RunDetails Classe

  • Referência

Representa um widget de bloco de notas do Jupyter utilizado para ver o progresso da preparação de modelos.

Um widget é assíncrono e fornece atualizações até que a preparação seja concluída.

Inicialize o widget com a instância de execução fornecida.

Herança
builtins.object
RunDetails

Construtor

RunDetails(run_instance)

Parâmetros

run_instance
Run
Necessário

Execute a instância para a qual o widget será composto.

run_instance
Run
Necessário

Execute a instância para a qual o widget será composto.

Observações

Um widget Jupyter Notebook do Azure ML mostra o progresso da preparação de modelos, incluindo propriedades, registos e métricas. O tipo de widget selecionado é inferido implicitamente a partir do run_instance. Não precisa de o definir explicitamente. Utilize o show método para iniciar a composição do widget. Se o widget não estiver instalado, verá uma ligação para ver o conteúdo numa nova página do browser. Depois de iniciar uma experimentação, também pode ver o progresso da preparação de modelos no portal do Azure com o get_portal_url() método da Run classe.

O exemplo seguinte mostra como criar um widget e iniciá-lo:


   from azureml.widgets import RunDetails

   RunDetails(remote_run).show()

O exemplo completo está disponível a partir de https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/automated-machine-learning/classification-credit-card-fraud/auto-ml-classification-credit-card-fraud.ipynb

São suportados os seguintes tipos de execuções:

  • StepRun: mostra propriedades de execução, registos de saída, métricas.

  • HyperDriveRun: mostra propriedades de execução principal, registos, execuções subordinadas, gráfico de métricas primárias e gráfico de coordenadas paralelas de hiperparâmetros.

  • AutoMLRun: mostra as execuções subordinadas e o gráfico de métricas principal com a opção de selecionar métricas individuais.

  • PipelineRun: mostra nós em execução e sem execução de um pipeline, juntamente com a representação gráfica de nós e arestas.

  • ReinforcementLearningRun: mostra o estado das execuções em tempo real. O Azure Machine Learning Reinforcement Learning é atualmente uma funcionalidade de pré-visualização. Para obter mais informações, veja Aprendizagem de reforço com o Azure Marchine Learning.

O pacote azureml-widgets é instalado quando instala o SDK do Azure Machine Learning. No entanto, poderá ser necessária alguma instalação adicional consoante o ambiente.

  • Jupyter Notebooks: os blocos de notas locais e na cloud são totalmente suportados, com interatividade, atualizações automáticas assíncronas e execução de células sem bloqueio.

  • JupyterLab: poderá ser necessária alguma instalação adicional.

    1. Verifique se o pacote azure-widgets está instalado e, se não estiver, instale-o.

      
   sudo -i pip install azureml-widgets

    2. Instale a Extensão do JupyterLab.

      
   sudo -i jupyter labextension install @jupyter-widgets/jupyterlab-manager

    3. Após a instalação, reinicie o kernel em todos os blocos de notas atualmente em execução.

      
   jupyter labextension list

  • Databricks: suporte parcial para widgets do Juypter Notebook. Quando utilizar o widget, este irá apresentar uma ligação para ver o conteúdo numa nova página do browser. Utilize o com o showrender_lib parâmetro definido como "displayHTML".

Métodos

get_widget_data

Obtenha e transforme dados do histórico de execuções para serem compostos por widget. Utilizado também para fins de depuração.
show

Componha widget e inicie thread para atualizar o widget.

get_widget_data

Obtenha e transforme dados do histórico de execuções para serem compostos por widget. Utilizado também para fins de depuração.

get_widget_data(widget_settings=None)

Parâmetros

widget_settings
dict
valor predefinido: None

Definições a aplicar ao widget. Definição suportada: "depuração" (um booleano).

Devoluções

Dicionário que contém dados a serem compostos pelo widget.

Tipo de retorno

dict

show

Componha widget e inicie thread para atualizar o widget.

show(render_lib=None, widget_settings=None)

Parâmetros

render_lib
<xref:func>
valor predefinido: None

A biblioteca a utilizar para composição. Necessário apenas para o Databricks com o valor "displayHTML".

widget_settings
dict
valor predefinido: None

Definições a aplicar ao widget. Definição suportada: "depuração" (um booleano).