SKLearn クラス
Scikit-learn 実験でのトレーニングのための推定器を作成します。
非推奨。 独自に定義した環境、またはキュレーションされた AzureML-Tutorial 環境で ScriptRunConfig オブジェクトを使用します。 ScriptRunConfig を使用して SKLearn 実験の実行を構成する方法の概要については、「Azure Machine Learning を使用して scikit-learn モデルを大規模にトレーニングする」を参照してください。
この推定器は、単一ノード CPU トレーニングのみをサポートします。
サポートされているバージョン: 0.20.3
Scikit-learn 推定器を初期化します。
- 継承
-
azureml.train.estimator._framework_base_estimator._FrameworkBaseEstimatorSKLearn
コンストラクター
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)パラメーター
- compute_target
- AbstractComputeTarget または str
トレーニングが発生するコンピューティング先。 これは、オブジェクトまたは文字列 "local" のいずれかです。
- vm_priority
- str
トレーニング用に作成されるコンピューティング先の VM 優先度。 指定しない場合は、'dedicated' が使用されます。
サポートされる値: 'dedicated' と 'lowpriority'。
これは、入力で vm_size param を指定した場合にのみ有効になります。
- custom_docker_image
- str
Docker イメージの名前。トレーニングに使用するイメージは、この Docker イメージからビルドされます。 設定しない場合は、既定の CPU ベースのイメージが基本イメージとして使用されます。
- user_managed
- bool
Azure ML が既存の Python 環境を再利用するかどうかを指定します。 false は、conda の依存関係の仕様に基づいて、Azure ML によって Python 環境が作成されることを意味します。
- conda_dependencies_file_path
- str
conda の依存関係 yaml ファイルへの相対パスを表す文字列。
指定した場合、Azure ML によって、フレームワーク関連のパッケージはインストールされません。
これは、conda_packages パラメーターと組み合わせて指定できます。
非推奨。 conda_dependencies_file パラメーターを使用します。
- pip_requirements_file_path
- str
pip 要件テキスト ファイルへの相対パスを表す文字列。
これは、pip_packages パラメーターと組み合わせて指定できます。
非推奨。 pip_requirements_file パラメーターを使用します。
- conda_dependencies_file
- str
conda の依存関係 yaml ファイルへの相対パスを表す文字列。
指定した場合、Azure ML によって、フレームワーク関連のパッケージはインストールされません。
これは、conda_packages パラメーターと組み合わせて指定できます。
- environment_definition
- Environment
実験用の環境定義には、PythonSection、DockerSection、環境変数が含まれています。 他のパラメーターを介して推定器構造に直接公開されていない環境オプションは、environment_definition パラメーターを使用して設定できます。 このパラメーターを指定すると、use_gpu、custom_docker_image、conda_packages、pip_packages などの他の環境関連パラメーターよりも優先されます。
無効な組み合わせに対してエラーが報告されます。
- shm_size
- str
Docker コンテナーの共有メモリ ブロックのサイズ。 設定しなかった場合は、既定の azureml.core.environment._DEFAULT_SHM_SIZE が使用されます。
- framework_version
- str
トレーニング コードの実行に使用される Scikit-learn バージョン。
SKLearn.get_supported_versions() は、現在の SDK でサポートされているバージョンのリストを返します。
- compute_target
- AbstractComputeTarget または str
トレーニングが発生するコンピューティング先。 これは、オブジェクトまたは文字列 "local" のいずれかです。
- vm_priority
- str
トレーニング用に作成されるコンピューティング先の VM 優先度。 指定しない場合は、'dedicated' が使用されます。
サポートされる値: 'dedicated' と 'lowpriority'。
これは、入力で vm_size param を指定した場合にのみ有効になります。
- custom_docker_image
- str
Docker イメージの名前。トレーニングに使用するイメージは、この Docker イメージからビルドされます。 設定しない場合は、既定の CPU ベースのイメージが基本イメージとして使用されます。
- user_managed
- bool
Azure ML が既存の Python 環境を再利用するかどうかを指定します。 false は、conda の依存関係の仕様に基づいて、Azure ML によって Python 環境が作成されることを意味します。
- conda_dependencies_file_path
- str
conda の依存関係 yaml ファイルへの相対パスを表す文字列。 指定した場合、Azure ML によって、フレームワーク関連のパッケージはインストールされません。
これは、conda_packages パラメーターと組み合わせて指定できます。
非推奨。 conda_dependencies_file パラメーターを使用します。
- pip_requirements_file_path
- str
pip 要件テキスト ファイルへの相対パスを表す文字列。
これは、pip_packages パラメーターと組み合わせて指定できます。
非推奨。 pip_requirements_file パラメーターを使用します。
- conda_dependencies_file
- str
conda の依存関係 yaml ファイルへの相対パスを表す文字列。 指定した場合、Azure ML によって、フレームワーク関連のパッケージはインストールされません。
これは、conda_packages パラメーターと組み合わせて指定できます。
- environment_definition
- Environment
実験用の環境定義には、PythonSection、DockerSection、環境変数が含まれています。 他のパラメーターを介して推定器構造に直接公開されていない環境オプションは、environment_definition パラメーターを使用して設定できます。 このパラメーターを指定すると、use_gpu、custom_docker_image、conda_packages、pip_packages などの他の環境関連パラメーターよりも優先されます。
無効な組み合わせに対してエラーが報告されます。
- shm_size
- str
Docker コンテナーの共有メモリ ブロックのサイズ。 設定しなかった場合は、既定の azureml.core.environment._DEFAULT_SHM_SIZE が使用されます。
- framework_version
- str
トレーニング コードの実行に使用される Scikit-learn バージョン。
SKLearn.get_supported_versions() は、現在の SDK でサポートされているバージョンのリストを返します。
- _enable_optimized_mode
- bool
事前構築済みのフレームワーク イメージを使用して増分環境ビルドを有効にして、環境の準備を高速化します。 事前構築済みのフレームワーク イメージは、フレームワークの依存関係が事前にインストールされている Azure ML の既定の CPU/GPU ベース イメージの上に構築されています。
注釈
トレーニング ジョブを送信すると、Azure ML によって、Azure ML Docker コンテナー内の conda 環境でスクリプトが実行されます。 SKLearn コンテナーには、次の依存関係がインストールされています。
Dependencies | Scikit-learn 0.20.3 | ———————- | —————– | Python | 3.6.2 | azureml-defaults | Latest | 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 |
Docker イメージにより、Ubuntu 16.04 が拡張されます。
追加の依存関係をインストールする必要がある場合は、pip_packages または conda_packages パラメーターを使うか、pip_requirements_file または conda_dependencies_file ファイルを指定することができます。 また、独自のイメージをビルドし、custom_docker_image パラメーターを推定器コンストラクターに渡すこともできます。
属性
DEFAULT_VERSION
DEFAULT_VERSION = '0.20.3'FRAMEWORK_NAME
FRAMEWORK_NAME = 'SKLearn'フィードバック
以下は間もなく提供いたします。2024 年を通じて、コンテンツのフィードバック メカニズムとして GitHub の issue を段階的に廃止し、新しいフィードバック システムに置き換えます。 詳細については、「https://aka.ms/ContentUserFeedback」を参照してください。
フィードバックの送信と表示