RunDetails Classe

  • Référence

Représente un widget de notebook Jupyter utilisé pour voir la progression de l’entraînement du modèle.

Un widget est asynchrone et fournit des mises à jour jusqu’à ce que l’apprentissage se termine.

Initialisez le widget avec le instance d’exécution fourni.

Héritage
builtins.object
RunDetails

Constructeur

RunDetails(run_instance)

Paramètres

run_instance
Run
Obligatoire

Exécute l’instance pour laquelle le widget sera affiché.

run_instance
Run
Obligatoire

Exécute l’instance pour laquelle le widget sera affiché.

Remarques

Un widget Azure ML Jupyter Notebook affiche la progression de la formation du modèle, y compris les propriétés, les journaux et les métriques. Le type de widget sélectionné est implicitement déduit de run_instance. Vous n’êtes pas tenu de le définir explicitement. Utilisez la méthode show pour commencer à afficher le widget. Si le widget n’est pas installé, vous noterez la présence d’un lien permettant d’afficher le contenu dans une nouvelle page du navigateur. Après avoir démarré une expérience, vous pouvez également voir la progression de la formation du modèle dans le portail Azure à l’aide de la méthode get_portal_url() de la classe Run.

L’exemple suivant montre comment créer un widget et le démarrer :


   from azureml.widgets import RunDetails

   RunDetails(remote_run).show()

Un exemple complet est disponible sur https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/automated-machine-learning/classification-credit-card-fraud/auto-ml-classification-credit-card-fraud.ipynb

Les types d’exécutions suivants sont pris en charge :

  • StepRun : Affiche les propriétés d’exécution, les journaux de sortie, les métriques.

  • HyperDriveRun : Affiche les propriétés des exécutions parentes, les journaux, les exécutions enfants, le graphique des métriques principales et le graphique des coordonnées parallèles des hyperparamètres.

  • AutoMLRun : Affiche les exécutions enfants et le graphique des métriques principales avec l’option permettant de sélectionner des mesures individuelles.

  • PipelineRun : Affiche les nœuds en cours d’exécution ou non d’un pipeline, ainsi que la représentation graphique des nœuds et des bords.

  • ReinforcementLearningRun : Affiche l’état des exécutions en temps réel. L’apprentissage par renforcement Azure Machine Learning est actuellement une fonctionnalité en préversion. Pour plus d’informations, consultez Apprentissage par renforcement avec Azure Marchine Learning.

Le package azureml-widgets est installé lorsque vous installez le kit de développement logiciel (SDK) Azure Machine Learning. Cependant, une installation supplémentaire peut être nécessaire en fonction de l'environnement.

  • Jupyter Notebooks : les notebooks locaux et cloud sont entièrement pris en charge, avec interactivité, mises à jour automatiques asynchrones et exécution des cellules non bloquantes.

  • JupyterLab : une installation supplémentaire peut être nécessaire.

    1. Vérifiez que le package azure-widgets est installé et, si ce n’est pas le cas, installez-le.

      
   sudo -i pip install azureml-widgets

    2. Installez l’extension JupyterLab.

      
   sudo -i jupyter labextension install @jupyter-widgets/jupyterlab-manager

    3. Après l’installation, redémarrez le noyau dans tous les notebooks en cours d’exécution.

      
   jupyter labextension list

  • Databricks : prise en charge partielle des widgets Jupyter Notebook. Lorsque vous l’utilisez, ce widget affiche un lien permettant de consulter le contenu dans une nouvelle page du navigateur. Utilisez show avec le paramètre render_lib défini sur « displayHTML ».

Méthodes

get_widget_data

Récupère et transforme les données de l’historique des exécutions pour permettre au widget de les afficher. Utilisé également à des fins de débogage.
show

Affiche le widget et démarrer un thread pour l’actualiser.

get_widget_data

Récupère et transforme les données de l’historique des exécutions pour permettre au widget de les afficher. Utilisé également à des fins de débogage.

get_widget_data(widget_settings=None)

Paramètres

widget_settings
dict
valeur par défaut: None

Paramètres à appliquer au widget. Paramètre pris en charge : 'debug' (valeur booléenne).

Retours

Dictionnaire contenant les données à afficher par le widget.

Type de retour

dict

show

Affiche le widget et démarrer un thread pour l’actualiser.

show(render_lib=None, widget_settings=None)

Paramètres

render_lib
<xref:func>
valeur par défaut: None

Bibliothèque à utiliser pour le rendu. Uniquement obligatoire pour Databricks avec la valeur « displayHTML ».

widget_settings
dict
valeur par défaut: None

Paramètres à appliquer au widget. Paramètre pris en charge : 'debug' (valeur booléenne).