反馈

BanditPolicy 类

  • 参考

根据 slack 条件以及用于评估的频率和延迟间隔，定义提前终止策略。

继承
azureml.train.hyperdrive.policy.EarlyTerminationPolicy
BanditPolicy

构造函数

BanditPolicy(evaluation_interval=1, slack_factor=None, slack_amount=None, delay_evaluation=0)

参数

slack_factor
float
默认值: 1

用于计算与最佳性能试验运行之间的允许距离的比率。

slack_amount
float
默认值: None

与最佳性能运行之间的绝对允许距离。

evaluation_interval
int
默认值: None

应用策略的频率。

delay_evaluation
int
默认值: 0

延迟第一个策略评估的间隔数。 如果指定，则策略将按照大于或等于 delay_evaluation 的 evaluation_interval 倍数应用。

注解

Bandit 策略采用以下配置参数：

  • slack_factor：与最佳性能训练运行相关的允许的 slack 值。 此因子以比率的形式指定 slack。

  • slack_amount：与最佳性能训练运行相关的允许的 slack 值。 此因子将 slack 指定为绝对值。

  • evaluation_interval：可选。 应用策略的频率。 每次训练脚本都会将主要指标计数记录为一个间隔。

  • delay_evaluation：可选。 延迟策略评估的间隔数。 使用此参数可避免过早终止训练运行。 如果指定，则策略将按照大于或等于 delay_evaluation 的 evaluation_interval 倍数应用。

将终止任何不属于与最佳性能运行相关的评估指标的 slack 因子或 slack 值的运行。

请考虑使用其 slack_factor = 0.2 和 evaluation_interval = 100 的 Bandit 策略。 假设运行 X 是当前性能最佳的运行，在 100 个间隔后AUC（性能指标）为 0.8。 此外，假设运行报告的最佳 AUC 为 Y。此策略将 (Y + Y * 0.2) 的值与 0.8 比较，如果此值小于 0.8，则取消运行。 如果 delay_evaluation = 200，则首次应用策略的间隔为 200。

现在，请考虑使用其 slack_amount = 0.2 和 evaluation_interval = 100 的 Bandit 策略。 如果运行 3 是当前性能最佳的运行，AUC（性能指标）在 100 次间隔后为 0.8，则 100 次迭代后 AUC 小于 0.6 (0.8 - 0.2) 的任何运行都将终止。 同样，delay_evaluation 还可用于延迟特定序列数的第一个终止策略评估。

有关应用提前终止策略的信息，请参阅优化模型的超参数。

属性

delay_evaluation

返回第一个评估延迟的序列数。

返回

延迟评估。

返回类型

int

evaluation_interval

返回评估间隔值。

返回

评估间隔。

返回类型

int

slack_factor

返回关于最佳性能训练运行的 slack 因子。

返回

slack 因子。

返回类型

float

POLICY_NAME 

POLICY_NAME = 'Bandit'