Estimator 类
表示泛型估算器，用于使用任何提供的框架训练数据。
已弃用。 将 ScriptRunConfig 对象与定义的环境或 Azure 机器学习特选环境配合使用。 有关使用 ScriptRunConfig 配置试验运行的简介，请参阅配置和提交训练运行。
此类旨在用于 Azure 机器学习尚未预先配置估算器的机器学习框架。 为 Chainer、PyTorch、TensorFlow 和 SKLearn 存在的预先配置估算器。 若要创建未预先配置的估算器，请参阅通过估算器使用 Azure 机器学习训练模型。
估算器类包装运行配置信息，以帮助简化指定脚本执行方式的任务。 它支持单节点和多节点执行。 运行估算器将在训练脚本中指定的输出目录中生成模型。
- 继承
-
azureml.train.estimator._mml_base_estimator.MMLBaseEstimatorEstimator
构造函数
Estimator(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, 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, _disable_validation=True, _show_lint_warnings=False, _show_package_warnings=False)参数
- vm_priority
- str
将为训练创建的计算目标的 VM 优先级。 如果未指定，则使用“dedicated”。
支持的值：“dedicated”和“lowpriority”。
这仅在输入中指定了 vm_size 参数时才会生效。
- process_count_per_node
- int
要在每个节点上运行的进程（或“工作线程”）数。 如果大于 1，则将运行 MPI 分布式作业。 分布式作业仅支持 AmlCompute 目标。
- distributed_backend
- str
分布式训练的通信后端。
已弃用。 使用 distributed_training 参数。
支持的值：“mpi”。 “mpi”表示 MPI/Horovod。
在 node_count 或 process_count_per_node> 1 时，此参数是必需的。
当 node_count == 1 且 process_count_per_node == 1 时，除非显式设置后端，否则不会使用后端。 分布式训练仅支持 AmlCompute 目标。
- distributed_training
- Mpi
用于运行分布式训练作业的参数。
若要运行具有 MPI 后端的分布式作业，请使用 Mpi 对象指定 process_count_per_node。
- use_gpu
- bool
表示要运行试验的环境是否应支持 GPU。
如果为 true，则将在环境中使用基于 GPU 的默认 Docker 映像。 如果为 false，则使用基于 CPU 的映像。 仅当未设置 custom_docker_image 参数时，才会使用默认 Docker 映像（CPU 或 GPU）。 此设置仅用于启用了 Docker 的计算目标。
- custom_docker_base_image
- str
要从中生成用于训练的映像的 Docker 映像的名称。
已弃用。 使用 custom_docker_image 参数。
如果未设置，则将使用基于 CPU 的默认映像作为基础映像。
- custom_docker_image
- str
要从中生成用于训练的映像的 Docker 映像的名称。 如果未设置，则将使用基于 CPU 的默认映像作为基础映像。 仅指定公共 Docker 存储库 (Docker Hub) 中可用的映像。 若要使用专用 docker 存储库中的映像，请改为使用构造函数的 environment_definition 参数。
- conda_dependencies_file_path
- str
conda 依赖项 yaml 文件的相对路径。 如果已指定，Azure ML 将不安装任何框架相关的包。
已弃用。 使用 conda_dependencies_file 参数。
指定 conda_dependencies_file_path 或 conda_dependencies_file。 如果同时指定了这两者，则使用 conda_dependencies_file。
- pip_requirements_file_path
- str
pip 要求文本文件的相对路径。
已弃用。 使用 pip_requirements_file 参数。
此参数可与 pip_packages 参数一起指定。 指定 pip_requirements_file_path 或 pip_requirements_file。 如果同时指定了这两者，则使用 pip_requirements_file。
- environment_definition
- Environment
试验的环境定义。 它包括 PythonSection、DockerSection 和环境变量。 使用此参数可以设置不通过其他参数直接公开到估算器构造的任何环境选项。 如果指定了此参数，它将优先于其他与环境相关的参数，如 use_gpu、custom_docker_image、conda_packages 或 pip_packages。
对于无效组合，将报告错误。
- shm_size
- str
Docker 容器的共享内存块的大小。 如果未设置，则使用默认的 azureml.core.environment._DEFAULT_SHM_SIZE。 有关详细信息，请查看 Docker 运行参考。
反馈
提交和查看相关反馈