run Modul
Innehåller funktioner för att hantera experimentmått och artefakter i Azure Machine Learning.
Klasser
InputDatasets |
Definierar en container för att lagra en materialiserad datauppsättning i en körning. Initiera InputDatasets-objektet. |
LinkOutput |
Definierar en container för att lagra en utdatasökväg i en körning. ... kommentarer: Ett LinkOutput-objekt är OutputData som ska länkas till datauppsättningen i dataplanet.. Initiera LinkOutput-objektet. |
OutputDatasets |
Definierar en container för att lagra en utdatasökväg i en körning. Initiera outputDatasets-objektet. |
Run |
Definierar basklassen för alla Azure Machine Learning-experimentkörningar. En körning representerar en enda utvärderingsversion av ett experiment. Körningar används för att övervaka den asynkrona körningen av en utvärderingsversion, logga mått och lagra utdata från utvärderingsversionen samt för att analysera resultat och få åtkomst till artefakter som genereras av utvärderingsversionen. Körningsobjekt skapas när du skickar ett skript för att träna en modell i många olika scenarier i Azure Machine Learning, inklusive HyperDrive-körningar, pipelinekörningar och AutoML-körningar. Ett Kör-objekt skapas också när du submit eller start_logging med Experiment klassen . Information om hur du kommer igång med experiment och körningar finns i Initiera Run-objektet. |
Funktioner
get_run
Hämta körningen för det här experimentet med dess körnings-ID.
get_run(experiment, run_id, rehydrate=True, clean_up=True)
Parametrar
- rehydrate
- <xref:boolean>
Anger om det ursprungliga körningsobjektet returneras eller bara ett baskörningsobjekt. Om värdet är Sant returnerar den här funktionen den ursprungliga körningsobjekttypen. För en AutoML-körning returneras till exempel ett AutoMLRun objekt, medan ett HyperDriveRun objekt returneras för en HyperDrive-körning.
Om värdet är False returnerar funktionen ett Run -objekt.
Returer
Den skickade körningen.
Returtyp
Feedback
https://aka.ms/ContentUserFeedback.
Kommer snart: Under hela 2024 kommer vi att fasa ut GitHub-problem som feedbackmekanism för innehåll och ersätta det med ett nytt feedbacksystem. Mer information finns i:Skicka och visa feedback för