EstimatorStep 클래스

  • 참조

사용되지 않습니다. Azure ML 모델 학습을 위해 Estimator를 실행할 파이프라인 단계를 만듭니다.

Machine Learning 모델 학습용 Estimator를 실행하는 Azure ML 파이프라인 단계를 만듭니다.

사용되지 않습니다. CommandStep을 대신 사용합니다. 예제는 CommandStep을 사용하여 파이프라인에서 ML 학습을 실행하는 방법을 참조하세요.

상속
PythonScriptStep
EstimatorStep

생성자

EstimatorStep(name=None, estimator=None, estimator_entry_script_arguments=None, runconfig_pipeline_params=None, inputs=None, outputs=None, compute_target=None, allow_reuse=True, version=None)

매개 변수

Name Description
name
str

단계의 이름입니다.

기본값: None
estimator
Estimator

이 단계에 대한 연결된 예측 도구 개체입니다. 미리 구성된 예측 도구(예: Chainer, PyTorch, TensorFlow 또는 SKLearn)일 수 있습니다.

기본값: None
estimator_entry_script_arguments
list[str]

[필수] 명령줄 인수 목록입니다. 예측 도구의 입력 스크립트가 명령줄 인수를 허용하지 않는 경우 이 매개 변수 값을 빈 목록으로 설정합니다.

기본값: None
runconfig_pipeline_params
dict[str, PipelineParameter]

런타임에 각각 runconfig 속성의 이름과 해당 속성의 PipelineParameter가 있는 키-값 쌍을 사용하여 runconfig 속성을 재정의합니다.

지원되는 값: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount'

기본값: None
inputs
list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig]]

사용할 입력 목록입니다.

기본값: None
outputs
list[Union[PipelineData, OutputDatasetConfig, PipelineOutputAbstractDataset]]

PipelineData 개체 목록입니다.

기본값: None
compute_target
Union[DsvmCompute, AmlCompute, RemoteCompute, str]

[필수] 사용할 컴퓨팅 대상입니다.

기본값: None
allow_reuse
bool

동일한 설정으로 다시 실행할 때 단계에서 이전 결과를 재사용해야 하는지 여부를 나타냅니다. 기본적으로 재사용하도록 설정됩니다. 단계 내용(스크립트/종속성)과 입력 및 매개 변수가 변경되지 않은 상태로 유지되면 이 단계의 이전 실행 결과가 재사용됩니다. 단계를 재사용할 때, 컴퓨팅할 작업을 제출하는 대신 이전 실행의 결과를 후속 단계에 즉시 사용할 수 있습니다. Azure Machine Learning 데이터 세트를 입력으로 사용하는 경우 재사용은 기본 데이터가 변경되었는지 여부가 아니라 데이터 세트의 정의가 변경되었는지 여부에 따라 결정됩니다.

기본값: True
version
str

모듈의 기능 변경을 나타내는 선택적 버전 태그입니다.

기본값: None
name
필수
str

단계의 이름입니다.
estimator
필수
<xref:Estimator>

이 단계에 대한 연결된 예측 도구 개체입니다. 미리 구성된 예측 도구(예: Chainer, PyTorch, TensorFlow 또는 SKLearn)일 수 있습니다.
estimator_entry_script_arguments
필수
[str]

[필수] 명령줄 인수 목록입니다. 예측 도구의 입력 스크립트가 명령줄 인수를 허용하지 않는 경우 이 매개 변수 값을 빈 목록으로 설정합니다.
runconfig_pipeline_params
필수
dict[str, PipelineParameter]

런타임에 각각 runconfig 속성의 이름과 해당 속성의 PipelineParameter가 있는 키-값 쌍을 사용하여 runconfig 속성을 재정의합니다.

지원되는 값: 'NodeCount', 'MpiProcessCountPerNode', 'TensorflowWorkerCount', 'TensorflowParameterServerCount'
inputs
필수
list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig, PipelineOutputTabularDataset, PipelineOutputFileDataset]]

사용할 입력 목록입니다.
outputs
필수
list[Union[PipelineData, PipelineOutputAbstractDataset]

PipelineData 개체 목록입니다.
compute_target
필수
Union[DsvmCompute, AmlCompute, RemoteCompute, str]

[필수] 사용할 컴퓨팅 대상입니다.
allow_reuse
필수
bool

동일한 설정으로 다시 실행할 때 단계에서 이전 결과를 재사용해야 하는지 여부를 나타냅니다. 기본적으로 재사용하도록 설정됩니다. 단계 내용(스크립트/종속성)과 입력 및 매개 변수가 변경되지 않은 상태로 유지되면 이 단계의 이전 실행 결과가 재사용됩니다. 단계를 재사용할 때, 컴퓨팅할 작업을 제출하는 대신 이전 실행의 결과를 후속 단계에 즉시 사용할 수 있습니다. Azure Machine Learning 데이터 집합을 입력으로 사용하는 경우 재사용은 기본 데이터가 변경되었는지 여부가 아니라 데이터 집합의 정의가 변경되었는지 여부에 따라 결정됩니다.
version
필수
str

버전

설명

Estimator 개체에 사용된 입력 스크립트에 대한 인수는 EstimatorStep을 인스턴스화할 때 estimator_entry_script_arguments 매개 변수를 사용하여 목록으로 지정해야 합니다. Estimator 매개 변수 script_params는 사전을 허용합니다. 그러나 estimator_entry_script_argument 매개 변수는 인수를 목록으로 예상합니다.

EstimatorStep 초기화에는 inputs 매개 변수를 사용하여 입력 목록을 지정하는 작업이 포함되며 예측 도구로 입력을 지정할 필요가 없습니다. 지정하면 예외가 발생합니다. 허용되는 입력 유형은 inputs 매개 변수를 참조하세요. 필요에 따라 단계에 대한 출력을 지정할 수도 있습니다. 허용되는 출력 유형은 outputs 매개 변수를 참조하세요.

EstimatorStep을 사용하는 모범 사례는 스크립트 및 단계와 연결된 모든 종속 파일에 별도의 폴더를 사용하고, Estimator 개체의 source_directory로 해당 폴더를 지정하는 것입니다. 이렇게 하면 두 가지 이점이 있습니다. 첫째, 단계에 필요한 것만 스냅샷이 생성되므로 단계에 대해 만들어지는 스냅샷의 크기를 줄이는 데 도움이 됩니다. 둘째, source_directory에서 스냅샷의 재업로드를 트리거하는 변경이 없는 경우 이전 실행 단계의 출력을 재사용할 수 있습니다.

메서드

create_node

예측 도구 단계에서 노드를 만들고 지정된 그래프에 추가합니다.

사용되지 않습니다. CommandStep을 대신 사용합니다. 예제는 CommandStep을 사용하여 파이프라인에서 ML 학습을 실행하는 방법을 참조하세요.

이 메서드는 직접 사용할 수 없습니다. 이 단계에서 파이프라인이 인스턴스화되면 Azure ML은 이 메서드를 통해 필요한 매개 변수를 자동으로 전달하므로 워크플로를 나타내는 파이프라인 그래프에 단계를 추가할 수 있습니다.

create_node

예측 도구 단계에서 노드를 만들고 지정된 그래프에 추가합니다.

사용되지 않습니다. CommandStep을 대신 사용합니다. 예제는 CommandStep을 사용하여 파이프라인에서 ML 학습을 실행하는 방법을 참조하세요.

이 메서드는 직접 사용할 수 없습니다. 이 단계에서 파이프라인이 인스턴스화되면 Azure ML은 이 메서드를 통해 필요한 매개 변수를 자동으로 전달하므로 워크플로를 나타내는 파이프라인 그래프에 단계를 추가할 수 있습니다.

create_node(graph, default_datastore, context)

매개 변수

Name Description
graph
필수
Graph

노드를 추가할 그래프 개체입니다.
default_datastore
필수
Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]

기본 데이터 저장소입니다.
context
필수
<xref:azureml.pipeline.core._GraphContext>

그래프 컨텍스트입니다.

반환

형식 Description
Node

만들어진 노드입니다.