TrainingOutput Clase

Define una salida especializada de determinados PipelineSteps para su uso en una canalización.

TrainingOutput permite que un modelo o métrica de aprendizaje automático automatizado esté disponible como salida paso a paso para que lo consuma otro paso de una canalización de Azure Machine Learning. Se puede usar con las propiedades AutoMLStep o HyperDriveStep.

Inicializar TrainingOutput.

param model_file: el archivo de modelo específico que se va a incluir en la salida. Solo para HyperDriveStep.

Herencia

builtins.object

TrainingOutput

Constructor

TrainingOutput(type, iteration=None, metric=None, model_file=None)

Parámetros

Nombre	Description
type Requerido	str El tipo de salida de entrenamiento. Entre los valores posibles se incluyen: "Métricas", "Modelo".
iteration	int El número de iteración del modelo de entrenamiento correspondiente. Este número de iteración solo se puede proporcionar con el tipo "Modelo". Proporcione el parámetro iteration o metric, pero no ambos. valor predeterminado: None
metric	str La métrica que se usará para devolver el mejor modelo de entrenamiento. La métrica solo se puede proporcionar con el tipo "Modelo". Proporcione el parámetro iteration o metric, pero no ambos. valor predeterminado: None
model_file	str Archivo de modelo específico que se va a incluir en la salida. Solo para HyperDriveStep. valor predeterminado: None
type Requerido	str El tipo de salida de entrenamiento. Entre los valores posibles se incluyen: "Métricas", "Modelo".
iteration Requerido	int El número de iteración del modelo de entrenamiento correspondiente. Este número de iteración solo se puede proporcionar con el tipo "Modelo". Proporcione el parámetro iteration o metric, pero no ambos.
metric Requerido	str La métrica que se usará para devolver el mejor modelo de entrenamiento. La métrica solo se puede proporcionar con el tipo "Modelo". Proporcione el parámetro iteration o metric, pero no ambos.

Comentarios

TrainingOutput se usa con PipelineData al construir Pipeline para permitir que otros pasos consuman las métricas o los modelos generados por AutoMLStep o HyperDriveStep.

Use TrainingOutput al definir AutoMLStep como se muestra a continuación:

   from azureml.pipeline.core import PipelineData, TrainingOutput

   metrics_data = PipelineData(name='metrics_data', datastore=ds,
                                pipeline_output_name='metrics_output',
                                training_output=TrainingOutput(type='Metrics'))
   model_data = PipelineData(name='model_data', datastore=ds,
                             pipeline_output_name='best_model_output',
                             training_output=TrainingOutput(type='Model'))
   automl_step = AutoMLStep(name='automl_step',
                            automl_config=automl_config,
                            inputs=[input_data],
                            outputs=[metrics_data, model_data])

Vea un ejemplo de uso de TrainingOutput y un paso AutoMlStep en el cuaderno https://aka.ms/pl-automl.

Atributos

iteration

Obtiene el número de iteración del modelo de entrenamiento correspondiente.

Devoluciones

Tipo	Description
int	Número de iteración para el modelo de entrenamiento.

metric

Obtenga la métrica para obtener el mejor modelo de entrenamiento.

Devoluciones

Tipo	Description
str	Nombre de la métrica para el mejor modelo de entrenamiento.

model_file

Obtenga un archivo de modelo que se incluirá en la salida para obtener el mejor modelo de entrenamiento.

Devoluciones

Tipo	Description
str	Un archivo determinado que se va a incluir en la salida del mejor modelo de entrenamiento.

type

Obtenga el tipo de salida de entrenamiento.

Devoluciones

Tipo	Description
str	Tipo de salida de entrenamiento. Entre los valores posibles se incluyen: "Métricas", "Modelo".