檢視自動化 ML 模型的定型程式碼 (預覽)
重要
此功能目前為公開預覽狀態。 此預覽版本是在沒有服務等級協定的情況下提供，不建議用於生產工作負載。 可能不支援特定功能，或可能已經限制功能。 如需詳細資訊，請參閱 Microsoft Azure 預覽版增補使用條款。
在本文中，您會了解如何從任何自動化機器學習定型模型中檢視產生的定型程式碼。
自動化 ML 定型模型的程式碼產生可讓您查看下列詳細資料，自動化 ML 用來定型和建置特定執行的模型。
- 資料前置處理
- 演算法選擇
- 特徵化
- 超參數
您可以選取任何自動化 ML 定型模型、建議的執行或子執行，以及檢視產生的 Python 定型程式碼，其中已建立該特定模型。
使用產生的模型定型程式碼，您可以：
- 了解模型演算法使用哪個特徵化流程和哪些超參數。
- 追蹤/版本設定/稽核定型模型。 儲存已設定版本的程式碼，以追蹤使用哪個特定的定型程式碼，搭配要部署到生產環境的模型。
- 變更超參數或套用您的 ML 和演算法技能/體驗來自訂定型程式碼，並使用您的自訂程式碼重新定型新的模型。
您可以使用工作類型分類、迴歸和時間序列預測，為自動化 ML 實驗產生程式碼。
警告
AutoML 中的電腦視覺模型和自然語言處理型模型目前不支援模型的定型程式碼產生。
下圖說明您可以從 Azure Machine Learning 工作室 UI 或使用 Azure Machine Learning SDK，針對任何 AutoML 建立的模型啟用程式碼產生。 在您選取模型之後，Azure Machine Learning 會複製用來建立模型的程式碼檔案，並將其顯示至筆記本共用資料夾中。 從這裡，您可以視需要檢視和自訂程式碼。
必要條件
Azure Machine Learning 工作區。 若要建立工作區，請參閱建立 Azure Machine Learning 工作區。
自動化 ML 程式碼產生僅適用於在遠端 Azure ML 計算目標上執行的實驗。 本機執行不支援程式碼產生。
若要使用 SDK 啟用程式碼產生，您有下列選項：
您可以在 Azure Machine Learning計算執行個體中透過 Jupyter Notebook 執行程式碼，而此計算執行個體包含已安裝的最新 Azure ML SDK。 計算執行個體隨附備妥可用的 Conda 環境，可與自動化 ML 程式碼產生 (預覽) 功能相容。
或者，您可以在本機電腦上建立新的本機 Conda 環境，然後安裝最新的 Azure ML SDK。 如何使用
automl套件在 Conda 環境中安裝 AutoML 用戶端 SDK。
使用 SDK 產生程式碼
依預設，每個自動化 ML 定型模型會在定型完成之後產生其定型程式碼。 自動化 ML 會針對該特定模型將此程式碼儲存在實驗的 outputs/generated_code 中。 在 Azure ML 工作室 UI 中，您可以在所選取模型的 [輸出 + 記錄] 索引標籤上檢視它們。
您也可以使用 enable_code_generation=True 參數，在 AutoMLConfig 物件中針對自動化 ML 實驗明確地啟用程式碼產生。 在提交實驗之前，必須先設定此參數。
確認您從 Conda 環境呼叫 experiment.submit()，該環境包含具有自動化 ML 的最新 Azure ML SDK。 這確保針對在遠端計算目標上執行的實驗，適當地觸發程式碼產生。
config = AutoMLConfig( task="classification",
training_data=data,
label_column_name="label",
compute_target=compute_target,
enable_code_generation=True
)
在某些疑難排解案例中，您可能想要停用程式碼產生。 在提交自動化 ML 實驗之前，您可以使用 enable_code_generation=False 參數，在 AutoMLConfig 物件中停用程式碼產生。
# Disabling Code Generation
config = AutoMLConfig( task="classification",
training_data=data,
label_column_name="label",
compute_target=compute_target,
enable_code_generation=False
)
有兩個主要檔案具有產生的程式碼：
script.py 這是模型的定型程式碼，您可能想要透過特徵化步驟、使用的特定演算法和超參數，來分析此定型程式碼。
script_run_notebook.ipynb 具有樣板程式碼的筆記本，可透過 Azure ML SDK 類別 (例如
ScriptRunConfig)，在 AzureML 計算中執行模型的定型程式碼 (script.py)。
取得產生的程式碼和模型成品
在自動化 ML 定型執行完成之後，您可以取得 script.py 和 script_run_notebook.ipynb 檔案。
下列程式碼會取得最佳的子執行，並下載這兩個檔案。
best_run = remote_run.get_best_child()
best_run.download_file("outputs/generated_code/script.py", "script.py")
best_run.download_file("outputs/generated_code/script_run_notebook.ipynb", "script_run_notebook.ipynb")
您也可以檢視產生的程式碼，並透過 Azure Machine Learning 工作室 UI 準備該程式碼進行程式碼自訂。
若要這樣做，請瀏覽至自動化 ML 實驗父執行頁面的 [模型] 索引標籤。 在選取其中一個定型的模型之後，您可以選取 [檢視產生的程式碼 (預覽)] 按鈕。 此按鈕會將您重新導向至 Notebooks 入口網站延伸模組，您可以在其中檢視、編輯和執行針對該特定選取模型產生的程式碼。
或者，一旦您瀏覽至特定模型的子執行頁面時，您也可以從該子執行頁面頂端存取模型產生的程式碼。
script.py
script.py 檔案包含搭配先前使用的超參數來定型模型所需的核心邏輯。 雖然打算在 Azure ML 指令碼執行的內容中執行，並進行一些修改，但模型的定型程式碼也可以在您自己的內部部署環境中獨立執行。
指令碼大致可以細分成下列幾個部分：資料載入、資料準備、資料特徵化、前置處理器/演算法規格，以及定型。
載入資料
get_training_dataset() 函式會載入先前使用的資料集。 其假設指令碼是在 AzureML 指令碼中執行，而後者指令碼是在與原始實驗相同的工作區下執行。
def get_training_dataset(dataset_id):
from azureml.core.dataset import Dataset
from azureml.core.run import Run
logger.info("Running get_training_dataset")
ws = Run.get_context().experiment.workspace
dataset = Dataset.get_by_id(workspace=ws, id=dataset_id)
return dataset.to_pandas_dataframe()
在指令碼執行過程中執行時，Run.get_context().experiment.workspace 會擷取正確的工作區。 不過，如果此指令碼是在不同的工作區內執行，或在本機執行而不使用 ScriptRunConfig，您必須修改指令碼來明確指定適當的工作區。
一旦擷取了工作區，原始資料集就會依其識別碼擷取。 具有完全相同結構的另一個資料集，也可以分別透過識別碼或名稱，搭配 get_by_id() 或 get_by_name() 來指定。 您稍後可以在指令碼中找到識別碼，其位於與下列程式碼類似的區段中。
if __name__ == '__main__':
parser = argparse.ArgumentParser()
parser.add_argument('--training_dataset_id', type=str, default='xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxx', help='Default training dataset id is populated from the parent run')
args = parser.parse_args()
main(args.training_dataset_id)
您也可以選擇將這個整個函式取代為您自己的資料載入機制；唯一的條件約束是傳回值必須是 Pandas 資料框架，而且資料必須具有與原始實驗中相同的圖形。
資料準備程式碼
prepare_data() 函式會清除資料、分割特徵和範例加權資料行，以及準備資料以供定型使用。
此函式可能會有所不同，取決於資料集類型和實驗工作類型：分類、迴歸或時間序列預測。
下列範例顯示，一般而言，系統會傳入來自資料載入步驟的資料框架。 系統會擷取標籤資料行和範例加權 (如果原本已指定)，以及從輸入資料中卸除包含 NaN 的資料列。
def prepare_data(dataframe):
from azureml.training.tabular.preprocessing import data_cleaning
logger.info("Running prepare_data")
label_column_name = 'y'
# extract the features, target and sample weight arrays
y = dataframe[label_column_name].values
X = dataframe.drop([label_column_name], axis=1)
sample_weights = None
X, y, sample_weights = data_cleaning._remove_nan_rows_in_X_y(X, y, sample_weights,
is_timeseries=False, target_column=label_column_name)
return X, y, sample_weights
如果您想要執行任何其他資料準備，可以藉由新增自訂資料準備程式碼，在此步驟中完成準備。
資料特徵化程式碼
generate_data_transformation_config() 函式會指定最終 scikit-learn 管線中的特徵化步驟。 來自原始實驗中的特徵化工具會在這裡重現，以及其參數。
例如，可以在此函式中發生的可能資料轉換，其可以基於 SimpleImputer() 和 CatImputer() 之類的插補器或 StringCastTransformer() 和 LabelEncoderTransformer() 之類的轉換器。
以下是 StringCastTransformer() 類型的轉換器，可用來轉換一組資料行。 在此情況下，此集合是以 column_names 表示。
def get_mapper_c6ba98(column_names):
# ... Multiple imports to package dependencies, removed for simplicity ...
definition = gen_features(
columns=column_names,
classes=[
{
'class': StringCastTransformer,
},
{
'class': CountVectorizer,
'analyzer': 'word',
'binary': True,
'decode_error': 'strict',
'dtype': numpy.uint8,
'encoding': 'utf-8',
'input': 'content',
'lowercase': True,
'max_df': 1.0,
'max_features': None,
'min_df': 1,
'ngram_range': (1, 1),
'preprocessor': None,
'stop_words': None,
'strip_accents': None,
'token_pattern': '(?u)\\b\\w\\w+\\b',
'tokenizer': wrap_in_lst,
'vocabulary': None,
},
]
)
mapper = DataFrameMapper(features=definition, input_df=True, sparse=True)
return mapper
請注意，如果您有許多資料行需要套用相同的特徵化/轉換 (例如，數個資料行群組中的 50 個資料行)，這些資料行會藉由根據類型進行分組來處理。
在下列範例中，請注意，每個群組都已套用唯一的對應工具。 此對應工具接著會套用至該群組的每個資料行。
def generate_data_transformation_config():
from sklearn.pipeline import FeatureUnion
column_group_1 = [['id'], ['ps_reg_01'], ['ps_reg_02'], ['ps_reg_03'], ['ps_car_11_cat'], ['ps_car_12'], ['ps_car_13'], ['ps_car_14'], ['ps_car_15'], ['ps_calc_01'], ['ps_calc_02'], ['ps_calc_03']]
column_group_2 = ['ps_ind_06_bin', 'ps_ind_07_bin', 'ps_ind_08_bin', 'ps_ind_09_bin', 'ps_ind_10_bin', 'ps_ind_11_bin', 'ps_ind_12_bin', 'ps_ind_13_bin', 'ps_ind_16_bin', 'ps_ind_17_bin', 'ps_ind_18_bin', 'ps_car_08_cat', 'ps_calc_15_bin', 'ps_calc_16_bin', 'ps_calc_17_bin', 'ps_calc_18_bin', 'ps_calc_19_bin', 'ps_calc_20_bin']
column_group_3 = ['ps_ind_01', 'ps_ind_02_cat', 'ps_ind_03', 'ps_ind_04_cat', 'ps_ind_05_cat', 'ps_ind_14', 'ps_ind_15', 'ps_car_01_cat', 'ps_car_02_cat', 'ps_car_03_cat', 'ps_car_04_cat', 'ps_car_05_cat', 'ps_car_06_cat', 'ps_car_07_cat', 'ps_car_09_cat', 'ps_car_10_cat', 'ps_car_11', 'ps_calc_04', 'ps_calc_05', 'ps_calc_06', 'ps_calc_07', 'ps_calc_08', 'ps_calc_09', 'ps_calc_10', 'ps_calc_11', 'ps_calc_12', 'ps_calc_13', 'ps_calc_14']
feature_union = FeatureUnion([
('mapper_ab1045', get_mapper_ab1045(column_group_1)),
('mapper_c6ba98', get_mapper_c6ba98(column_group_3)),
('mapper_9133f9', get_mapper_9133f9(column_group_2)),
])
return feature_union
這種方法可讓您具有更簡化的程式碼，因為每個資料行沒有轉換器的程式碼區塊，即使您的資料集中有數十或數百個資料行，這也可能特別麻煩。
使用分類和迴歸工作時，[FeatureUnion] 會用於特徵化工具。
針對時間序列預測模型，多個時間序列感知特徵化工具會收集成 scikit-learn 管線，然後包裝在 TimeSeriesTransformer 中。
任何使用者為時間序列預測模型提供的特徵化，都會在自動化 ML 所提供的特徵化之前發生。
前置處理器規格程式碼
generate_preprocessor_config() 函式 (如果存在) 會指定要在最終 scikit-learn 管線中進行特徵化之後完成的前置處理步驟。
正常情況下，這個前置處理步驟只包含使用 sklearn.preprocessing 完成的資料標準化/正規化。
自動化 ML 只會指定非整體分類和迴歸模型的前置處理步驟。
以下是所產生前置處理器程式碼的範例：
def generate_preprocessor_config():
from sklearn.preprocessing import MaxAbsScaler
preproc = MaxAbsScaler(
copy=True
)
return preproc
演算法和超參數規格程式碼
演算法和超參數規格程式碼可能是許多 ML 專業人員最感興趣的程式碼。
generate_algorithm_config() 函式會指定將模型定型為最終 scikit-learn 管線最後階段的實際演算法和超參數。
下列範例會搭配特定超參數使用 XGBoostClassifier 演算法。
def generate_algorithm_config():
from xgboost.sklearn import XGBClassifier
algorithm = XGBClassifier(
base_score=0.5,
booster='gbtree',
colsample_bylevel=1,
colsample_bynode=1,
colsample_bytree=1,
gamma=0,
learning_rate=0.1,
max_delta_step=0,
max_depth=3,
min_child_weight=1,
missing=numpy.nan,
n_estimators=100,
n_jobs=-1,
nthread=None,
objective='binary:logistic',
random_state=0,
reg_alpha=0,
reg_lambda=1,
scale_pos_weight=1,
seed=None,
silent=None,
subsample=1,
verbosity=0,
tree_method='auto',
verbose=-10
)
return algorithm
在大部分情況下，產生的程式碼會使用開放原始碼軟體 (OSS) 套件和類別。 有一些執行個體，中繼包裝函式類別用來簡化更複雜的程式碼。 例如，可以套用 XGBoost 分類器和其他常用的程式庫，例如 LightGBM 或Scikit-Learn演算法。
身為 ML 專業人員，您能夠自訂該演算法的設定程式碼，方法為視需要根據該演算法的技能和經驗，以及特定 ML 問題來調整該演算法的超參數。
針對整體模型，generate_preprocessor_config_N() (如有需要) 和 generate_algorithm_config_N() 是針對整體模型中的每個學習模組所定義的，其中 N 代表每個學習模組在整體模型清單中的放置位置。 針對堆疊整體模型，會定義中繼學習模組 generate_algorithm_config_meta()。
端對端定型程式碼
程式碼產生會發出 build_model_pipeline() 和 train_model()，用於定義 scikit-learn 管線，以及分別在其上呼叫 fit()。
def build_model_pipeline():
from sklearn.pipeline import Pipeline
logger.info("Running build_model_pipeline")
pipeline = Pipeline(
steps=[
('featurization', generate_data_transformation_config()),
('preproc', generate_preprocessor_config()),
('model', generate_algorithm_config()),
]
)
return pipeline
scikit-learn 管線包含特徵化步驟、前置處理器 (如果已使用)，以及演算法或模型。
針對時間序列預測模型，scikit-learn 管線會包裝在 ForecastingPipelineWrapper 中，此管線具有一些適當處理時間序列資料所需的其他步驟，取決於套用的演算法。
針對所有工作類型，我們會在需要編碼標籤資料行的情況下使用 PipelineWithYTransformer。
一旦您具有 scikit-Learn 管線，剩下要做的只是呼叫 fit() 方法來定型模型：
def train_model(X, y, sample_weights):
logger.info("Running train_model")
model_pipeline = build_model_pipeline()
model = model_pipeline.fit(X, y)
return model
train_model() 的傳回值是根據輸入資料調整/定型的模型。
執行所有先前函式的主要程式碼如下：
def main(training_dataset_id=None):
from azureml.core.run import Run
# The following code is for when running this code as part of an AzureML script run.
run = Run.get_context()
setup_instrumentation(run)
df = get_training_dataset(training_dataset_id)
X, y, sample_weights = prepare_data(df)
split_ratio = 0.1
try:
(X_train, y_train, sample_weights_train), (X_valid, y_valid, sample_weights_valid) = split_dataset(X, y, sample_weights, split_ratio, should_stratify=True)
except Exception:
(X_train, y_train, sample_weights_train), (X_valid, y_valid, sample_weights_valid) = split_dataset(X, y, sample_weights, split_ratio, should_stratify=False)
model = train_model(X_train, y_train, sample_weights_train)
metrics = calculate_metrics(model, X, y, sample_weights, X_test=X_valid, y_test=y_valid)
print(metrics)
for metric in metrics:
run.log(metric, metrics[metric])
一旦您具有定型的模型，就可以搭配 predict() 方法將其用於進行預測。 如果您的實驗適用於時間序列模型，請使用 forecast() 方法進行預測。
y_pred = model.predict(X)
最後，模型會序列化並儲存為名為 "model.pkl" 的 .pkl 檔案：
with open('model.pkl', 'wb') as f:
pickle.dump(model, f)
run.upload_file('outputs/model.pkl', 'model.pkl')
script_run_notebook.ipynb
script_run_notebook.ipynb 筆記本可作為在 Azure ML 計算上執行 script.py 的簡易方式。
不過，此筆記本與現有的自動化 ML 範例筆記本類似，但下列各節會說明幾個主要差異。
環境
一般而言，SDK 會自動設定自動化 ML 執行的定型環境。 不過，執行自訂指令碼就像產生的程式碼一樣執行時，自動化 ML 不再驅動流程，因此必須指定環境，指令碼執行才能成功。
可能的話，程式碼產生會重複使用原始自動化 ML 實驗中所使用的環境。 這麼做可確保定型指令碼執行不會由於缺少相依性而失敗，而且有不需要 Docker 映像重建的附帶好處，這可節省時間和計算資源。
如果您對需要其他相依性的 script.py 進行變更，或想要使用自己的環境，則需要據以更新 script_run_notebook.ipynb 中的 Create environment 資料格。
如需 AzureML 環境的詳細資訊，請參閱環境類別文件。
提交實驗
由於產生的程式碼不再由自動化 ML 所驅動，而是建立 AutoMLConfig，然後將其傳遞至 experiment.submit()，因此您必須建立 ScriptRunConfig，並將產生的程式碼 (script.py) 提供給其。
下列範例包含執行 ScriptRunConfig 所需的參數和一般相依性，例如計算、環境等。如需如何使用 ScriptRunConfig 的詳細資訊，請參閱設定和提交定型執行。
from azureml.core import ScriptRunConfig
src = ScriptRunConfig(source_directory=project_folder,
script='script.py',
compute_target=cpu_cluster,
environment=myenv,
docker_runtime_config=docker_config)
run = experiment.submit(config=src)
下載並載入序列化的記憶體內部定型模型
一旦您有了定型模型，就可以使用 pickle.dump() 和 pickle.load() 將其儲存/序列化至 .pkl 檔案。 您也可以使用 joblib.dump() 和 joblib.load()。
下列範例說明如何下載和載入以 AzureML 計算 ScriptRunConfig 定型的記憶體中模型。 此程式碼可以在您已於其中使用 Azure ML SDK ScriptRunConfig 的相同筆記本中執行。
import joblib
# Load the fitted model from the script run.
# Note that if training dependencies are not installed on the machine
# this notebook is being run from, this step can fail.
try:
# Download the model from the run in the Workspace
run.download_file("outputs/model.pkl", "model.pkl")
# Load the model into memory
model = joblib.load("model.pkl")
except ImportError:
print('Required dependencies are missing; please run pip install azureml-automl-runtime.')
raise
使用記憶體內部模型進行預測
最後，您可以在 Pandas 資料框架中載入測試資料，並使用模型進行預測。
import os
import numpy as np
import pandas as pd
DATA_DIR = "."
filepath = os.path.join(DATA_DIR, 'porto_seguro_safe_driver_test_dataset.csv')
test_data_df = pd.read_csv(filepath)
print(test_data_df.shape)
test_data_df.head(5)
#test_data_df is a Pandas dataframe with test data
y_predictions = model.predict(test_data_df)
在 Azure ML 計算執行個體中，您具有所有自動化 ML 相依性，因此您能夠從最近所建立計算執行個體中的任何筆記本載入模型並進行預測。
不過，若要在自訂本機 Conda 環境中的筆記本中載入該模型，您必須具有所有相依性，而這些相依性來自安裝定型 (AutoML 環境) 時所使用的環境。
後續步驟
- 深入了解模型部署的方式和位置。
- 請了解如何在自動化 ML 實驗內特別啟用可解釋性功能。