Aracılığıyla paylaş


TensorFlow Sınıf

TensorFlow denemelerinde eğitim için bir tahmin aracını temsil eder.

KALDIRIL -MIŞ. ScriptRunConfig Nesnesini kendi tanımlı ortamınızla veya Azure ML TensorFlow seçilmiş ortamlarından biriyle kullanın. ScriptRunConfig ile TensorFlow deneme çalıştırmalarını yapılandırmaya giriş için bkz. Azure Machine Learning ile TensorFlow modellerini uygun ölçekte eğitin.

Desteklenen sürümler: 1.10, 1.12, 1.13, 2.0, 2.1, 2.2

TensorFlow tahmin aracı başlatın.

Docker çalıştırma başvurusu. :type shm_size: str :p aram resume_from: Denemenin sürdürüldiği denetim noktasını veya model dosyalarını içeren veri yolu. :type resume_from: azureml.data.datapath.DataPath :p aram max_run_duration_seconds: Çalıştırma için izin verilen en uzun süre. Azure ML otomatik olarak

bu değerden daha uzun sürerse çalıştırmayı iptal edin.

Devralma
azureml.train.estimator._framework_base_estimator._FrameworkBaseEstimator
TensorFlow

Oluşturucu

TensorFlow(source_directory, *, compute_target=None, vm_size=None, vm_priority=None, entry_script=None, script_params=None, node_count=1, process_count_per_node=1, worker_count=1, parameter_server_count=1, distributed_backend=None, distributed_training=None, use_gpu=False, use_docker=True, custom_docker_base_image=None, custom_docker_image=None, image_registry_details=None, user_managed=False, conda_packages=None, pip_packages=None, conda_dependencies_file_path=None, pip_requirements_file_path=None, conda_dependencies_file=None, pip_requirements_file=None, environment_variables=None, environment_definition=None, inputs=None, source_directory_data_store=None, shm_size=None, resume_from=None, max_run_duration_seconds=None, framework_version=None, _enable_optimized_mode=False, _disable_validation=True, _show_lint_warnings=False, _show_package_warnings=False)

Parametreler

Name Description
source_directory
Gerekli
str

Deneme yapılandırma dosyalarını içeren yerel dizin.

compute_target
Gerekli

Eğitimin gerçekleşeceği işlem hedefi. Bu bir nesne veya "local" dizesi olabilir.

vm_size
Gerekli
str

Eğitim için oluşturulacak işlem hedefinin VM boyutu. Desteklenen değerler: Herhangi bir Azure VM boyutu.

vm_priority
Gerekli
str

Eğitim için oluşturulacak işlem hedefinin VM önceliği. Belirtilmezse , 'dedicated' kullanılır.

Desteklenen değerler:'dedicated' ve 'lowpriority'.

Bu yalnızca vm_size param girişte belirtildiğinde geçerlilik kazanır.

entry_script
Gerekli
str

Eğitim betiğini içeren dosyanın göreli yolu.

script_params
Gerekli

içinde belirtilen entry_scripteğitim betiğine geçirilebilir komut satırı bağımsız değişkenlerinin sözlüğü.

node_count
Gerekli
int

Eğitim için kullanılan işlem hedefindeki düğüm sayısı. AmlCompute Dağıtılmış eğitim için yalnızca hedef desteklenir (node_count> 1).

process_count_per_node
Gerekli
int

MPI kullanılırken düğüm başına işlem sayısı.

worker_count
Gerekli
int

Dağıtılmış eğitim için Parametre Sunucusu kullanılırken çalışan düğümlerinin sayısı.

KALDIRIL -MIŞ. parametresinin distributed_training bir parçası olarak belirtin.

parameter_server_count
Gerekli
int

Dağıtılmış eğitim için Parametre Sunucusu kullanılırken, parametre sunucu düğümlerinin sayısı.

distributed_backend
Gerekli
str

Dağıtılmış eğitim için iletişim arka ucu.

KALDIRIL -MIŞ. parametresini distributed_training kullanın.

Desteklenen değerler: 'mpi' ve 'ps'. 'mpi' MPI/Horovod'ı, 'ps' ise Parametre Sunucusunu temsil eder.

Bu parametre, herhangi bir node_count, process_count_per_node, worker_countveya parameter_server_count> 1 olduğunda gereklidir. 'ps' durumunda ve parameter_server_count toplamının * değerinden worker_count küçük veya eşit node_count olması gerekir (düğüm başına CPU veya GPU sayısı)

== 1 ve process_count_per_node == 1 olduğunda node_count , arka uç açıkça ayarlanmadığı sürece arka uç kullanılmaz. AmlCompute Dağıtılmış eğitim için yalnızca hedef desteklenir.

distributed_training
Gerekli

Dağıtılmış eğitim işini çalıştırma parametreleri.

Parametre Sunucusu arka ucu ile dağıtılmış bir iş çalıştırmak için ve parameter_server_countbelirtmek worker_count için nesnesini kullanınParameterServer. ve parameter_server_count parametrelerinin worker_count toplamı * değerinden küçük veya buna eşit node_count olmalıdır (düğüm başına CPU veya GPU sayısı).

MPI arka ucu ile dağıtılmış bir iş çalıştırmak için nesnesini kullanarak Mpi belirtin process_count_per_node.

use_gpu
Gerekli

Denemeyi çalıştıracak ortamın GPU'ları destekleyip desteklemeymeyeceğini belirtir. True ise, ortamda GPU tabanlı varsayılan docker görüntüsü kullanılır. False ise CPU tabanlı bir görüntü kullanılır. Varsayılan docker görüntüleri (CPU veya GPU) yalnızca parametre ayarlanmadıysa custom_docker_image kullanılır. Bu ayar yalnızca Docker özellikli işlem hedeflerinde kullanılır.

use_docker
Gerekli

Denemenin çalıştırıldığı ortamın Docker tabanlı olup olmayacağını belirtir.

custom_docker_base_image
Gerekli
str

Eğitim için kullanılacak görüntünün oluşturulacağı Docker görüntüsünün adı.

KALDIRIL -MIŞ. parametresini custom_docker_image kullanın.

Ayarlanmadıysa, temel görüntü olarak varsayılan CPU tabanlı görüntü kullanılır.

custom_docker_image
Gerekli
str

Eğitim için kullanılacak görüntünün oluşturulacağı Docker görüntüsünün adı. Ayarlanmadıysa, temel görüntü olarak varsayılan CPU tabanlı görüntü kullanılır.

image_registry_details
Gerekli

Docker görüntü kayıt defterinin ayrıntıları.

user_managed
Gerekli

Azure ML'nin mevcut python ortamını yeniden kullanıp kullanmayacağını belirtir. False ise, Azure ML conda bağımlılıkları belirtimini temel alan bir Python ortamı oluşturur.

conda_packages
Gerekli

Deneme için Python ortamına eklenecek conda paketlerini temsil eden dizelerin listesi.

pip_packages
Gerekli

Deneme için Python ortamına eklenecek pip paketlerini temsil eden dizelerin listesi.

conda_dependencies_file_path
Gerekli
str

Conda bağımlılıkları yaml dosyasının göreli yolunu temsil eden bir dize. Belirtilirse, Azure ML çerçeveyle ilgili hiçbir paketi yüklemez. KALDIRIL -MIŞ. parametresini conda_dependencies_file kullanın.

pip_requirements_file_path
Gerekli
str

Pip gereksinimleri metin dosyasının göreli yolunu temsil eden bir dize. Bu, parametresiyle birlikte pip_packages sağlanabilir. KALDIRIL -MIŞ. parametresini pip_requirements_file kullanın.

conda_dependencies_file
Gerekli
str

Conda bağımlılıkları yaml dosyasının göreli yolunu temsil eden bir dize. Belirtilirse, Azure ML çerçeveyle ilgili hiçbir paketi yüklemez.

pip_requirements_file
Gerekli
str

Pip gereksinimleri metin dosyasının göreli yolunu temsil eden bir dize. Bu, parametresiyle birlikte pip_packages sağlanabilir.

environment_variables
Gerekli

Ortam değişkenlerinin adlarını ve değerlerini içeren bir sözlük. Bu ortam değişkenleri, kullanıcı betiğinin yürütüldüğü işlemde ayarlanır.

environment_definition
Gerekli

Denemenin ortam tanımı. PythonSection, DockerSection ve ortam değişkenlerini içerir. Diğer parametreler aracılığıyla Estimator yapısına doğrudan sunulmayan tüm ortam seçenekleri bu parametre kullanılarak ayarlanabilir. Bu parametre belirtilirse, , custom_docker_image, conda_packagesveya pip_packagesgibi use_gpuortamla ilgili diğer parametrelerden önceliklidir. Bu geçersiz birleşimlerde hatalar bildirilir.

inputs
Gerekli

Giriş olarak kullanılacak veya DatasetConsumptionConfig nesnelerinin DataReference listesi.

source_directory_data_store
Gerekli

Proje paylaşımı için yedekleme veri deposu.

shm_size
Gerekli
str

Docker kapsayıcısının paylaşılan bellek bloğunun boyutu. Ayarlanmadıysa, varsayılan azureml.core.environment._DEFAULT_SHM_SIZE kullanılır. Daha fazla bilgi için bkz. Docker çalıştırma başvurusu.

resume_from
Gerekli

Denemenin sürdürüldiği denetim noktası veya model dosyalarını içeren veri yolu.

max_run_duration_seconds
Gerekli
int

Çalıştırma için izin verilen en uzun süre. Azure ML, bu değerden daha uzun sürerse çalıştırmayı otomatik olarak iptal etmeye çalışır.

framework_version
Gerekli
str

Eğitim kodunu yürütmek için kullanılacak TensorFlow sürümü. Sürüm sağlanmazsa tahmin aracı varsayılan olarak Azure ML tarafından desteklenen en son sürüme ayarlanır. Geçerli Azure ML SDK'sını destekleyen tüm sürümlerin listesini almak için bir liste döndürmek için kullanın TensorFlow.get_supported_versions() .

source_directory
Gerekli
str

Deneme yapılandırma dosyalarını içeren yerel dizin.

compute_target
Gerekli

Eğitimin gerçekleşeceği işlem hedefi. Bu bir nesne veya "local" dizesi olabilir.

vm_size
Gerekli
str

Eğitim için oluşturulacak işlem hedefinin VM boyutu. Desteklenen değerler: Herhangi bir Azure VM boyutu.

vm_priority
Gerekli
str

Eğitim için oluşturulacak işlem hedefinin VM önceliği. Belirtilmezse , 'dedicated' kullanılır.

Desteklenen değerler:'dedicated' ve 'lowpriority'.

Bu yalnızca vm_size param girişte belirtildiğinde geçerlilik kazanır.

entry_script
Gerekli
str

Eğitim betiğini içeren dosyanın göreli yolu.

script_params
Gerekli

içinde belirtilen entry_scripttne eğitim betiğine geçirilebilir komut satırı bağımsız değişkenlerinin sözlüğü.

node_count
Gerekli
int

Eğitim için kullanılan işlem hedefindeki düğüm sayısı. AmlCompute Dağıtılmış eğitim için yalnızca hedef desteklenir (node_count> 1).

process_count_per_node
Gerekli
int

MPI kullanırken düğüm başına işlem sayısı.

worker_count
Gerekli
int

Parametre Sunucusu kullanılırken çalışan düğümlerinin sayısı.

KALDIRIL -MIŞ. parametresinin distributed_training bir parçası olarak belirtin.

parameter_server_count
Gerekli
int

Parametre Sunucusu kullanılırken, parametre sunucusu düğümlerinin sayısı.

distributed_backend
Gerekli
str

Dağıtılmış eğitim için iletişim arka ucu.

KALDIRIL -MIŞ. parametresini distributed_training kullanın.

Desteklenen değerler: 'mpi' ve 'ps'. 'mpi' MPI/Horovod'ı, 'ps' ise Parametre Sunucusunu temsil eder.

Bu parametre , , process_count_per_nodeworker_countveya parameter_server_count> 1'in herhangi biri node_countolduğunda gereklidir. 'ps' durumunda ve parameter_server_count toplamının * değerinden worker_count küçük veya eşit node_count olması gerekir (düğüm başına CPU veya GPU sayısı)

== 1 ve process_count_per_node == 1 olduğunda node_count , arka uç açıkça ayarlanmadığı sürece arka uç kullanılmaz. AmlCompute Dağıtılmış eğitim için yalnızca hedef desteklenir. dağıtılmış eğitim için desteklenir.

distributed_training
Gerekli

Dağıtılmış eğitim işini çalıştırmaya yönelik parametreler.

Parametre Sunucusu arka ucuyla dağıtılmış bir işi çalıştırmak için ve parameter_server_countbelirtmek worker_count için nesnesini kullanınParameterServer. ve parametrelerinin worker_count toplamı * değerinden parameter_server_count küçük veya buna eşit node_count olmalıdır (düğüm başına CPU veya GPU sayısı).

MPI arka ucuyla dağıtılmış bir işi çalıştırmak için belirtmek üzere process_count_per_nodenesnesini kullanınMpi.

use_gpu
Gerekli

Denemeyi çalıştıracak ortamın GPU'ları destekleyip desteklemeymeyeceğini belirtir. Doğruysa, ortamda GPU tabanlı varsayılan bir Docker görüntüsü kullanılır. False ise CPU tabanlı bir görüntü kullanılır. Varsayılan docker görüntüleri (CPU veya GPU) yalnızca parametre ayarlanmadıysa custom_docker_image kullanılır. Bu ayar yalnızca Docker özellikli işlem hedeflerinde kullanılır.

use_docker
Gerekli

Denemenin çalıştırıldığı ortamın Docker tabanlı olup olmayacağını belirtir.

custom_docker_base_image
Gerekli
str

Eğitim için kullanılacak görüntünün oluşturulacağı Docker görüntüsünün adı.

KALDIRIL -MIŞ. parametresini custom_docker_image kullanın.

Ayarlanmadıysa, temel görüntü olarak varsayılan CPU tabanlı bir görüntü kullanılır.

custom_docker_image
Gerekli
str

Eğitim için kullanılacak görüntünün oluşturulacağı Docker görüntüsünün adı. Ayarlanmadıysa, temel görüntü olarak varsayılan CPU tabanlı bir görüntü kullanılır.

image_registry_details
Gerekli

Docker görüntü kayıt defterinin ayrıntıları.

user_managed
Gerekli

Azure ML'nin mevcut bir Python ortamını yeniden kullanıp kullanmayacağını belirtir. False ise, Azure ML conda bağımlılıkları belirtimini temel alan bir Python ortamı oluşturur.

conda_packages
Gerekli

Deneme için Python ortamına eklenecek conda paketlerini temsil eden dizelerin listesi.

pip_packages
Gerekli

Deneme için Python ortamına eklenecek pip paketlerini temsil eden dizelerin listesi.

conda_dependencies_file_path
Gerekli
str

Conda bağımlılıkları yaml dosyasının göreli yolu. Belirtilirse, Azure ML çerçeveyle ilgili paket yüklemez. KALDIRIL -MIŞ. parametresini conda_dependencies_file kullanın.

pip_requirements_file_path
Gerekli
str

Pip gereksinimleri metin dosyasının göreli yolu. Bu, parametresiyle birlikte pip_packages sağlanabilir. KALDIRIL -MIŞ. parametresini pip_requirements_file kullanın.

environment_variables
Gerekli

Ortam değişkenlerinin adlarını ve değerlerini içeren bir sözlük. Bu ortam değişkenleri, kullanıcı betiğinin yürütüldüğü işlemde ayarlanır.

conda_dependencies_file
Gerekli
str

Conda bağımlılıkları yaml dosyasının göreli yolunu temsil eden bir dize. Belirtilirse, Azure ML çerçeveyle ilgili paket yüklemez.

pip_requirements_file
Gerekli
str

Pip gereksinimleri metin dosyasının göreli yolu. Bu, parametresiyle birlikte pip_packages sağlanabilir.

environment_variables
Gerekli

Ortam değişkenlerinin adlarını ve değerlerini içeren bir sözlük. Bu ortam değişkenleri, kullanıcı betiğinin yürütüldüğü işlemde ayarlanır.

environment_definition
Gerekli

Denemenin ortam tanımı. PythonSection, DockerSection ve ortam değişkenlerini içerir. Diğer parametreler aracılığıyla Estimator yapısına doğrudan sunulmayan herhangi bir ortam seçeneği bu parametre kullanılarak ayarlanabilir. Bu parametre belirtilirse, , custom_docker_image, conda_packagesveya pip_packagesgibi use_gpuortamla ilgili diğer parametrelerden önceliklidir. Bu geçersiz birleşimlerde hatalar bildirilir.

inputs
Gerekli

azureml.data.data_reference listesi. Giriş olarak kullanılacak DataReference nesneleri.

source_directory_data_store
Gerekli
str

Proje paylaşımı için yedekleme veri deposu.

shm_size
Gerekli

Docker kapsayıcısının paylaşılan bellek bloğunun boyutu. Ayarlanmadıysa, varsayılan değer azureml.core.environment._DEFAULT_SHM_SIZE. Daha fazla bilgi için bkz.

framework_version
Gerekli
str

Eğitim kodunu yürütmek için kullanılacak TensorFlow sürümü. Sürüm sağlanmazsa tahmin aracı varsayılan olarak Azure ML tarafından desteklenen en son sürüme ayarlanır. Geçerli Azure ML SDK'sını destekleyen tüm sürümlerin listesini almak üzere bir liste döndürmek için TensorFlow.get_supported_versions() kullanın.

_enable_optimized_mode
Gerekli

Daha hızlı ortam hazırlığı için önceden oluşturulmuş çerçeve görüntüleriyle artımlı ortam derlemesini etkinleştirin. Önceden oluşturulmuş bir çerçeve görüntüsü, çerçeve bağımlılıklarının önceden yüklenmiş olduğu Azure ML varsayılan CPU/GPU temel görüntülerinin üzerine kurulmuştur.

_disable_validation
Gerekli

Göndermeyi çalıştırmadan önce betik doğrulamayı devre dışı bırakın. Varsayılan değer True'dur.

_show_lint_warnings
Gerekli

Betik lint uyarılarını göster. Varsayılan değer False'tur.

_show_package_warnings
Gerekli

Paket doğrulama uyarılarını göster. Varsayılan değer False'tur.

Açıklamalar

Eğitim işi gönderirken Azure ML betiğinizi Docker kapsayıcısı içindeki conda ortamında çalıştırır. TensorFlow kapsayıcılarında aşağıdaki bağımlılıklar yüklüdür.

Bağımlılıklar | TensorFlow 1.10/1.12 | TensorFlow 1.13 | TF 2.0/2.1/2.2 | ———————————— | ——————– | ————— | —————— | Python | 3.6.2 | 3.6.2 | 3.6.2 | CUDA (yalnızca GPU görüntüsü) | 9.0 | 10.0 | 10.0 | cuDNN (yalnızca GPU görüntüsü) | 7.6.3 | 7.6.3 | 7.6.3 | NCCL (yalnızca GPU görüntüsü) | 2.4.8 | 2.4.8 | 2.4.8 | azureml-defaults | En Son | En Son | En Son | azureml-dataset-runtime[fuse,pandas] | En Son | En Son | En Son | IntelMpi | 2018.3.222 | 2018.3.222 | —- | OpenMpi | —- | —- | 3.1.2 | horovod | 0.15.2 | 0.16.1 | 0.18.1/0.19.1/0.19.5 | miniconda | 4.5.11 | 4.5.11 | 4.5.11 | tensorflow | 1.10.0/1.12.0 | 1.13.1 | 2.0.0/2.1.0/2.2.0 | git | 2.7.4 | 2.7.4 | 2.7.4 |

v1 Docker görüntüleri Ubuntu 16.04'ü genişletir. v2 Docker görüntüleri Ubuntu 18.04'ü genişletir.

Ek bağımlılıkları yüklemek için veya conda_packages parametresini pip_packages kullanabilirsiniz. Veya parametresini pip_requirements_fileconda_dependencies_file belirtebilirsiniz. Alternatif olarak, kendi görüntünüzü oluşturabilir ve parametresini custom_docker_image tahmin aracı oluşturucusununa geçirebilirsiniz.

TensorFlow eğitiminde kullanılan Docker kapsayıcıları hakkında daha fazla bilgi için bkz https://github.com/Azure/AzureML-Containers. .

TensorFlow sınıfı iki dağıtılmış eğitim yöntemini destekler:

Dağıtılmış eğitimde TensorFlow kullanma hakkında örnekler ve daha fazla bilgi için Azure Machine Learning ile TensorFlow modellerini uygun ölçekte eğitma ve kaydetme öğreticisine bakın.

Öznitelikler

DEFAULT_VERSION

DEFAULT_VERSION = '1.13'

FRAMEWORK_NAME

FRAMEWORK_NAME = 'TensorFlow'