AutoMLRun Klass
Representerar ett automatiserat ML-experiment som körs i Azure Machine Learning.
Klassen AutoMLRun kan användas för att hantera en körning, kontrollera körningsstatus och hämta körningsinformation när en AutoML-körning har skickats. Mer information om hur du arbetar med experimentkörningar finns i Run klassen .
Initiera en AutoML-körning.
- Arv
-
AutoMLRun
Konstruktor
AutoMLRun(experiment, run_id, **kwargs)
Parametrar
Kommentarer
Ett AutoMLRun-objekt returneras när du använder metoden för submit ett experiment.
Om du vill hämta en körning som redan har startat använder du följande kod:
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')
Metoder
cancel |
Avbryt en AutoML-körning. Returnera Sant om AutoML-körningen avbröts. |
cancel_iteration |
Avbryt en viss underordnad körning. |
complete |
Slutför en AutoML-körning. |
continue_experiment |
Fortsätt med ett befintligt AutoML-experiment. |
fail |
Misslyckas med en AutoML-körning. Du kan också ange egenskapen Fel för körningen med ett meddelande eller undantag som skickas till |
get_best_child |
Returnera den underordnade körningen med det bästa resultatet för den här AutoML-körningen. |
get_guardrails |
Skriv ut och returnera detaljerade resultat från körning av Guardrail-verifiering. |
get_output |
Returnera körningen med motsvarande bästa pipeline som redan har testats. Om inga indataparametrar anges |
get_run_sdk_dependencies |
Hämta SDK-körningsberoenden för en viss körning. |
pause |
Returnera Sant om AutoML-körningen har pausats. Den här metoden implementeras inte. |
register_model |
Registrera modellen med AzureML ACI-tjänsten. |
resume |
Returnera Sant om AutoML-körningen har återupptagits. Den här metoden har inte implementerats. |
retry |
Returnera Sant om AutoML-körningen har gjorts om. Den här metoden har inte implementerats. |
summary |
Hämta en tabell som innehåller en sammanfattning av algoritmförsök och deras poäng. |
wait_for_completion |
Vänta tills körningen har slutförts. Returnerar statusobjektet efter väntetiden. |
cancel
Avbryt en AutoML-körning.
Returnera Sant om AutoML-körningen avbröts.
cancel()
Returer
Ingen
cancel_iteration
Avbryt en viss underordnad körning.
cancel_iteration(iteration)
Parametrar
Returer
Ingen
complete
Slutför en AutoML-körning.
complete(**kwargs)
Returer
Ingen
continue_experiment
Fortsätt med ett befintligt AutoML-experiment.
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)
Parametrar
Träningsfunktioner.
Träningsetiketter.
Exempelvikter för träningsdata.
Valideringsfunktioner.
Verifieringsetiketter.
valideringsuppsättningens exempelvikter.
En lista över tillåtna kolumner i data som ska användas som funktioner.
- cv_splits_indices
- ndarray
Index där träningsdata ska delas upp för korsvalidering. Varje rad är en separat korsvikt och inom varje korsmapp ger du 2 matriser, den första med indexen för exempel som ska användas för träningsdata och den andra med indexen som ska användas för valideringsdata. dvs [[t1, v1], [t2, v2], ...] där t1 är träningsindexen för den första korsvikten och v1 är valideringsindexen för den första korsvikten.
- spark_context
- <xref:SparkContext>
Spark-kontext, gäller endast när den används i azure databricks/spark-miljön.
- experiment_timeout_hours
- float
Hur många ytterligare timmar du ska köra experimentet för.
- experiment_exit_score
- int
Om det anges anges att experimentet avslutas när det här värdet nås.
- iterations
- int
Hur många ytterligare iterationer som ska köras för det här experimentet.
- training_data
- <xref:azureml.dataprep.Dataflow> eller DataFrame
Mata in träningsdata.
- validation_data
- <xref:azureml.dataprep.Dataflow> eller DataFrame
Valideringsdata.
Returer
Den överordnade AutoML-körningen.
Returtyp
Undantag
fail
Misslyckas med en AutoML-körning.
Du kan också ange egenskapen Fel för körningen med ett meddelande eller undantag som skickas till error_details
.
fail(error_details=None, error_code=None, _set_status=True, **kwargs)
Parametrar
get_best_child
Returnera den underordnade körningen med det bästa resultatet för den här AutoML-körningen.
get_best_child(metric: str | None = None, onnx_compatible: bool = False, **kwargs: Any) -> Run
Parametrar
- metric
- str
Måttet som ska användas för när du väljer den bästa körningen som ska returneras. Standardvärdet är det primära måttet.
- onnx_compatible
Om du bara vill returnera körningar som genererade onnx-modeller.
- kwargs
Returer
AutoML Underordnad körning.
get_guardrails
Skriv ut och returnera detaljerade resultat från körning av Guardrail-verifiering.
get_guardrails(to_console: bool = True) -> Dict[str, Any]
Parametrar
Returer
En ordlista med verifierarresultat.
Returtyp
Undantag
get_output
Returnera körningen med motsvarande bästa pipeline som redan har testats.
Om inga indataparametrar anges get_output
returnerar den bästa pipelinen enligt det primära måttet. Du kan också använda parametern iteration
eller metric
för att hämta en viss iteration eller den bästa körningen per angivet mått.
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]
Parametrar
- iteration
- int
Iterationsnumret för motsvarande körning och monterade modell som ska returneras.
- metric
- str
Måttet som ska användas för när du väljer den bästa körningen och den anpassade modellen som ska returneras.
- return_onnx_model
- bool
Den här metoden returnerar den konverterade ONNX-modellen om parametern enable_onnx_compatible_models
har angetts till True i AutoMLConfig objektet.
- return_split_onnx_model
- SplitOnnxModelName
Typen av split onnx-modell som ska returneras
Returer
Körningen, motsvarande monterad modell.
Returtyp
Undantag
Kommentarer
Om du vill inspektera de förprocessorer och algoritmer (estimator) som används kan du göra det via Model.steps
, ungefär som sklearn.pipeline.Pipeline.steps
.
Koden nedan visar till exempel hur du hämtar uppskattningen.
best_run, model = parent_run.get_output()
estimator = model.steps[-1]
get_run_sdk_dependencies
Hämta SDK-körningsberoenden för en viss körning.
get_run_sdk_dependencies(iteration=None, check_versions=True, **kwargs)
Parametrar
- iteration
- int
Iterationsnumret för den monterade körningen som ska hämtas. Om ingen hämtar du den överordnade miljön.
- check_versions
- bool
Om sant kontrollerar du versionerna med den aktuella miljön. Om falskt, skicka.
Returer
Ordlistan med beroenden som hämtats från RunHistory.
Returtyp
Undantag
pause
Returnera Sant om AutoML-körningen har pausats.
Den här metoden implementeras inte.
pause()
Undantag
register_model
Registrera modellen med AzureML ACI-tjänsten.
register_model(model_name=None, description=None, tags=None, iteration=None, metric=None)
Parametrar
- iteration
- int
Åsidosätt vilken modell som ska distribueras. Distribuerar modellen för en viss iteration.
- metric
- str
Åsidosätt vilken modell som ska distribueras. Distribuerar den bästa modellen för ett annat mått.
Returer
Det registrerade modellobjektet.
Returtyp
resume
Returnera Sant om AutoML-körningen har återupptagits.
Den här metoden har inte implementerats.
resume()
Undantag
retry
Returnera Sant om AutoML-körningen har gjorts om.
Den här metoden har inte implementerats.
retry()
Undantag
summary
Hämta en tabell som innehåller en sammanfattning av algoritmförsök och deras poäng.
summary()
Returer
Pandas DataFrame som innehåller AutoML-modellstatistik.
Returtyp
wait_for_completion
Vänta tills körningen har slutförts.
Returnerar statusobjektet efter väntetiden.
wait_for_completion(show_output=False, wait_post_processing=False)
Parametrar
- wait_post_processing
- bool
Anger om efterbearbetningen ska slutföras efter att körningen har slutförts.
Returer
Statusobjektet.
Returtyp
Undantag
Attribut
run_id
Returnera körnings-ID för den aktuella körningen.
Returer
Körnings-ID för den aktuella 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