MedianStoppingPolicy Klasse
Definiert eine Richtlinie zum vorzeitigen Beenden auf Der Grundlage eines laufenden Durchschnitts der primären Metrik aller Ausführungen.
- Vererbung
-
azure.ai.ml.entities._job.sweep.early_termination_policy.EarlyTerminationPolicyMedianStoppingPolicy
Konstruktor
MedianStoppingPolicy(*, delay_evaluation: int = 0, evaluation_interval: int = 1)
Nur Schlüsselwortparameter
Name | Beschreibung |
---|---|
delay_evaluation
|
Anzahl der Intervalle, um die erste Auswertung zu verzögern. Der Standardwert ist 0. |
evaluation_interval
|
Intervall (Anzahl der Ausführungen) zwischen Richtlinienauswertungen. Der Standardwert lautet 1. Standardwert: 1
|
Beispiele
Konfigurieren einer Vorzeitigen Beendigungsrichtlinie für einen Hyperparameter-Sweepauftrag mithilfe von MedianStoppingPolicy
from azure.ai.ml import command
job = command(
inputs=dict(kernel="linear", penalty=1.0),
compute=cpu_cluster,
environment=f"{job_env.name}:{job_env.version}",
code="./scripts",
command="python scripts/train.py --kernel $kernel --penalty $penalty",
experiment_name="sklearn-iris-flowers",
)
# we can reuse an existing Command Job as a function that we can apply inputs to for the sweep configurations
from azure.ai.ml.sweep import MedianStoppingPolicy, Uniform
job_for_sweep = job(
kernel=Uniform(min_value=0.0005, max_value=0.005),
penalty=Uniform(min_value=0.9, max_value=0.99),
)
sweep_job = job_for_sweep.sweep(
sampling_algorithm="random",
primary_metric="best_val_acc",
goal="Maximize",
max_total_trials=8,
max_concurrent_trials=4,
early_termination_policy=MedianStoppingPolicy(delay_evaluation=5, evaluation_interval=2),
)
Zusammenarbeit auf GitHub
Die Quelle für diesen Inhalt finden Sie auf GitHub, wo Sie auch Issues und Pull Requests erstellen und überprüfen können. Weitere Informationen finden Sie in unserem Leitfaden für Mitwirkende.
Azure SDK for Python