SKLearn Klass

Referens

Skapar en beräkning för träning i Scikit-learn-experiment.

DEPRECATED. Använd objektet ScriptRunConfig med din egen definierade miljö eller den AzureML-Tutorial kuraterade miljön. En introduktion till hur du konfigurerar SKLearn-experimentkörningar med ScriptRunConfig finns i Träna scikit-learn-modeller i stor skala med Azure Machine Learning.

Den här uppskattningen stöder endast cpu-träning med en nod.

Versioner som stöds: 0.20.3

Initiera en Scikit-learn-skattare.

Arv: azureml.train.estimator._framework_base_estimator._FrameworkBaseEstimator

SKLearn

Konstruktor

SKLearn(source_directory, *, compute_target=None, vm_size=None, vm_priority=None, entry_script=None, script_params=None, use_docker=True, 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, shm_size=None, resume_from=None, max_run_duration_seconds=None, framework_version=None, _enable_optimized_mode=False, _disable_validation=True, _show_lint_warnings=False, _show_package_warnings=False)

Parametrar

Name	Description
source_directory Obligatorisk	str En lokal katalog som innehåller experimentkonfigurationsfiler.
compute_target Obligatorisk	AbstractComputeTarget eller str Beräkningsmålet där träningen ska ske. Detta kan antingen vara ett -objekt eller strängen "lokal".
vm_size Obligatorisk	str VM-storleken för beräkningsmålet som ska skapas för träningen. Värden som stöds: Valfri storlek på virtuella Azure-datorer.
vm_priority Obligatorisk	str VM-prioriteten för beräkningsmålet som ska skapas för träningen. Om inget anges används "dedikerad". Värden som stöds: "dedikerad" och "lågprioritet". Detta börjar endast gälla när `vm_size param` anges i indata.
entry_script Obligatorisk	str En sträng som representerar den relativa sökvägen till filen som används för att starta träningen.
script_params Obligatorisk	dict En ordlista med kommandoradsargument som ska skickas till träningsskriptet som anges i `entry_script`.
custom_docker_image Obligatorisk	str Namnet på den Docker-avbildning som avbildningen som ska användas för träning kommer att skapas. Om den inte anges används en standard-CPU-baserad avbildning som basavbildning.
image_registry_details Obligatorisk	ContainerRegistry Information om Docker-avbildningsregistret.
user_managed Obligatorisk	bool Anger om Azure ML återanvänder en befintlig Python-miljö. Falskt innebär att AzureML skapar en Python-miljö baserat på specifikationen för conda-beroenden.
conda_packages Obligatorisk	list En lista med strängar som representerar conda-paket som ska läggas till i Python-miljön för experimentet.
pip_packages Obligatorisk	list En lista med strängar som representerar pip-paket som ska läggas till i Python-miljön för experimentet.
conda_dependencies_file_path Obligatorisk	str En sträng som representerar den relativa sökvägen till yaml-filen med conda-beroenden. Om detta anges installerar Inte Azure ML några ramverksrelaterade paket. Detta kan anges i kombination med parametern `conda_packages` . DEPRECATED. Använd parametern `conda_dependencies_file` .
pip_requirements_file_path Obligatorisk	str En sträng som representerar den relativa sökvägen till textfilen pip-krav. Detta kan anges i kombination med parametern `pip_packages` . DEPRECATED. Använd parametern `pip_requirements_file` .
conda_dependencies_file Obligatorisk	str En sträng som representerar den relativa sökvägen till yaml-filen med conda-beroenden. Om detta anges installerar Inte Azure ML några ramverksrelaterade paket. Detta kan anges i kombination med parametern `conda_packages` .
pip_requirements_file Obligatorisk	str En sträng som representerar den relativa sökvägen till textfilen pip-krav. Detta kan anges i kombination med parametern `pip_packages` .
environment_variables Obligatorisk	dict En ordlista med miljövariablers namn och värden. Dessa miljövariabler anges i processen där användarskript körs.
environment_definition Obligatorisk	Environment Miljödefinitionen för ett experiment innehåller PythonSection, DockerSection och miljövariabler. Alla miljöalternativ som inte exponeras direkt via andra parametrar för beräkningskonstruktionen kan anges med hjälp av `environment_definition` parametern . Om den här parametern anges har den företräde framför andra miljörelaterade parametrar som `use_gpu`, `custom_docker_image`, `conda_packages`eller `pip_packages`. Fel rapporteras ogiltiga kombinationer.
inputs Obligatorisk	list En lista över DataReference eller DatasetConsumptionConfig objekt som ska användas som indata.
shm_size Obligatorisk	str Storleken på Docker-containerns delade minnesblock. Om det inte anges används standard azureml.core.environment._DEFAULT_SHM_SIZE.
resume_from Obligatorisk	DataPath Datasökvägen som innehåller kontrollpunkten eller modellfilerna som experimentet ska återupptas från.
max_run_duration_seconds Obligatorisk	int Den maximala tillåtna tiden för körningen. Azure ML försöker automatiskt avbryta körningen om det tar längre tid än det här värdet.
framework_version Obligatorisk	str Scikit-learn-versionen som ska användas för att köra träningskod. `SKLearn.get_supported_versions()` returnerar en lista över de versioner som stöds av aktuell SDK.
source_directory Obligatorisk	str En lokal katalog som innehåller experimentkonfigurationsfiler.
compute_target Obligatorisk	AbstractComputeTarget eller str Beräkningsmålet där träningen ska ske. Detta kan antingen vara ett -objekt eller strängen "lokal".
vm_size Obligatorisk	str VM-storleken för beräkningsmålet som ska skapas för träningen. Värden som stöds: Valfri storlek på virtuella Azure-datorer.
vm_priority Obligatorisk	str VM-prioriteten för beräkningsmålet som ska skapas för träningen. Om inget anges används "dedikerad". Värden som stöds: "dedikerad" och "lågprioritet". Detta börjar endast gälla när `vm_size param` anges i indata.
entry_script Obligatorisk	str En sträng som representerar den relativa sökvägen till filen som används för att starta träningen.
script_params Obligatorisk	dict En ordlista med kommandoradsargument som ska skickas till träningsskriptet som anges i `entry_script`.
use_docker Obligatorisk	bool Ett bool-värde som anger om miljön som ska köra experimentet ska vara Docker-baserad.
custom_docker_image Obligatorisk	str Namnet på den Docker-avbildning som avbildningen som ska användas för träning kommer att skapas. Om den inte anges används en standard-CPU-baserad avbildning som basavbildning.
image_registry_details Obligatorisk	ContainerRegistry Information om Docker-avbildningsregistret.
user_managed Obligatorisk	bool Anger om Azure ML återanvänder en befintlig Python-miljö. Falskt innebär att AzureML skapar en Python-miljö baserat på specifikationen för conda-beroenden.
conda_packages Obligatorisk	list En lista med strängar som representerar conda-paket som ska läggas till i Python-miljön för experimentet.
pip_packages Obligatorisk	list En lista med strängar som representerar pip-paket som ska läggas till i Python-miljön för experimentet.
conda_dependencies_file_path Obligatorisk	str En sträng som representerar den relativa sökvägen till yaml-filen med conda-beroenden. Om detta anges installerar Inte Azure ML några ramverksrelaterade paket. Detta kan anges i kombination med parametern `conda_packages` . DEPRECATED. Använd parametern `conda_dependencies_file` .
pip_requirements_file_path Obligatorisk	str En sträng som representerar den relativa sökvägen till textfilen pip-krav. Detta kan anges i kombination med parametern `pip_packages` . DEPRECATED. Använd parametern `pip_requirements_file` .
conda_dependencies_file Obligatorisk	str En sträng som representerar den relativa sökvägen till yaml-filen med conda-beroenden. Om detta anges installerar Inte Azure ML några ramverksrelaterade paket. Detta kan anges i kombination med parametern `conda_packages` .
pip_requirements_file Obligatorisk	str En sträng som representerar den relativa sökvägen till textfilen pip-krav. Detta kan anges i kombination med parametern `pip_packages` .
environment_variables Obligatorisk	dict En ordlista med miljövariablers namn och värden. Dessa miljövariabler anges i processen där användarskript körs.
environment_definition Obligatorisk	Environment Miljödefinitionen för ett experiment innehåller PythonSection, DockerSection och miljövariabler. Alla miljöalternativ som inte exponeras direkt via andra parametrar för beräkningskonstruktionen kan anges med hjälp av `environment_definition` parametern . Om den här parametern anges har den företräde framför andra miljörelaterade parametrar som `use_gpu`, `custom_docker_image`, `conda_packages`eller `pip_packages`. Fel rapporteras ogiltiga kombinationer.
inputs Obligatorisk	list En lista över azureml.data.data_reference. DataReference-objekt som ska användas som indata.
shm_size Obligatorisk	str Storleken på Docker-containerns delade minnesblock. Om inte anges används standard azureml.core.environment._DEFAULT_SHM_SIZE.
resume_from Obligatorisk	DataPath Datasökvägen som innehåller kontrollpunkten eller modellfilerna som experimentet ska återupptas från.
max_run_duration_seconds Obligatorisk	int Den maximala tillåtna tiden för körningen. Azure ML försöker automatiskt avbryta körningen om det tar längre tid än det här värdet.
framework_version Obligatorisk	str Scikit-learn-versionen som ska användas för att köra träningskod. `SKLearn.get_supported_versions()` returnerar en lista över de versioner som stöds av den aktuella SDK:en.
_enable_optimized_mode Obligatorisk	bool Aktivera inkrementell miljöversion med färdiga ramverksbilder för snabbare förberedelse av miljön. En fördefinierad ramverksavbildning bygger på Azure ML-standard-CPU/GPU-basavbildningar med ramverksberoenden förinstallerade.
_disable_validation Obligatorisk	bool Inaktivera skriptvalidering innan du kör sändningen. Standardvärdet är Sant.
_show_lint_warnings Obligatorisk	bool Visa varningar om skriptlindning. Standardvärdet är Falskt.
_show_package_warnings Obligatorisk	bool Visa paketverifieringsvarningar. Standardvärdet är Falskt.

Kommentarer

När du skickar ett träningsjobb kör Azure ML skriptet i en conda-miljö i en Docker-container. SKLearn-containrar har följande beroenden installerade.

Beroenden | Scikit-learn 0.20.3 | ———————- | —————– | Python | 3.6.2 | azureml-defaults | Senaste | IntelMpi | 2018.3.222 | scikit-learn | 0.20.3 | numpy | 1.16.2 | miniconda | 4.5.11 | scipy | 1.2.1 | joblib | 0.13.2 | git | 2.7.4 |

Docker-avbildningarna utökar Ubuntu 16.04.

Om du behöver installera ytterligare beroenden kan du antingen använda parametrarna pip_packages eller conda_packages eller så kan du ange din pip_requirements_file eller conda_dependencies_file filen. Du kan också skapa en egen avbildning och skicka parametern custom_docker_image till beräkningskonstruktorn.

Attribut

DEFAULT_VERSION

DEFAULT_VERSION = '0.20.3'

FRAMEWORK_NAME

FRAMEWORK_NAME = 'SKLearn'

Dela via