dnn Paquete

Referencia

Contiene los estimadores utilizados en el entrenamiento de una red neuronal profunda (DNN).

Clases

Chainer	Representa un estimador para el entrenamiento en experimentos de Chainer. EN DESUSO. Use el objeto ScriptRunConfig con su propio entorno definido o uno de los entornos seleccionados de Chainer de Azure ML. Para obtener una introducción a la configuración de ejecuciones de experimentos con ScriptRunConfig, consulte Configuración y envío de ejecuciones de entrenamiento. Versiones admitidas: 5.1.0, 7.0.0. Inicialice un estimador de Chainer.
Gloo	Administra la configuración de Gloo para los trabajos de entrenamiento distribuidos. EN DESUSO. Utilice la clase PyTorchConfiguration. Gloo se puede especificar para un trabajo de entrenamiento con el parámetro `distributed_training` del estimador PyTorch preconfigurado o cualquier Estimator genérico compatible con Gloo. Clase para administrar la configuración de Gloo para trabajos.
Mpi	Administra la configuración de la interfaz de paso de mensajes (MPI) de los trabajos de entrenamiento distribuidos. EN DESUSO. Utilice la clase MpiConfiguration. MPI se puede especificar para un trabajo con el parámetro `distributed_training` de los estimadores preconfigurados Chainer, PyTorch y TensorFlow, o con una clase Estimator genérica. Una clase para administrar la configuración de MPI para trabajos.
Nccl	Administra la configuración de Nccl para los trabajos de entrenamiento distribuidos. EN DESUSO. Utilice la clase PyTorchConfiguration. Nccl se puede especificar para un trabajo de entrenamiento con el parámetro `distributed_training` del estimador PyTorch preconfigurado o cualquier Estimator genérico compatible con Nccl. Una clase para administrar la configuración de Nccl para los trabajos.
ParameterServer	Administra la configuración del servidor de parámetros para los trabajos de entrenamiento. EN DESUSO. Utilice la clase TensorflowConfiguration. Clase para administrar la configuración del servidor de parámetros para los trabajos. EN DESUSO. Utilice la clase TensorflowConfiguration.
PyTorch	Representa un estimador para el entrenamiento en experimentos de PyTorch. EN DESUSO. Use el objeto ScriptRunConfig con su propio entorno definido o uno de los entornos seleccionados de PyTorch de Azure ML. Para obtener una introducción a la configuración de ejecuciones de experimentos de PyTorch con ScriptRunConfig, consulte Entrenamiento de modelos de PyTorch a gran escala con Azure Machine Learning. Versiones admitidas: 1.0, 1.1, 1.2, 1.3, 1.4, 1.5, 1.6. Inicialice un estimador de PyTorch. Referencia de ejecución de Docker. :type shm_size: str :p aram resume_from: ruta de acceso de datos que contiene los archivos de punto de control o modelo desde los que reanudar el experimento. :type resume_from: azureml.data.datapath.DataPath :p aram max_run_duration_seconds: el tiempo máximo permitido para la ejecución. Azure ML intentará realizar automáticamente cancele la ejecución si tarda más de este valor.
TensorFlow	Representa un estimador para el entrenamiento en experimentos de TensorFlow. EN DESUSO. Use el objeto ScriptRunConfig con su propio entorno definido o uno de los entornos seleccionados de TensorFlow de Azure ML. Para obtener una introducción a la configuración de ejecuciones de experimentos de TensorFlow con ScriptRunConfig, consulte Entrenamiento de modelos de TensorFlow a gran escala con Azure Machine Learning. Versiones admitidas: 1.10, 1.12, 1.13, 2.0, 2.1, 2.2. Inicialice un estimador de TensorFlow. Referencia de ejecución de Docker. :type shm_size: str :p aram resume_from: ruta de acceso de datos que contiene los archivos de punto de control o modelo desde los que reanudar el experimento. :type resume_from: azureml.data.datapath.DataPath :p aram max_run_duration_seconds: el tiempo máximo permitido para la ejecución. Azure ML intentará realizar automáticamente cancele la ejecución si tarda más de este valor.