SKLearn Osztály
Becslőt hoz létre a Scikit-learn kísérletek betanításához.
ELAVULT. Használja az ScriptRunConfig objektumot a saját meghatározott környezetével vagy a AzureML-Tutorial válogatott környezettel. Az SKLearn-kísérletfuttatások ScriptRunConfig használatával történő konfigurálásának bemutatása: Scikit-learn-modellek nagy léptékű betanítása az Azure Machine Learningdel.
Ez a becslő csak az egycsomópontos CPU-betanítást támogatja.
Támogatott verziók: 0.20.3
Scikit-learn becslő inicializálása.
- Öröklődés
-
azureml.train.estimator._framework_base_estimator._FrameworkBaseEstimatorSKLearn
Konstruktor
SKLearn(source_directory, *, compute_target=None, vm_size=None, vm_priority=None, entry_script=None, script_params=None, use_docker=True, 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, 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.
- entry_script
- str
A betanítás indításához használt fájl relatív elérési útját ábrázoló sztring.
- script_params
- dict
A parancssori argumentumok szótára, amely a(z) alkalmazásban megadott betanítási entry_script
szkriptnek továbbítandó.
- 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. A hamis azt jelenti, hogy az AzureML 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 útját ábrázoló sztring.
Ha meg van adva, az Azure ML nem telepíti a keretrendszerhez kapcsolódó csomagokat.
Ez a paraméterrel conda_packages
együtt adható meg.
ELAVULT. Használja a paramétert conda_dependencies_file
.
- pip_requirements_file_path
- str
Egy sztring, amely a pipkövetelmények szövegfájljának relatív elérési útját jelöli.
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 útját ábrázoló sztring.
Ha meg van adva, az Azure ML nem telepíti a keretrendszerhez kapcsolódó csomagokat.
Ez a paraméterrel conda_packages
együtt adható meg.
- pip_requirements_file
- str
Egy sztring, amely a pipkövetelmények szövegfájljának relatív elérési útját jelöli.
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 a PythonSection, a DockerSection és a környezeti változók. Bármely környezeti beállítás, amely nem érhető el közvetlenül más paraméterekkel a Becslő szerkezetében, paraméterrel environment_definition
állítható be. 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
.
A hibaüzenetek érvénytelen kombinációkat fognak jelenteni.
- 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.
- 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 Scikit-learn-verzió.
SKLearn.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, 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.
- entry_script
- str
A betanítás indításához használt fájl relatív elérési útját ábrázoló sztring.
- script_params
- dict
A parancssori argumentumok szótára, amely a(z) alkalmazásban megadott betanítási entry_script
szkriptnek továbbítandó.
- use_docker
- bool
Egy bool érték, amely azt jelzi, hogy a kísérlet futtatásához használandó környezetnek Docker-alapúnak kell-e lennie.
- 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. A hamis azt jelenti, hogy az AzureML 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 útját ábrázoló sztring. Ha meg van adva, az Azure ML nem telepíti a keretrendszerhez kapcsolódó csomagokat.
Ez a paraméterrel conda_packages
együtt adható meg.
ELAVULT. Használja a paramétert conda_dependencies_file
.
- pip_requirements_file_path
- str
Egy sztring, amely a pipkövetelmények szövegfájljának relatív elérési útját jelöli.
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 útját ábrázoló sztring. Ha meg van adva, az Azure ML nem telepíti a keretrendszerhez kapcsolódó csomagokat.
Ez a paraméterrel conda_packages
együtt adható meg.
- pip_requirements_file
- str
Egy sztring, amely a pipkövetelmények szövegfájljának relatív elérési útját jelöli.
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 a PythonSection, a DockerSection és a környezeti változók. Bármely környezeti beállítás, amely nem érhető el közvetlenül más paraméterekkel a Becslő szerkezetében, paraméterrel environment_definition
állítható be. 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
.
A hibaüzenetek érvénytelen kombinációkat fognak jelenteni.
- 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.
- 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 Scikit-learn-verzió.
SKLearn.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. Az SKLearn-tárolókra a következő függőségek vannak telepítve.
Függőségek | Scikit-learn 0.20.3 | ———————- | —————– | Python | 3.6.2. azureml-defaults | Legutóbbi | IntelMpi | 2018.3.222. | scikit-learn | 0.20.3. numpy | 1.16.2. miniconda | 4.5.11. scipy | 1.2.1. joblib | 0.13.2. git | 2.7.4.
A Docker-képek kibővítik az Ubuntu 16.04-et.
Ha további függőségeket kell telepítenie, használhatja a vagy conda_packages
a pip_packages
paramétereket, vagy megadhatja a vagy conda_dependencies_file
a pip_requirements_file
fájlt. Másik lehetőségként létrehozhatja saját rendszerképét, és átadhatja a paramétert custom_docker_image
a becslő konstruktornak.
Attribútumok
DEFAULT_VERSION
DEFAULT_VERSION = '0.20.3'
FRAMEWORK_NAME
FRAMEWORK_NAME = 'SKLearn'
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: