dnn 套件

包含用於深度類神經網路 (DNN) 定型的估算器。

類別

Chainer	表示在 Chainer 實驗中定型的估算器。 已淘汰。 使用 ScriptRunConfig 物件搭配您自己的已定義環境或其中一個 Azure ML Chainer 策劃環境。 如需使用 ScriptRunConfig 設定實驗執行的簡介，請參閱 設定和提交定型回合。 支援的版本：5.1.0、7.0.0 初始化 Chainer 估算器。
Gloo	管理分散式訓練作業的 Gloo 設定。 已淘汰。 使用 PyTorchConfiguration 類別。 您可以使用預先 PyTorch 設定估算器的 參數或任何支援 Gloo 的泛型 Estimator ，為定型作業 distributed_training 指定 Gloo。 用於管理作業 Gloo 設定的類別。
Mpi	管理分散式定型作業的訊息傳遞介面 (MPI) 設定。 已淘汰。 使用 MpiConfiguration 類別。 您可以針對具有 distributed_training 預先設定估計器 Chainer 、 PyTorch 和 TensorFlow 參數或泛型 Estimator 的作業指定 MPI。 用於管理作業之 MPI 設定的類別。
Nccl	管理分散式定型作業的 Nccl 設定。 已淘汰。 使用 PyTorchConfiguration 類別。 您可以使用預先 PyTorch 設定的估算器或任何支援 Nccl 的泛型 Estimator 參數，為定型作業 distributed_training 指定 Nccl。 用於管理作業 Nccl 設定的類別。
ParameterServer	管理定型作業的參數伺服器設定。 已淘汰。 使用 TensorflowConfiguration 類別。 用於管理作業之參數伺服器設定的類別。 已淘汰。 使用 TensorflowConfiguration 類別。
PyTorch	表示在 PyTorch 實驗中定型的估算器。 已淘汰。 使用 ScriptRunConfig 物件搭配您自己的已定義環境或其中一個 Azure ML PyTorch 策劃的環境。 如需使用 ScriptRunConfig 設定 PyTorch 實驗執行的簡介，請參閱 使用 Azure Machine Learning 大規模定型 PyTorch 模型。 支援的版本：1.0、1.1、1.2、1.3、1.4、1.5、1.6 初始化 PyTorch 估算器。 Docker 執行參考。 ：type shm_size：str :p aram resume_from：包含要繼續實驗之檢查點或模型檔案的資料路徑。 ：type resume_from： azureml.data.datapath.DataPath :p aram max_run_duration_seconds：執行允許的時間上限。 Azure ML 會自動嘗試 如果執行時間超過此值，請取消執行。
TensorFlow	表示 TensorFlow 實驗中定型的估算器。 已淘汰。 使用 ScriptRunConfig 物件搭配您自己的已定義環境或其中一個 Azure ML TensorFlow 策劃環境。 如需使用 ScriptRunConfig 設定 TensorFlow 實驗執行的簡介，請參閱 使用 Azure Machine Learning 大規模定型 TensorFlow 模型。 支援的版本：1.10、1.12、1.13、2.0、2.1、2.2 初始化 TensorFlow 估算器。 Docker 執行參考。 ：type shm_size：str :p aram resume_from：包含要繼續實驗之檢查點或模型檔案的資料路徑。 ：type resume_from： azureml.data.datapath.DataPath :p aram max_run_duration_seconds：執行允許的時間上限。 Azure ML 會自動嘗試 如果執行時間超過此值，請取消執行。