hyperdrive Paket
Hiper parametre ayarlamayı destekleyen modüller ve sınıflar içerir.
Hiper parametreler, eğitim sürecine yol gösteren model eğitimi için seçtiğiniz ayarlanabilir parametrelerdir. HyperDrive paketi, bu parametreleri seçmeyi otomatikleştirmenize yardımcı olur. Örneğin, parametre arama alanını ayrık veya sürekli olarak ve arama alanı üzerinde rastgele, kılavuz veya Bayes dili olarak bir örnekleme yöntemi tanımlayabilirsiniz. Ayrıca, hiper parametre ayarlama denemesinde iyileştirme yapmak için bir birincil ölçüm belirtebilir ve bu ölçümün en aza indirilip küçültülmeyeceğini veya en üst düzeye çıkarılıp büyütülmeyeceğini belirtebilirsiniz. Ayrıca, kötü performans gösteren deneme çalıştırmalarının iptal edileceği ve yenilerinin başlatıldığı erken sonlandırma ilkeleri tanımlayabilirsiniz. HyperDrive için yeniden kullanılabilir bir makine öğrenmesi iş akışı tanımlamak üzere komutunu kullanarak hyper_drive_step oluşturun Pipeline.
Modül
| error_definition |
HyperDrive SDK'sı için hata kodu tanımları. |
| error_strings |
HyperDrive SDK'sı genelinde kullanılan hata dizeleri koleksiyonu. |
| exceptions |
HyperDrive tarafından oluşan özel durumlar. |
| parameter_expressions |
Hiper parametre arama alanını açıklamak için HyperDrive'da kullanılabilecek işlevleri tanımlar. Bu işlevler farklı hiper parametre dağılımı türlerini belirtmek için kullanılır. Dağıtımlar, hiper parametre süpürme için örneklemeyi yapılandırdığınızda tanımlanır. Örneğin, sınıfını kullandığınızda RandomParameterSampling , bir dizi ayrık değerden veya sürekli değerlerin dağılımından örnek almayı seçebilirsiniz. Bu durumda, işlevini kullanarak choice ayrık bir değer kümesi ve uniform sürekli değerlerin dağılımını oluşturmak için işlev oluşturabilirsiniz. Bu işlevleri kullanma örnekleri için öğreticiye bakın: https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters. |
Sınıflar
| BanditPolicy |
Bolluk ölçütlerine ve değerlendirme için bir sıklık ve gecikme aralığına dayalı bir erken sonlandırma ilkesi tanımlar. Slack faktörü, slack_amount ve değerlendirme aralığı ile bir BanditPolicy başlatın. |
| BayesianParameterSampling |
Hiper parametre arama alanı üzerinden Bayes örneklemesini tanımlar. Bayes örneklemesi, önceki örneklerin nasıl performans sergilediğine bağlı olarak bir sonraki hiper parametre örneğini akıllı bir şekilde seçmeyi dener; böylece yeni örnek bildirilen birincil ölçümü geliştirir. BayesianParameterSampling'i başlatın. |
| EarlyTerminationPolicy |
Tüm erken sonlandırma ilkeleri için soyut temel sınıf. Erken sonlandırma ilkesi başlatın. |
| GridParameterSampling |
Hiper parametre arama alanı üzerinden kılavuz örneklemeyi tanımlar. GridParameterSampling'i başlatın. |
| HyperDriveConfig |
HyperDrive çalıştırması tanımlayan yapılandırma. HyperDrive yapılandırması hiper parametre alanı örneklemesi, sonlandırma ilkesi, birincil ölçüm, yapılandırmadan sürdürme, tahmin aracı ve deneme çalıştırmalarının yürütülmesi için işlem hedefi hakkında bilgi içerir. HyperDriveConfig'i başlatın. |
| HyperDriveRun |
HyperDriveRun, gönderilen bir HyperDrive denemesinin ayrıntılarını içerir. Bu sınıf, HyperDrive çalıştırması ve oluşturulan alt çalıştırmaların her biri için çalıştırma ayrıntılarını yönetmek, denetlemek ve almak için kullanılabilir. Bir HyperDrive çalıştırması başlatın. |
| HyperDriveRunConfig |
HyperDrive çalıştırması tanımlayan yapılandırma. Yapılandırma, deneme çalıştırmalarını yürütmek için parametre alanı örnekleme, sonlandırma ilkesi, birincil ölçüm, tahmin aracı ve işlem hedefi hakkında bilgi içerir. HyperDriveConfig'i başlatın. |
| HyperParameterSampling |
Tüm hiper parametre örnekleme algoritmaları için soyut temel sınıf. Bu sınıf hiper parametre alanını, örnekleme yöntemini ve türetilmiş örnekleme sınıfları için ek özellikleri kapsüller: BayesianParameterSampling, GridParameterSamplingve RandomParameterSampling. HyperParameterSampling'i başlatın. |
| MedianStoppingPolicy |
Tüm çalıştırmaların birincil ölçümünün çalıştırma ortalamalarını temel alan bir erken sonlandırma ilkesi tanımlar. MedianStoppingPolicy'yi başlatın. |
| NoTerminationPolicy |
Erken sonlandırma ilkesinin uygulanmadığını belirtir. Her çalıştırma tamamlanıncaya kadar yürütülür. NoTerminationPolicy'yi başlatın. |
| RandomParameterSampling |
Hiper parametre arama alanı üzerinden rastgele örneklemeyi tanımlar. RandomParameterSampling'i başlatın. |
| TruncationSelectionPolicy |
Her değerlendirme aralığında belirli bir çalıştırma yüzdesini iptal eden bir erken sonlandırma ilkesi tanımlar. TruncationSelectionPolicy'yi başlatın. |
Numaralandırmalar
| PrimaryMetricGoal |
Hiper parametre ayarı için desteklenen ölçüm hedeflerini tanımlar. Ölçüm hedefi, ölçüm için daha yüksek bir değerin daha iyi mi yoksa daha kötü mü olduğunu belirlemek için kullanılır. Ölçüm hedefleri, birincil ölçüme göre çalıştırmalar karşılaştırılırken kullanılır. Örneğin, doğruluğu en üst düzeye çıkarmak veya hatayı en aza indirmek isteyebilirsiniz. Birincil ölçüm adı ve hedefi, HyperDrive çalıştırmasını HyperDriveConfig yapılandırdığınızda sınıfında belirtilir. |
İşlevler
choice
Örnek almak için ayrı bir seçenek kümesi belirtin.
choice(*options)Parametreler
| Name | Description |
|---|---|
|
options
Gerekli
|
Aralarından seçim yapabileceğiniz seçeneklerin listesi. |
Döndürülenler
| Tür | Description |
|---|---|
|
Stokastik ifade. |
lognormal
exp(normal(mu, sigma)) değerine göre çizilmiş bir değer belirtin.
Dönüş değerinin logaritması normalde dağıtılır. İyi duruma getirildiğinde, bu değişken pozitif olacak şekilde kısıtlanır.
lognormal(mu, sigma)Parametreler
| Name | Description |
|---|---|
|
mu
Gerekli
|
Normal dağılımın ortalaması. |
|
sigma
Gerekli
|
Normal dağılımın standart sapması. |
Döndürülenler
| Tür | Description |
|---|---|
|
Stokastik ifade. |
loguniform
Günlük tekdüzen dağıtım belirtin.
Değer, dönüş değerinin logaritmasının tekdüzen olarak dağıtıldığı şekilde exp(tekdüzen(min_value, max_value)) değerine göre çizilir. İyi duruma getirildiğinde, bu değişken [exp(min_value), exp(max_value)] aralığıyla kısıtlanır.
loguniform(min_value, max_value)Parametreler
| Name | Description |
|---|---|
|
min_value
Gerekli
|
Aralıktaki en küçük değer exp(min_value)(dahil) olacaktır. |
|
max_value
Gerekli
|
Aralıktaki en büyük değer exp(max_value) (dahil) olacaktır. |
Döndürülenler
| Tür | Description |
|---|---|
|
Stokastik ifade. |
normal
Normal olarak ortalama mu ve standart sapma sigması ile dağıtılan gerçek bir değer belirtin.
İyi duruma getirildiğinde, bu kısıtlanmamış bir değişkendir.
normal(mu, sigma)Parametreler
| Name | Description |
|---|---|
|
mu
Gerekli
|
Normal dağılımın ortalaması. |
|
sigma
Gerekli
|
normal dağılımın standart sapması. |
Döndürülenler
| Tür | Description |
|---|---|
|
Stokastik ifade. |
qlognormal
Round(exp(normal(mu, sigma)) / q) * q gibi bir değer belirtin.
Hedefin düzgün olduğu ve bir taraftan sınırlanan değişkenin boyutuyla daha yumuşak olduğu ayrık bir değişken için uygundur.
qlognormal(mu, sigma, q)Parametreler
| Name | Description |
|---|---|
|
mu
Gerekli
|
Normal dağılımın ortalaması. |
|
sigma
Gerekli
|
Normal dağılımın standart sapması. |
|
q
Gerekli
|
Düzeltme faktörü. |
Döndürülenler
| Tür | Description |
|---|---|
|
Stokastik ifade. |
qloguniform
Formun yuvarlak (exp(uniform(min_value, max_value) / q) * q şeklindeki tekdüzen dağılımını belirtin.
Bu, hedefin "düzgün" olduğu ve değerin boyutuyla daha yumuşak olduğu ancak hem yukarıda hem de aşağıda sınırlanması gereken ayrık bir değişken için uygundur.
qloguniform(min_value, max_value, q)Parametreler
| Name | Description |
|---|---|
|
min_value
Gerekli
|
Aralıktaki en küçük değer (dahil). |
|
max_value
Gerekli
|
Aralıktaki en büyük değer (dahil). |
|
q
Gerekli
|
Düzeltme faktörü. |
Döndürülenler
| Tür | Description |
|---|---|
|
Stokastik ifade. |
qnormal
Round(normal(mu, sigma) / q) * q gibi bir değer belirtin.
Muhtemelen mu çevresinde bir değer alan ancak temelde ilişkisiz olan ayrık bir değişken için uygundur.
qnormal(mu, sigma, q)Parametreler
| Name | Description |
|---|---|
|
mu
Gerekli
|
Normal dağılımın ortalaması. |
|
sigma
Gerekli
|
Normal dağılımın standart sapması. |
|
q
Gerekli
|
Düzeltme faktörü. |
Döndürülenler
| Tür | Description |
|---|---|
|
Stokastik ifade. |
quniform
Formun yuvarlak (tekdüzen(min_value, max_value) / q) * q şeklindeki tekdüzen dağılımını belirtin.
Bu, hedefin hala biraz "pürüzsüz" olduğu ancak hem yukarıda hem de aşağıda sınırlanması gereken ayrık bir değer için uygundur.
quniform(min_value, max_value, q)Parametreler
| Name | Description |
|---|---|
|
min_value
Gerekli
|
Aralıktaki en küçük değer (dahil). |
|
max_value
Gerekli
|
Aralıktaki en büyük değer (dahil). |
|
q
Gerekli
|
Düzeltme faktörü. |
Döndürülenler
| Tür | Description |
|---|---|
|
Stokastik ifade. |
randint
[0, üst) aralığında rastgele bir tamsayı kümesi belirtin.
Bu dağılımın semantiği, yakın tamsayı değerleri arasındaki kayıp işlevinde daha uzak tamsayı değerleriyle karşılaştırıldığında daha fazla bağıntı olmamasıdır. Bu, örneğin rastgele tohumları tanımlamak için uygun bir dağılımdır. Kayıp işlevi yakındaki tamsayı değerleriyle büyük olasılıkla daha bağıntılıysa kuniform, qloguniform, qloguniform, qnormal veya qlognormal gibi "nicelenmiş" sürekli dağılımlardan birini kullanmanız gerekir.
randint(upper)Parametreler
| Name | Description |
|---|---|
|
upper
Gerekli
|
Tamsayı aralığı için dışlayıcı üst sınır. |
Döndürülenler
| Tür | Description |
|---|---|
|
Stokastik ifade. |