AutoMLStep Osztály
Létrehoz egy Azure ML Pipeline-lépést, amely magában foglal egy automatizált ML-futtatásokat.
Az AutoMLStep használatára példát a jegyzetfüzetben https://aka.ms/pl-automltalál.
AutoMLStep inicializálása.
- Öröklődés
-
AutoMLStep
Konstruktor
AutoMLStep(name, automl_config, inputs=None, outputs=None, script_repl_params=None, allow_reuse=True, version=None, hash_paths=None, enable_default_model_output=True, enable_default_metrics_output=True, **kwargs)
Paraméterek
Name | Description |
---|---|
name
Kötelező
|
A lépés neve. |
automl_config
Kötelező
|
AutoMLConfig-objektum, amely meghatározza az AutoML-futtatás konfigurációját. |
inputs
|
A bemenetiport-kötések listája. alapértelmezett érték: None
|
outputs
|
A kimeneti portkötések listája. alapértelmezett érték: None
|
script_repl_params
|
A szkriptekben lecserélendő választható paraméterek, például {'param1': 'value1', 'param2': 'value2'}. alapértelmezett érték: None
|
allow_reuse
|
Azt jelzi, hogy a lépés újra felhasználja-e a korábbi eredményeket, amikor ugyanazokat a beállításokat használja újra. Az újrafelhasználás alapértelmezés szerint engedélyezve van. Ha a lépés tartalma (szkriptek/függőségek), valamint a bemenetek és paraméterek változatlanok maradnak, a lépés előző futtatásából származó kimenet újra felhasználva lesz. A lépés újbóli használata esetén a feladat számítási feladatként való elküldése helyett az előző futtatás eredményei azonnal elérhetővé válnak a további lépésekhez. Ha az Azure Machine Learning-adathalmazokat használja bemenetként, az újrafelhasználást az határozza meg, hogy az adathalmaz definíciója megváltozott-e, nem pedig az, hogy a mögöttes adatok megváltoztak-e. alapértelmezett érték: True
|
version
|
A lépéshez hozzárendelendő verzió. alapértelmezett érték: None
|
hash_paths
|
ELAVULT. A folyamatlépés tartalmának módosításakor a kivonathoz szükséges elérési utak listája. Alapértelmezés szerint a paraméter AutoMLConfig alatt lévő összes fájl kivonatolva van, kivéve az alapértelmezett érték: None
|
enable_default_model_output
|
Azt jelzi, hogy a legjobb modell lesz-e hozzáadva alapértelmezett kimenetként. Ezzel lekérheti a legjobb modellt, miután a futtatás befejeződött az AutoMLStepRun osztály használatával.
Vegye figyelembe, hogy ha az alapértelmezett modellkimenet nem szükséges, javasoljuk, hogy állítsa ezt a paramétert a értékre alapértelmezett érték: True
|
enable_default_metrics_output
|
Azt jelzi, hogy az összes gyermekfuttatási metrika alapértelmezett kimenetként lesz-e hozzáadva. Ezzel lekérheti a gyermekfuttatási metrikákat, miután a futtatás befejeződött az AutoMLStepRun osztály használatával.
Vegye figyelembe, hogy ha az alapértelmezett metrikák kimenete nem szükséges, ajánlott ezt a paramétert a értékre alapértelmezett érték: True
|
name
Kötelező
|
A lépés neve. |
automl_config
Kötelező
|
Az AutoML-futtatás konfigurációját meghatározó AutoMLConfig. |
inputs
Kötelező
|
A bemenetiport-kötések listája. |
outputs
Kötelező
|
A kimeneti portkötések listája. |
script_repl_params
Kötelező
|
A szkriptekben lecserélendő választható paraméterek, például {'param1': 'value1', 'param2': 'value2'}. |
script_repl_params
Kötelező
|
A szkriptekben lecserélendő választható paraméterek. |
allow_reuse
Kötelező
|
Azt jelzi, hogy a lépés újra felhasználja-e a korábbi eredményeket, amikor ugyanazokat a beállításokat használja újra. Az újrafelhasználás alapértelmezés szerint engedélyezve van. Ha a lépés tartalma (szkriptek/függőségek), valamint a bemenetek és paraméterek változatlanok maradnak, a lépés előző futtatásából származó kimenet újra felhasználva lesz. A lépés újbóli használata esetén a feladat számítási feladatként való elküldése helyett az előző futtatás eredményei azonnal elérhetővé válnak a további lépésekhez. Ha az Azure Machine Learning-adathalmazokat használja bemenetként, az újrafelhasználást az határozza meg, hogy az adathalmaz definíciója megváltozott-e, nem pedig az, hogy a mögöttes adatok megváltoztak-e. |
version
Kötelező
|
A lépéshez hozzárendelendő verzió. |
hash_paths
Kötelező
|
ELAVULT. A folyamatlépés tartalmának módosításakor a kivonathoz szükséges elérési utak listája. Alapértelmezés szerint a paraméter AutoMLConfig alatt lévő összes fájl kivonatolva van, kivéve az |
enable_default_model_output
Kötelező
|
Azt jelzi, hogy a legjobb modell lesz-e hozzáadva alapértelmezett kimenetként. Ezzel lekérheti a legjobb modellt, miután a futtatás befejeződött az AutoMLStepRun osztály használatával.
Vegye figyelembe, hogy ha az alapértelmezett modellkimenet nem szükséges, javasoljuk, hogy állítsa ezt a paramétert a értékre |
enable_default_metrics_output
Kötelező
|
Azt jelzi, hogy az összes gyermekfuttatási metrika alapértelmezett kimenetként lesz-e hozzáadva. Ezzel lekérheti a gyermekfuttatási metrikákat, miután a futtatás befejeződött az AutoMLStepRun osztály használatával.
Vegye figyelembe, hogy ha az alapértelmezett metrikák kimenete nem szükséges, ajánlott ezt a paramétert a értékre |
Megjegyzések
Az AutoMLStep osztályban futtathatja az automatizált gépi tanulási munkafolyamatot egy Azure Machine Learning-folyamatban. A folyamatok olyan előnyöket biztosítanak, mint az megismételhetőség, a felügyelet nélküli futtatások, a verziószámozás és a nyomon követés, valamint a modularitás az automatizált ml-munkafolyamat számára. További információ: Mik azok az Azure Machine Learning-folyamatok?.
Ha az automatizált gépi tanulási munkafolyamat folyamatban van, ütemezheti, hogy a folyamat időalapú vagy változásalapú ütemezés szerint fusson. Az időalapú ütemezések olyan rutinfeladatok esetén hasznosak, mint az adateltolódás figyelése, míg a változásalapú ütemezések hasznosak a szabálytalan vagy kiszámíthatatlan változásokhoz, például az adatváltozásokhoz. Előfordulhat például, hogy az ütemezés lekérdez egy blobtárolót, ahol az adatok feltöltése történik, majd az adatok változása esetén futtassa újra a folyamatot, majd a futtatás befejezése után regisztrálja a modell új verzióját. További információ: Gépi tanulási folyamatok ütemezése és Machine Learning-folyamat futtatásának aktiválása logikai alkalmazásból.
Az alábbi példa bemutatja, hogyan hozhat létre AutoMLStepet.
automl_step = AutoMLStep(
name='automl_module',
automl_config=automl_config,
outputs=[metrics_data, model_data],
allow_reuse=True)
A teljes minta a következő forrásból érhető el: https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-with-automated-machine-learning-step.ipynb
Az alábbi példa bemutatja, hogyan használhatja az AutoMLStep objektumot egy Pipelinealkalmazásban.
from azureml.pipeline.core import Pipeline
pipeline = Pipeline(
description="pipeline_with_automlstep",
workspace=ws,
steps=[automl_step])
A teljes minta a következő forrásból érhető el: https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-with-automated-machine-learning-step.ipynb
A fenti példa a folyamat egy lépését mutatja be. Ha azonban az AutoMLStep-et egy valós, automatizált ml-munkafolyamatban használja, legalább egy folyamatlépéssel rendelkezik, amely elvégzi az adatok előkészítését az AutoMLStep előtt, és egy másik folyamatlépéssel, miután regisztrálja a modellt. Ilyen típusú munkafolyamatot például a jegyzetfüzetben https://aka.ms/automl-retrain-pipelinetalál.
Az osztály használatával kezelheti, ellenőrizheti az állapotot, és lekérheti a futtatási adatokat a AutoMLStepRun folyamatfuttatásból.
Az azure-beli automatizált gépi tanulásról további információt az Mi az automatizált gépi tanulás? című cikkben talál. Az automatizált gépi tanulási kísérletek folyamat nélküli beállításáról további információt az Automatizált gépi tanulási kísérlet konfigurálása Pythonban című cikkben talál.
Metódusok
create_node |
Hozzon létre egy csomópontot ebből az AutoML-lépésből, és adja hozzá az adott gráfhoz. Ez a módszer nem használható közvetlenül. Ha ezzel a lépéssel példányosít egy folyamatot, az Azure ML automatikusan átadja a szükséges paramétereket ezen a módszeren keresztül, így a lépés hozzáadható a munkafolyamatot képviselő folyamatgráfhoz. |
create_node
Hozzon létre egy csomópontot ebből az AutoML-lépésből, és adja hozzá az adott gráfhoz.
Ez a módszer nem használható közvetlenül. Ha ezzel a lépéssel példányosít egy folyamatot, az Azure ML automatikusan átadja a szükséges paramétereket ezen a módszeren keresztül, így a lépés hozzáadható a munkafolyamatot képviselő folyamatgráfhoz.
create_node(graph, default_datastore, context)
Paraméterek
Name | Description |
---|---|
graph
Kötelező
|
A csomópont hozzáadásához a gráfobjektum. |
default_datastore
Kötelező
|
Az alapértelmezett adattár. |
context
Kötelező
|
<xref:azureml.pipeline.core._GraphContext>
A gráfkörnyezet. |
Válaszok
Típus | Description |
---|---|
A létrehozott csomópont. |
Attribútumok
AUTOML_CONFIG_PARAM_NAME
AUTOML_CONFIG_PARAM_NAME = 'AutoMLConfig'
DEFAULT_METRIC_PREFIX
DEFAULT_METRIC_PREFIX = 'default_metrics_'
DEFAULT_MODEL_PREFIX
DEFAULT_MODEL_PREFIX = 'default_model_'
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: