Chainer Osztály
Becslőt jelöl a Chainer-kísérletek betanításához.
ELAVULT. Használja az ScriptRunConfig objektumot a saját meghatározott környezetével vagy az Azure ML Chainer válogatott környezeteivel. A kísérletfuttatások ScriptRunConfig használatával történő konfigurálásáról a Betanítási futtatások konfigurálása és elküldése című témakörben olvashat.
Támogatott verziók: 5.1.0, 7.0.0
Chainer-becslő inicializálása.
- Öröklődés
-
azureml.train.estimator._framework_base_estimator._FrameworkBaseEstimatorChainer
Konstruktor
Chainer(source_directory, *, compute_target=None, vm_size=None, vm_priority=None, entry_script=None, script_params=None, node_count=1, process_count_per_node=1, distributed_backend=None, distributed_training=None, use_gpu=False, use_docker=True, custom_docker_base_image=None, 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, source_directory_data_store=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)
Paraméterek
- compute_target
- AbstractComputeTarget vagy str
A számítási cél, ahol a betanítás megtörténik. Ez lehet objektum vagy a "local" sztring.
- vm_size
- str
A betanításhoz létrehozandó számítási cél virtuálisgép-mérete. Támogatott értékek: Bármely Azure-beli virtuális gép mérete.
- vm_priority
- str
A betanításhoz létrehozandó számítási cél virtuálisgép-prioritása. Ha nincs megadva, a rendszer "dedikált" értéket használ.
Támogatott értékek: "dedikált" és "alacsony ár/érték".
Ez csak akkor lép érvénybe, ha a vm_size param
bemenetben meg van adva.
- script_params
- dict
A parancssori argumentumok szótára, amely a(z) fájlban entry_script
megadott betanítási szkriptnek továbbítandó.
- node_count
- int
A betanításhoz használt számítási cél csomópontjainak száma. Ha 1-nél nagyobb, a rendszer egy elosztott MPI-feladatot futtat. Elosztott feladatok esetében csak a AmlCompute cél támogatott.
- process_count_per_node
- int
A csomópontonkénti folyamatok száma. Ha 1-nél nagyobb, a rendszer egy elosztott MPI-feladatot futtat. Elosztott feladatok esetében csak a AmlCompute cél támogatott.
- distributed_backend
- str
Az elosztott betanítás kommunikációs háttérrendszere.
ELAVULT. Használja a paramétert distributed_training
.
Támogatott értékek: "mpi".
"mpi": MPI/Horovod
Ezt a paramétert akkor kell megadni, ha node_count
vagy process_count_per_node
> 1.
== 1 és process_count_per_node
== 1 esetén node_count
a rendszer csak akkor használ háttérrendszert, ha a háttérrendszer kifejezetten be van állítva. Elosztott betanítás esetén csak a AmlCompute cél támogatott.
- distributed_training
- Mpi
Elosztott betanítási feladat futtatásának paraméterei.
Elosztott feladat MPI-háttérrendszerrel való futtatásához használja az objektumot a Mpi beállításhoz process_count_per_node
.
- use_gpu
- bool
Meghatározza, hogy a kísérlet futtatásához használandó környezet támogatja-e a GPU-kat.
Ha igaz, a rendszer GPU-alapú alapértelmezett Docker-rendszerképet használ a környezetben. Ha hamis, a rendszer processzoralapú rendszerképet használ. Az alapértelmezett Docker-rendszerképek (CPU vagy GPU) csak akkor lesznek használatban, ha a custom_docker_image
paraméter nincs beállítva. Ez a beállítás csak Docker-kompatibilis számítási célokban használható.
- use_docker
- bool
Meghatározza, hogy a kísérletet futtató környezetnek Docker-alapúnak kell-e lennie.
- custom_docker_base_image
- str
Annak a Docker-rendszerképnek a neve, amelyből a betanításhoz használni kívánt rendszerkép létrejön.
ELAVULT. Használja a paramétert custom_docker_image
.
Ha nincs beállítva, a rendszer egy alapértelmezett cpu-alapú rendszerképet használ alaprendszerképként.
- custom_docker_image
- str
Annak a Docker-rendszerképnek a neve, amelyből a betanításhoz használni kívánt rendszerkép létrejön. Ha nincs beállítva, a rendszer egy alapértelmezett cpu-alapú rendszerképet használ alaprendszerképként.
- user_managed
- bool
Megadja, hogy az Azure ML újra felhasználja-e a meglévő Python-környezetet. Ha hamis, az Azure ML létrehoz egy Python-környezetet a Conda-függőségek specifikációja alapján.
- conda_packages
- list
A kísérletHez a Python-környezethez hozzáadni kívánt Conda-csomagokat képviselő sztringek listája.
- pip_packages
- list
A kísérlethez a Python-környezethez hozzáadni kívánt pip-csomagokat képviselő sztringek listája.
- conda_dependencies_file_path
- str
A conda dependencies yaml fájl relatív elérési útja.
Ha meg van adva, az Azure ML nem telepíti a keretrendszerhez kapcsolódó csomagokat.
ELAVULT. Használja a paramétert conda_dependencies_file
.
- pip_requirements_file_path
- str
A pipkövetelmények szövegfájljának relatív elérési útja.
Ez a paraméterrel pip_packages
együtt adható meg.
ELAVULT. Használja a paramétert pip_requirements_file
.
- conda_dependencies_file
- str
A conda dependencies yaml fájl relatív elérési útja. Ha meg van adva, az Azure ML nem telepíti a keretrendszerhez kapcsolódó csomagokat.
- pip_requirements_file
- str
A pipkövetelmények szövegfájljának relatív elérési útja.
Ez a paraméterrel pip_packages
együtt adható meg.
- environment_variables
- dict
A környezeti változók nevének és értékeinek szótára. Ezek a környezeti változók a felhasználói szkript végrehajtásának folyamatán vannak beállítva.
- environment_definition
- Environment
A kísérlet környezetdefiníciója. Ide tartoznak a PythonSection, a DockerSection és a környezeti változók. Ezzel a paraméterrel bármely olyan környezeti beállítás beállítható, amely nem érhető el közvetlenül más paraméterekkel a Becslő szerkezetében. Ha ez a paraméter meg van adva, elsőbbséget élvez más környezettel kapcsolatos paraméterekkel szemben, például use_gpu
, custom_docker_image
, conda_packages
vagy pip_packages
.
Érvénytelen kombinációkon hibaüzenet jelenik meg.
- inputs
- list
A bemenetként használandó objektumok listája DataReference vagy DatasetConsumptionConfig objektumai.
- shm_size
- str
A Docker-tároló megosztott memóriablokkjának mérete. Ha nincs beállítva, a rendszer az alapértelmezett azureml.core.environment._DEFAULT_SHM_SIZE használja. További információ: Docker-futtatási referencia.
- resume_from
- DataPath
A kísérlet folytatásához használandó ellenőrzőpont- vagy modellfájlokat tartalmazó adatútvonal.
- max_run_duration_seconds
- int
A futtatás maximális engedélyezett ideje. Az Azure ML megpróbálja automatikusan megszakítani a futtatásokat, ha az ennél az értéknél tovább tart.
- framework_version
- str
A betanítási kód végrehajtásához használandó Chainer-verzió.
Chainer.get_supported_versions()
az aktuális SDK által támogatott verziók listáját adja vissza.
- compute_target
- AbstractComputeTarget vagy str
A számítási cél, ahol a betanítás megtörténik. Ez lehet objektum vagy a "local" sztring.
- vm_size
- str
A betanításhoz létrehozandó számítási cél virtuálisgép-mérete. Támogatott értékek: Bármely Azure-beli virtuális gép mérete.
- vm_priority
- str
A betanításhoz létrehozandó számítási cél virtuálisgép-prioritása. Ha nincs megadva, az alapértelmezés szerint "dedikált" lesz.
Támogatott értékek: "dedikált" és "alacsony ár/érték".
Ez csak akkor lép érvénybe, ha a vm_size paraméter meg van adva a bemenetben.
- script_params
- dict
A parancssori argumentumok szótára, amely a(z) fájlban entry_script
megadott betanítási szkriptnek továbbítandó.
- node_count
- int
A betanításhoz használt számítási cél csomópontjainak száma. Ha 1-nél nagyobb, a rendszer egy elosztott MPI-feladatot futtat. Elosztott feladatok esetében csak a AmlCompute cél támogatott.
- process_count_per_node
- int
A csomópontonkénti folyamatok száma. Ha 1-nél nagyobb, a rendszer egy elosztott MPI-feladatot futtat. Elosztott feladatok esetében csak AmlCompute a cél számítási cél támogatott.
- distributed_backend
- str
Az elosztott betanítás kommunikációs háttérrendszere.
ELAVULT. Használja a paramétert distributed_training
.
Támogatott értékek: "mpi".
"mpi": MPI/Horovod
Ezt a paramétert akkor kell megadni, ha node_count
vagy process_count_per_node
> 1.
== 1 és process_count_per_node
== 1 esetén node_count
a rendszer csak akkor használ háttérrendszert, ha a háttérrendszer kifejezetten be van állítva. Elosztott betanítás esetén csak a AmlCompute cél támogatott.
- distributed_training
- Mpi
Elosztott betanítási feladat futtatásának paraméterei.
Elosztott feladat MPI-háttérrendszerrel való futtatásához használja az objektumot a Mpi beállításhoz process_count_per_node
.
- use_gpu
- bool
Meghatározza, hogy a kísérlet futtatásához használandó környezet támogatja-e a GPU-kat.
Ha igaz, a rendszer gpu-alapú alapértelmezett Docker-rendszerképet használ a környezetben. Ha hamis, a rendszer processzoralapú rendszerképet használ. Az alapértelmezett Docker-rendszerképek (CPU vagy GPU) csak akkor lesznek használatban, ha a custom_docker_image
paraméter nincs beállítva. Ez a beállítás csak Docker-kompatibilis számítási célokban használható.
- use_docker
- bool
Meghatározza, hogy a kísérletet futtató környezetnek Docker-alapúnak kell-e lennie.
- custom_docker_base_image
- str
Annak a Docker-rendszerképnek a neve, amelyből a betanításhoz használni kívánt rendszerkép létrejön.
ELAVULT. Használja a paramétert custom_docker_image
.
Ha nincs beállítva, a rendszer egy alapértelmezett cpu-alapú rendszerképet használ alaprendszerképként.
- custom_docker_image
- str
Annak a Docker-rendszerképnek a neve, amelyből a betanításhoz használni kívánt rendszerkép létrejön. Ha nincs beállítva, a rendszer egy alapértelmezett cpu-alapú rendszerképet használ alaprendszerképként.
- user_managed
- bool
Megadja, hogy az Azure ML újra felhasználja-e a meglévő Python-környezetet. Ha hamis, az Azure ML létrehoz egy Python-környezetet a Conda-függőségek specifikációja alapján.
- conda_packages
- list
A kísérletHez a Python-környezethez hozzáadni kívánt Conda-csomagokat képviselő sztringek listája.
- pip_packages
- list
A kísérlethez a Python-környezethez hozzáadni kívánt pip-csomagokat képviselő sztringek listája.
- conda_dependencies_file_path
- str
A conda dependencies yaml fájl relatív elérési útja. Ha meg van adva, az Azure ML nem telepíti a keretrendszerhez kapcsolódó csomagokat.
ELAVULT. Használja a paramétert conda_dependencies_file
.
- pip_requirements_file_path
- str
A pipkövetelmények szövegfájljának relatív elérési útja.
Ez a paraméterrel pip_packages
együtt adható meg.
ELAVULT. Használja a paramétert pip_requirements_file
.
- conda_dependencies_file
- str
A conda dependencies yaml fájl relatív elérési útja. Ha meg van adva, az Azure ML nem telepíti a keretrendszerhez kapcsolódó csomagokat.
- pip_requirements_file
- str
A pipkövetelmények szövegfájljának relatív elérési útja.
Ez a paraméterrel pip_packages
együtt adható meg.
- environment_variables
- dict
A környezeti változók nevének és értékeinek szótára. Ezek a környezeti változók a felhasználói szkript végrehajtásának folyamatán vannak beállítva.
- environment_definition
- Environment
A kísérlet környezetdefiníciója. Ide tartoznak a PythonSection, a DockerSection és a környezeti változók. Ezzel a paraméterrel bármely olyan környezeti beállítás beállítható, amely nem érhető el közvetlenül más paraméterekkel a Becslő szerkezetében. Ha ez a paraméter meg van adva, elsőbbséget élvez más környezettel kapcsolatos paraméterekkel szemben, például use_gpu
, custom_docker_image
, conda_packages
vagy pip_packages
.
Érvénytelen kombinációkon hibaüzenet jelenik meg.
- inputs
- list
A azureml.data.data_reference listája. Bemenetként használandó DataReference-objektumok.
- shm_size
- str
A Docker-tároló megosztott memóriablokkjának mérete. Ha nincs beállítva, a rendszer az alapértelmezett azureml.core.environment._DEFAULT_SHM_SIZE használja. További információ: Docker-futtatási referencia.
- resume_from
- DataPath
A kísérlet folytatásához használandó ellenőrzőpont- vagy modellfájlokat tartalmazó adatútvonal.
- max_run_duration_seconds
- int
A futtatás maximális engedélyezett ideje. Az Azure ML megpróbálja automatikusan megszakítani a futtatásokat, ha az ennél az értéknél tovább tart.
- framework_version
- str
A betanítási kód végrehajtásához használandó Chainer-verzió.
Chainer.get_supported_versions()
az aktuális SDK által támogatott verziók listáját adja vissza.
- _enable_optimized_mode
- bool
A környezet gyorsabb előkészítéséhez engedélyezze a növekményes környezetek összeállítását előre elkészített keretrendszerrendszerképekkel. Az előre elkészített keretrendszerrendszerképek az Azure ML alapértelmezett CPU-/GPU-alaprendszerképeire épülnek, és előre telepítve vannak a keretrendszerfüggőségek.
- _disable_validation
- bool
Tiltsa le a szkriptérvényesítést a futtatás előtt. Az alapértelmezett érték Igaz.
- _show_lint_warnings
- bool
Szkriptbőség-figyelmeztetések megjelenítése. Az alapértelmezett érték Hamis.
- _show_package_warnings
- bool
Csomagérvényesítési figyelmeztetések megjelenítése. Az alapértelmezett érték Hamis.
Megjegyzések
Betanítási feladat elküldésekor az Azure ML conda környezetben futtatja a szkriptet egy Docker-tárolóban. A Chainer-tárolók a következő függőségeket telepítik.
Függőségek | Chainer 5.1.0 | Chainer 7.0.0 | —————————- | —————– | ————— | Python | 3.6.2. 3.6.2. CUDA (csak GPU-rendszerkép) | 9.0 | 9.0 | cuDNN (csak GPU-kép) | 7.6.3. 7.6.3. NCCL (csak GPU-rendszerkép) | 2.4.8. 2.4.8. azureml-defaults | Legutóbbi | Legutóbbi | IntelMpi | 2018.3.222. | 2018.3.222. | horovod | 0.15.2. 0.15.2. miniconda | 4.5.11. 4.5.11. chainer | 5.1.0 . 7.0.0 | cupy-cuda90 (csak GPU-kép) | 5.2.0. 7.0.0 | git | 2.7.4. 2.7.4.
A Docker-képek kibővítik az Ubuntu 16.04-et.
További függőségek telepítéséhez használhatja a vagy conda_packages
a paramétertpip_packages
. Vagy megadhatja a vagy conda_dependencies_file
paramétertpip_requirements_file
.
Másik lehetőségként létrehozhatja saját rendszerképét, és átadhatja a custom_docker_image
paramétert a becslő konstruktornak.
További információ a Chainer betanításában használt Docker-tárolókról: https://github.com/Azure/AzureML-Containers.
Attribútumok
DEFAULT_VERSION
DEFAULT_VERSION = '5.1.0'
FRAMEWORK_NAME
FRAMEWORK_NAME = 'Chainer'
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: