Experiment Klass
Representerar den viktigaste startpunkten för att skapa och arbeta med experiment i Azure Machine Learning.
Ett experiment är en container med utvärderingsversioner som representerar flera modellkörningar.
Experimentkonstruktor.
- Arv
-
azureml._logging.chained_identity.ChainedIdentityExperimentazureml.core._portal.HasExperimentPortalExperiment
Konstruktor
Experiment(workspace, name, _skip_name_validation=False, _id=None, _archived_time=None, _create_in_cloud=True, _experiment_dto=None, **kwargs)
Parametrar
- _skip_name_validation
- _id
- _archived_time
- _create_in_cloud
- _experiment_dto
Kommentarer
Ett Azure Machine Learning-experiment representerar en samling utvärderingsversioner som används för att verifiera en användares hypotes.
I Azure Machine Learning representeras ett experiment av Experiment klassen och en utvärderingsversion representeras av Run klassen.
Om du vill hämta eller skapa ett experiment från en arbetsyta begär du experimentet med experimentnamnet. Experimentnamnet måste vara 3–36 tecken, börja med en bokstav eller ett tal och får bara innehålla bokstäver, siffror, understreck och bindestreck.
experiment = Experiment(workspace, "MyExperiment")
Om experimentet inte hittas på arbetsytan skapas ett nytt experiment.
Det finns två sätt att köra en experimentell provkörning. Om du experimenterar interaktivt i en Jupyter Notebook använder start_logging du Om du skickar ett experiment från källkoden eller någon annan typ av konfigurerad utvärderingsversion använder dusubmit
Båda mekanismerna skapar ett Run objekt. I interaktiva scenarier använder du loggningsmetoder som log att lägga till mått och mått i utvärderingsposten. I konfigurerade scenarier använder du statusmetoder som get_status för att hämta information om körningen.
I båda fallen kan du använda frågemetoder som get_metrics för att hämta aktuella värden, om sådana finns, för utvärderingsmått och mått.
Metoder
archive |
Arkivera ett experiment. |
delete |
Ta bort ett experiment på arbetsytan. |
from_directory |
(Inaktuell) Läs in ett experiment från den angivna sökvägen. |
get_docs_url |
Url till dokumentationen för den här klassen. |
get_runs |
Returnera en generator av körningarna för det här experimentet, i omvänd kronologisk ordning. |
list |
Returnera listan över experiment på arbetsytan. |
reactivate |
Reactivates ett arkiverat experiment. |
refresh |
Returnera den senaste versionen av experimentet från molnet. |
remove_tags |
Ta bort de angivna taggarna från experimentet. |
set_tags |
Lägg till eller ändra en uppsättning taggar för experimentet. Taggar som inte skickas i ordlistan lämnas orörda. |
start_logging |
Starta en interaktiv loggningssession och skapa en interaktiv körning i det angivna experimentet. |
submit |
Skicka ett experiment och returnera den aktiva skapade körningen. |
tag |
Tagga experimentet med en strängnyckel och ett valfritt strängvärde. |
archive
Arkivera ett experiment.
archive()
Kommentarer
Efter arkiveringen visas inte experimentet som standard. Om du försöker skriva till ett arkiverat experiment skapas ett nytt aktivt experiment med samma namn. Ett arkiverat experiment kan återställas genom att anropa reactivate så länge det inte finns något annat aktivt experiment med samma namn.
delete
Ta bort ett experiment på arbetsytan.
static delete(workspace, experiment_id)
Parametrar
- experiment_id
Experiment-ID för experimentet som ska tas bort.
from_directory
(Inaktuell) Läs in ett experiment från den angivna sökvägen.
static from_directory(path, auth=None)
Parametrar
Autentiseringsobjektet. Om Ingen används standardautentiseringsuppgifterna för Azure CLI eller om API:et frågar efter autentiseringsuppgifter.
Returer
Returnerar experimentet
Returtyp
get_docs_url
get_runs
Returnera en generator av körningarna för det här experimentet, i omvänd kronologisk ordning.
get_runs(type=None, tags=None, properties=None, include_children=False)
Parametrar
- type
- string
Filtrera den returnerade generatorn för körningar efter den angivna typen. Se add_type_provider för att skapa körningstyper.
Filtret körs efter "property" eller {"property": "value"}
- include_children
- bool
Som standard hämtar du endast körningar på den översta nivån. Ange till true för att visa en lista över alla körningar.
Returer
Listan över körningar som matchar angivna filter.
Returtyp
list
Returnera listan över experiment på arbetsytan.
static list(workspace, experiment_name=None, view_type='ActiveOnly', tags=None)
Parametrar
- view_type
- ViewType
Valfritt uppräkningsvärde för att filtrera eller inkludera arkiverade experiment.
- tags
Valfri taggnyckel eller ordlista för taggnyckel/värde-par att filtrera experiment på.
Returer
En lista över experimentobjekt.
Returtyp
reactivate
Reactivates ett arkiverat experiment.
reactivate(new_name=None)
Parametrar
Kommentarer
Ett arkiverat experiment kan bara återaktiveras om det inte finns ett annat aktivt experiment med samma namn.
refresh
Returnera den senaste versionen av experimentet från molnet.
refresh()
remove_tags
Ta bort de angivna taggarna från experimentet.
remove_tags(tags)
Parametrar
set_tags
Lägg till eller ändra en uppsättning taggar för experimentet. Taggar som inte skickas i ordlistan lämnas orörda.
set_tags(tags)
Parametrar
start_logging
Starta en interaktiv loggningssession och skapa en interaktiv körning i det angivna experimentet.
start_logging(*args, **kwargs)
Parametrar
- outputs
- str
Valfri utdatakatalog som ska spåras. Skicka Falskt om du inte har några utdata.
- snapshot_directory
- str
Valfri katalog att ta en ögonblicksbild av. Om du anger Ingen tas ingen ögonblicksbild.
- args
- list
- kwargs
- dict
Returer
Returnera en startad körning.
Returtyp
Kommentarer
start_logging skapar en interaktiv körning för användning i scenarier som Jupyter Notebooks. Alla mått som loggas under sessionen läggs till i körningsposten i experimentet. Om en utdatakatalog anges laddas innehållet i katalogen upp som körningsartefakter när körningen är klar.
experiment = Experiment(workspace, "My Experiment")
run = experiment.start_logging(outputs=None, snapshot_directory=".", display_name="My Run")
...
run.log_metric("Accuracy", accuracy)
run.complete()
Anteckning
run_id genereras automatiskt för varje körning och är unik i experimentet.
submit
Skicka ett experiment och returnera den aktiva skapade körningen.
submit(config, tags=None, **kwargs)
Parametrar
- tags
- dict
Taggar som ska läggas till i den skickade körningen, {"tag": "value"}.
- kwargs
- dict
Ytterligare parametrar som används i submit-funktionen för konfigurationer.
Returer
En körning.
Returtyp
Kommentarer
Skicka är ett asynkront anrop till Azure Machine Learning-plattformen för att köra en utvärderingsversion av lokal maskinvara eller fjärrmaskinvara. Beroende på konfigurationen förbereder skicka automatiskt körningsmiljöerna, kör koden och samlar in källkoden och resultaten i experimentets körningshistorik.
Om du vill skicka ett experiment måste du först skapa ett konfigurationsobjekt som beskriver hur experimentet ska köras. Konfigurationen beror på vilken typ av utvärdering som krävs.
Ett exempel på hur du skickar ett experiment från din lokala dator är följande:
from azureml.core import ScriptRunConfig
# run a trial from the train.py code in your current directory
config = ScriptRunConfig(source_directory='.', script='train.py',
run_config=RunConfiguration())
run = experiment.submit(config)
# get the url to view the progress of the experiment and then wait
# until the trial is complete
print(run.get_portal_url())
run.wait_for_completion()
Mer information om hur du konfigurerar en körning finns i information om konfigurationstyp.
azureml.train.automl.automlconfig.AutoMLConfig
azureml.pipeline.core.Pipeline
azureml.pipeline.core.PublishedPipeline
azureml.pipeline.core.PipelineEndpoint
Anteckning
När du skickar träningskörningen skapas en ögonblicksbild av katalogen som innehåller dina träningsskript och skickas till beräkningsmålet. Den lagras också som en del av experimentet på din arbetsyta. Om du ändrar filer och skickar körningen igen laddas bara de ändrade filerna upp.
Om du vill förhindra att filer tas med i ögonblicksbilden skapar du en .gitignore - eller .amlignore-fil i katalogen och lägger till filerna i den. .amlignore-filen använder samma syntax och mönster som .gitignore-filen. Om båda filerna finns har .amlignore-filen företräde.
Mer information finns i Ögonblicksbilder.
tag
Tagga experimentet med en strängnyckel och ett valfritt strängvärde.
tag(key, value=None)
Parametrar
Kommentarer
Taggar i ett experiment lagras i en ordlista med strängnycklar och strängvärden. Taggar kan anges, uppdateras och tas bort. Taggar är användarriktade och innehåller vanligtvis information om innebörden för användarna av experimentet.
experiment.tag('')
experiment.tag('DeploymentCandidate')
experiment.tag('modifiedBy', 'Master CI')
experiment.tag('modifiedBy', 'release pipeline') # Careful, tags are mutable
Attribut
archived_time
Returnera den arkiverade tiden för experimentet. Värdet ska vara Ingen för ett aktivt experiment.
Returer
Den arkiverade tiden för experimentet.
Returtyp
id
name
tags
Returnera den föränderliga uppsättningen taggar i experimentet.
Returer
Taggarna för ett experiment.
Returtyp
workspace
Returnera arbetsytan som innehåller experimentet.
Returer
Returnerar arbetsyteobjektet.
Returtyp
workspace_object
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