TensorFlow 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、vm_size param が入力で指定されている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。 分散トレーニングには、AmlCompute ターゲットのみがサポートされています (node_count> 1)。

MPI を使用する場合、ノードあたりのプロセスの数。

分散トレーニングにパラメーター サーバーを使用する場合、ワーカー ノードの数。

非推奨。 distributed_training パラメーターの一部として指定します。

分散トレーニングにパラメーター サーバーを使用する場合、パラメーター サーバー ノードの数。

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' と 'ps'。 'mpi' は MPI/Horovod を表し、'ps' はパラメーター サーバーを表します。

このパラメーターは、node_count、process_count_per_node、worker_count、または parameter_server_count> 1 の場合は必須です。 'ps' の場合、worker_count と parameter_server_count の合計は node_count * (ノードあたりの CPU または GPU の数) 以下でなければなりません

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。

パラメーター サーバー バックエンドで分散ジョブを実行する場合は、ParameterServer オブジェクトを使用して、worker_count と parameter_server_count を指定します。 worker_count と parameter_server_count のパラメーターの合計は node_count * (ノードあたりの CPU または GPU の数) 以下でなければなりません。

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。

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。

実験を実行する環境を Docker ベースにするかどうかを指定します。

トレーニングに使用するイメージのビルド元に指定する Docker イメージの名前。

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を表す文字列。 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を表す文字列。 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を表す文字列。 指定した場合、フレームワーク関連のパッケージは、Azure ML によって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を表す文字列。 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 Estimator 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。 これら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 TensorFlow バージョン。 バージョンを指定しない場合、推定器は既定で Azure ML によってサポートされる最新のバージョンになります。 リストを返す TensorFlow.get_supported_versions() を使用してし、現在の Azure ML SDK でサポートされているすべてのバージョンのリストを取得します。

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、vm_size param が入力で指定されている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。

で指定された tne トレーニング スクリプトに渡すコマンドライン引数の entry_scriptディクショナリ。

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。 分散トレーニングには、AmlCompute ターゲットのみがサポートされています (node_count> 1)。

MPI を使用する場合、ノードあたりのプロセスの数。

パラメーター サーバーを使用する場合は、ワーカー ノードの数。

非推奨。 distributed_training パラメーターの一部として指定します。

パラメーター サーバーを使用する場合は、パラメーター サーバー ノードの数。

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' と 'ps'。 'mpi' は MPI/Horovod を表し、'ps' はパラメーター サーバーを表します。

このパラメーターは、node_count、process_count_per_node、worker_count、または parameter_server_count> 1 の場合は必須です。 'ps' の場合、worker_count と parameter_server_count の合計は node_count * (ノードあたりの CPU または GPU の数) 以下でなければなりません

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。 は分散トレーニングで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。

パラメーター サーバー バックエンドで分散ジョブを実行する場合は、 オブジェクトを使用して ParameterServer と を指定 worker_count します parameter_server_count。 worker_count と parameter_server_count のパラメーターの合計は node_count * (ノードあたりの CPU または GPU の数) 以下でなければなりません。

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。

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、パラメーターが設定されていない場合 custom_docker_image 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。

実験を実行する環境を Docker ベースにするかどうかを指定します。

トレーニングに使用するイメージのビルド元に指定する Docker イメージの名前。

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。

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。

conda の依存関係 yaml ファイルへの相対パスを表す文字列。 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。 これらの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。 設定されていない場合、既定値はazureml.core.environment._DEFAULT_SHM_SIZE。 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 TensorFlow バージョン。 バージョンを指定しない場合、推定器は既定で Azure ML によってサポートされる最新のバージョンになります。 TensorFlow.get_supported_versions() を使用してリストを返し、現在の Azure ML SDK でサポートされているすべてのバージョンの一覧を取得します。

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プレインストールされた Azure ML の既定の CPU/GPU ベース イメージの上に構築されます。

送信を実行する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。