AutoMLRun Klasa
Reprezentuje przebieg eksperymentu zautomatyzowanego uczenia maszynowego w usłudze Azure Machine Learning.
Klasa AutoMLRun może służyć do zarządzania przebiegiem, sprawdzania stanu przebiegu i pobierania szczegółów przebiegu po przesłaniu przebiegu rozwiązania AutoML. Aby uzyskać więcej informacji na temat pracy z przebiegami eksperymentów, zobacz klasę Run .
Inicjowanie przebiegu rozwiązania AutoML.
- Dziedziczenie
-
AutoMLRun
Konstruktor
AutoMLRun(experiment, run_id, **kwargs)
Parametry
Uwagi
Obiekt AutoMLRun jest zwracany podczas korzystania z submit metody eksperymentu.
Aby pobrać przebieg, który został już uruchomiony, użyj następującego kodu:
from azureml.train.automl.run import AutoMLRun
ws = Workspace.from_config()
experiment = ws.experiments['my-experiment-name']
automl_run = AutoMLRun(experiment, run_id = 'AutoML_9fe201fe-89fd-41cc-905f-2f41a5a98883')
Metody
cancel |
Anuluj uruchomienie rozwiązania AutoML. Zwraca wartość True, jeśli przebieg automatycznego uczenia maszynowego został pomyślnie anulowany. |
cancel_iteration |
Anuluj określone uruchomienie podrzędne. |
complete |
Ukończ uruchamianie automatycznego uczenia maszynowego. |
continue_experiment |
Kontynuuj istniejący eksperyment rozwiązania AutoML. |
fail |
Nie można uruchomić automatycznego uczenia maszynowego. Opcjonalnie ustaw właściwość Error przebiegu z komunikatem lub wyjątkiem przekazanym na |
get_best_child |
Zwróć przebieg podrzędny z najlepszym wynikiem dla tego przebiegu rozwiązania AutoML. |
get_guardrails |
Drukuj i zwracaj szczegółowe wyniki z uruchamiania weryfikacji guardrail. |
get_output |
Zwróć przebieg z odpowiednim najlepszym potokiem, który został już przetestowany. Jeśli nie podano parametrów wejściowych, |
get_run_sdk_dependencies |
Pobierz zależności uruchamiania zestawu SDK dla danego przebiegu. |
pause |
Zwraca wartość True, jeśli przebieg automatycznego uczenia maszynowego został pomyślnie wstrzymany. Ta metoda nie jest zaimplementowana. |
register_model |
Zarejestruj model w usłudze AzureML ACI. |
resume |
Zwraca wartość True, jeśli przebieg rozwiązania AutoML został pomyślnie wznowiony. Ta metoda nie jest zaimplementowana. |
retry |
Zwraca wartość True, jeśli przebieg rozwiązania AutoML został pomyślnie ponowiony. Ta metoda nie jest zaimplementowana. |
summary |
Pobierz tabelę zawierającą podsumowanie prób algorytmów i ich wyniki. |
wait_for_completion |
Poczekaj na ukończenie tego przebiegu. Zwraca obiekt status po oczekiwaniu. |
cancel
Anuluj uruchomienie rozwiązania AutoML.
Zwraca wartość True, jeśli przebieg automatycznego uczenia maszynowego został pomyślnie anulowany.
cancel()
Zwraca
Brak
cancel_iteration
Anuluj określone uruchomienie podrzędne.
cancel_iteration(iteration)
Parametry
Zwraca
Brak
complete
Ukończ uruchamianie automatycznego uczenia maszynowego.
complete(**kwargs)
Zwraca
Brak
continue_experiment
Kontynuuj istniejący eksperyment rozwiązania AutoML.
continue_experiment(X=None, y=None, sample_weight=None, X_valid=None, y_valid=None, sample_weight_valid=None, data=None, label=None, columns=None, cv_splits_indices=None, spark_context=None, experiment_timeout_hours=None, experiment_exit_score=None, iterations=None, show_output=False, training_data=None, validation_data=None, **kwargs)
Parametry
Funkcje trenowania.
Etykiety szkoleniowe.
Przykładowe wagi danych treningowych.
Funkcje weryfikacji.
Etykiety weryfikacji.
sprawdzanie poprawności zestaw próbek wagi.
- cv_splits_indices
- ndarray
Indeksy, w których należy podzielić dane treningowe na potrzeby walidacji krzyżowej. Każdy wiersz to oddzielny krzyż i w każdym skrzyżowaniu, podaj 2 tablice, pierwszy z indeksami przykładów do użycia na potrzeby danych treningowych, a drugi z indeksami do użycia na potrzeby danych walidacji. tj. [[t1, v1], [t2, v2], ...], gdzie t1 to indeksy treningowe pierwszego krotnie krzyżowego, a v1 to indeksy weryfikacji dla pierwszej krotnie krzyżowej.
- spark_context
- <xref:SparkContext>
Kontekst platformy Spark ma zastosowanie tylko wtedy, gdy jest używany w środowisku azure databricks/spark.
- experiment_timeout_hours
- float
Ile dodatkowych godzin należy uruchomić dla tego eksperymentu.
- experiment_exit_score
- int
Jeśli określono wskazuje, że eksperyment zostanie zakończony po osiągnięciu tej wartości.
- iterations
- int
Ile dodatkowych iteracji należy uruchomić dla tego eksperymentu.
- show_output
- bool
Flaga wskazująca, czy chcesz wydrukować dane wyjściowe w konsoli.
- training_data
- <xref:azureml.dataprep.Dataflow> lub DataFrame
Dane szkoleniowe wejściowe.
- validation_data
- <xref:azureml.dataprep.Dataflow> lub DataFrame
Dane weryfikacji.
Zwraca
Uruchamianie nadrzędnego rozwiązania AutoML.
Typ zwracany
Wyjątki
fail
Nie można uruchomić automatycznego uczenia maszynowego.
Opcjonalnie ustaw właściwość Error przebiegu z komunikatem lub wyjątkiem przekazanym na error_details
wartość .
fail(error_details=None, error_code=None, _set_status=True, **kwargs)
Parametry
get_best_child
Zwróć przebieg podrzędny z najlepszym wynikiem dla tego przebiegu rozwiązania AutoML.
get_best_child(metric: str | None = None, onnx_compatible: bool = False, **kwargs: Any) -> Run
Parametry
- metric
- str
Metryka do użycia podczas wybierania najlepszego przebiegu do zwrócenia. Domyślnie jest to metryka podstawowa.
- onnx_compatible
Czy zwracać tylko przebiegi, które wygenerowały modele onnx.
- kwargs
Zwraca
Uruchamianie podrzędne rozwiązania AutoML.
get_guardrails
Drukuj i zwracaj szczegółowe wyniki z uruchamiania weryfikacji guardrail.
get_guardrails(to_console: bool = True) -> Dict[str, Any]
Parametry
- to_console
- bool
Wskazuje, czy należy zapisać wyniki weryfikacji w konsoli programu .
Zwraca
Słownik wyników weryfikatora.
Typ zwracany
Wyjątki
get_output
Zwróć przebieg z odpowiednim najlepszym potokiem, który został już przetestowany.
Jeśli nie podano parametrów wejściowych, get_output
zwraca najlepszy potok zgodnie z metryki podstawowej. Alternatywnie można użyć parametru iteration
lub metric
, aby pobrać określoną iterację lub najlepszy przebieg dla podanej metryki.
get_output(iteration: int | None = None, metric: str | None = None, return_onnx_model: bool = False, return_split_onnx_model: SplitOnnxModelName | None = None, **kwargs: Any) -> Tuple[Run, Any]
Parametry
- iteration
- int
Liczba iteracji odpowiedniego przebiegu i dopasowanego modelu do zwrócenia.
- metric
- str
Metryka do użycia podczas wybierania najlepszego przebiegu i dopasowanego modelu do zwrócenia.
- return_onnx_model
- bool
Ta metoda zwróci przekonwertowany model ONNX, jeśli enable_onnx_compatible_models
parametr został ustawiony na wartość True w AutoMLConfig obiekcie.
- return_split_onnx_model
- SplitOnnxModelName
Typ modelu onnx podziału, który ma być zwracany
Zwraca
Przebieg, odpowiedni dopasowany model.
Typ zwracany
Wyjątki
Uwagi
Jeśli chcesz sprawdzić używane preprocesory i algorytm (narzędzie do szacowania), możesz to zrobić za pomocą Model.steps
metody podobnej do sklearn.pipeline.Pipeline.steps
.
Na przykład poniższy kod pokazuje, jak pobrać narzędzie do szacowania.
best_run, model = parent_run.get_output()
estimator = model.steps[-1]
get_run_sdk_dependencies
Pobierz zależności uruchamiania zestawu SDK dla danego przebiegu.
get_run_sdk_dependencies(iteration=None, check_versions=True, **kwargs)
Parametry
- iteration
- int
Numer iteracji dopasowanego przebiegu do pobrania. Jeśli brak, pobierz środowisko nadrzędne.
- check_versions
- bool
Jeśli prawda, sprawdź wersje w bieżącym środowisku. Jeśli wartość False, przekaż.
Zwraca
Słownik zależności pobrany z elementu RunHistory.
Typ zwracany
Wyjątki
pause
Zwraca wartość True, jeśli przebieg automatycznego uczenia maszynowego został pomyślnie wstrzymany.
Ta metoda nie jest zaimplementowana.
pause()
Wyjątki
register_model
Zarejestruj model w usłudze AzureML ACI.
register_model(model_name=None, description=None, tags=None, iteration=None, metric=None)
Parametry
- metric
- str
Zastąpij model do wdrożenia. Wdraża najlepszy model dla innej metryki.
Zwraca
Zarejestrowany obiekt modelu.
Typ zwracany
resume
Zwraca wartość True, jeśli przebieg rozwiązania AutoML został pomyślnie wznowiony.
Ta metoda nie jest zaimplementowana.
resume()
Wyjątki
retry
Zwraca wartość True, jeśli przebieg rozwiązania AutoML został pomyślnie ponowiony.
Ta metoda nie jest zaimplementowana.
retry()
Wyjątki
summary
Pobierz tabelę zawierającą podsumowanie prób algorytmów i ich wyniki.
summary()
Zwraca
Ramka danych pandas zawierająca statystyki modelu automl.
Typ zwracany
wait_for_completion
Poczekaj na ukończenie tego przebiegu.
Zwraca obiekt status po oczekiwaniu.
wait_for_completion(show_output=False, wait_post_processing=False)
Parametry
- show_output
- bool
Wskazuje, czy dane wyjściowe przebiegu mają być wyświetlane w pliku sys.stdout.
- wait_post_processing
- bool
Wskazuje, czy poczekać na zakończenie przetwarzania końcowego po zakończeniu przebiegu.
Zwraca
Obiekt stanu.
Typ zwracany
Wyjątki
Atrybuty
run_id
Zwróć identyfikator przebiegu bieżącego przebiegu.
Zwraca
Identyfikator przebiegu bieżącego przebiegu.
Typ zwracany
Opinia
https://aka.ms/ContentUserFeedback.
Dostępne już wkrótce: W 2024 r. będziemy stopniowo wycofywać zgłoszenia z serwisu GitHub jako mechanizm przesyłania opinii na temat zawartości i zastępować go nowym systemem opinii. Aby uzyskać więcej informacji, sprawdź:Prześlij i wyświetl opinię dla