックエンドは使用されません。 分散トレーニングでは、AmlCompute ターゲットのみがサポートされています。

分散トレーニング ジョブを実行するためのパラメーター。

MPI バックエンドで分散ジョブを実行する場合は、Mpi オブジェクトを使用して process_count_per_node を指定します。 gloo バックエンドを使用して分散ジョブを実行する場合は、Gloo を使用します。 nccl バックエンドを使用して分散ジョブを実行する場合は、Nccl を使用します。

実験を実行する環境で GPU をサポートする必要があるかどうかを指定します。 true の場合、GPU ベースの既定の Docker イメージが環境で使用されます。 false の場合、CPU ベースのイメージが使用されます。 既定の Docker イメージ (CPU または GPU) は、custom_docker_image パラメーターを設定していない場合にのみ使用されます。 この設定は、Docker 対応のコンピューティング先でのみ使用されます。

実験を実行するための環境を Docker ベースにするかどうかを指定します。

Docker イメージの名前。トレーニングに使用するイメージは、この Docker イメージからビルドされます。

非推奨。 custom_docker_image パラメーターを使用します。

設定しない場合は、既定の CPU ベースのイメージが基本イメージとして使用されます。

Docker イメージの名前。トレーニングに使用するイメージは、この Docker イメージからビルドされます。 設定しない場合は、既定の CPU ベースのイメージが基本イメージとして使用されます。

Docker イメージ レジストリの詳細。

Azure ML が既存の Python 環境を再利用するかどうかを指定します。 false の場合、conda の依存関係の仕様に基づいて、Azure ML によって Python 環境が作成されます。

実験用の Python 環境に追加される conda パッケージを表す文字列のリスト。

実験用の Python 環境に追加される pip パッケージを表す文字列のリスト。

conda の依存関係 yaml ファイルへの相対パス。 指定した場合、Azure ML によって、フレームワーク関連のパッケージはインストールされません。 非推奨。 conda_dependencies_file パラメーターを使用します。

pip 要件テキスト ファイルへの相対パス。 これは、pip_packages パラメーターと組み合わせて指定できます。 非推奨。 pip_requirements_file パラメーターを使用します。

conda の依存関係 yaml ファイルへの相対パス。 指定した場合、Azure ML によって、フレームワーク関連のパッケージはインストールされません。

pip 要件テキスト ファイルへの相対パス。 これは、pip_packages パラメーターと組み合わせて指定できます。

環境変数の名前と値のディクショナリ。 これらの環境変数は、ユーザー スクリプトが実行されるプロセスで設定されます。

実験の環境定義。 PythonSection、DockerSection、および環境変数が含まれます。 他のパラメーターを介して推定器構造に直接公開されていない環境オプションは、このパラメーターを使用して設定できます。 このパラメーターを指定すると、use_gpu、custom_docker_image、conda_packages、pip_packages などの他の環境関連パラメーターよりも優先されます。 パラメーターの無効な組み合わせに対してエラーが報告されます。

入力として使用する DataReference または DatasetConsumptionConfig オブジェクトのリスト。

プロジェクト共有のバッキング データストア。

Docker コンテナーの共有メモリ ブロックのサイズ。 設定しなかった場合は、既定の azureml.core.environment._DEFAULT_SHM_SIZE が使用されます。 詳細については、Docker 実行リファレンスを参照してください。

実験を再開するためのチェックポイント ファイルまたはモデル ファイルが含まれているデータ パス。

実行の最大許容時間。 この値よりも時間がかかる場合は、Azure ML によって自動的に実行のキャンセルが試みられます。

トレーニング コードの実行に使用される PyTorch バージョン。 PyTorch.get_supported_versions() は、現在の SDK でサポートされているバージョンのリストを返します。

実験構成ファイルが含まれるローカル ディレクトリ。

トレーニングが発生するコンピューティング先。 これは、オブジェクトまたは文字列 "local" のいずれかです。

トレーニング用に作成されるコンピューティング先の VM サイズ。 サポートされる値: 任意の Azure VM サイズ。

トレーニング用に作成されるコンピューティング先の VM 優先度。 指定しない場合は、'dedicated' が使用されます。

サポートされる値: 'dedicated' と 'lowpriority'。

これは、入力で vm_size param を指定した場合にのみ有効になります。

トレーニング スクリプトが含まれるファイルへの相対パス。

entry_script内で指定されたトレーニング スクリプトに渡すコマンド ライン引数の辞書。

トレーニングに使用するコンピューティング先のノードの数。 1 より大きい場合は、mpi 分散ジョブが実行されます。 分散ジョブでは、azureml.core.compute.AmlCompute ターゲットのみがサポートされます。

ノードあたりのプロセスの数。 1 より大きい場合は、MPI 分散ジョブが実行されます。 分散ジョブには、AmlCompute ターゲットのみがサポートされています。

分散トレーニング用の通信バックエンド。

非推奨。 distributed_training パラメーターを使用します。

サポートされる値: 'mpi'、'gloo'、'nccl'。

'mpi': MPI/Horovod 'gloo'、'nccl': ネイティブ PyTorch 分散トレーニング

このパラメーターは、node_count または process_count_per_node> 1 の場合に必要です。

node_count == 1 かつ process_count_per_node == 1 の場合、バックエンドが明示的に設定されていない限り、バックエンドは使用されません。 分散トレーニングでは、AmlCompute ターゲットのみがサポートされています。

分散トレーニング ジョブを実行するためのパラメーター。

MPI バックエンドで分散ジョブを実行する場合は、Mpi オブジェクトを使用して process_count_per_node を指定します。 gloo バックエンドを使用して分散ジョブを実行する場合は、Gloo を使用します。 nccl バックエンドを使用して分散ジョブを実行する場合は、Nccl を使用します。

実験を実行する環境で GPU をサポートする必要があるかどうかを指定します。 true の場合、GPU ベースの既定の Docker イメージが環境で使用されます。 false の場合、CPU ベースのイメージが使用されます。 既定の Docker イメージ (CPU または GPU) は、custom_docker_image パラメーターを設定していない場合にのみ使用されます。 この設定は、Docker 対応のコンピューティング先でのみ使用されます。

実験を実行するための環境を Docker ベースにするかどうかを指定します。

Docker イメージの名前。トレーニングに使用するイメージは、この Docker イメージからビルドされます。

非推奨。 custom_docker_image パラメーターを使用します。

設定しない場合は、既定の CPU ベースのイメージが基本イメージとして使用されます。

Docker イメージの名前。トレーニングに使用するイメージは、この Docker イメージからビルドされます。 設定しない場合は、既定の CPU ベースのイメージが基本イメージとして使用されます。

Docker イメージ レジストリの詳細。

Azure ML が既存の Python 環境を再利用するかどうかを指定します。 false の場合、conda の依存関係の仕様に基づいて、Azure ML によって Python 環境が作成されます。

実験用の Python 環境に追加される conda パッケージを表す文字列のリスト。

実験用の Python 環境に追加される pip パッケージを表す文字列のリスト。

conda の依存関係 yaml ファイルへの相対パス。 指定した場合、Azure ML によって、フレームワーク関連のパッケージはインストールされません。 非推奨。 conda_dependencies_file パラメーターを使用します。

pip 要件テキスト ファイルへの相対パス。 これは、pip_packages パラメーターと組み合わせて指定できます。 非推奨。 pip_requirements_file パラメーターを使用します。

conda の依存関係 yaml ファイルへの相対パス。 指定した場合、Azure ML によって、フレームワーク関連のパッケージはインストールされません。

pip 要件テキスト ファイルへの相対パス。 これは、pip_packages パラメーターと組み合わせて指定できます。

環境変数の名前と値のディクショナリ。 これらの環境変数は、ユーザー スクリプトが実行されるプロセスで設定されます。

実験の環境定義。 PythonSection、DockerSection、および環境変数が含まれます。 他のパラメーターを介して推定器構造に直接公開されていない環境オプションは、このパラメーターを使用して設定できます。 このパラメーターを指定すると、use_gpu、custom_docker_image、conda_packages、pip_packages などの他の環境関連パラメーターよりも優先されます。 無効な組み合わせに対してエラーが報告されます。

azureml.data.data_referenceの一覧。入力として使用する DataReference オブジェクト。

プロジェクト共有のバッキング データストア。

Docker コンテナーの共有メモリ ブロックのサイズ。 設定しなかった場合は、既定の azureml.core.environment._DEFAULT_SHM_SIZE が使用されます。 詳細については、「

トレーニング コードの実行に使用される PyTorch バージョン。 PyTorch.get_supported_versions() は、現在の SDK でサポートされているバージョンのリストを返します。

事前構築済みのフレームワーク イメージを使用して増分環境ビルドを有効にして、環境の準備を高速化します。 事前構築済みのフレームワーク イメージは、フレームワークの依存関係が事前にインストールされている Azure ML の既定の CPU/GPU ベース イメージの上に構築されています。

実行の送信前にスクリプトの検証を無効にします。 既定値は True です。

スクリプトリンティングの警告を表示します。 既定値は False です。

パッケージ検証の警告を表示します。 既定値は False です。