TrainingOutput Klas

Definieert een gespecialiseerde uitvoer van bepaalde PipelineSteps voor gebruik in een pijplijn.

Met TrainingOutput kan een metrische of geautomatiseerde machine learning-model beschikbaar worden gesteld als stapuitvoer die moet worden gebruikt door een andere stap in een Azure Machine Learning-pijplijn. Kan worden gebruikt met AutoMLStep of HyperDriveStep.

Initialiseer TrainingOutput.

param model_file: het specifieke modelbestand dat moet worden opgenomen in de uitvoer. Alleen voor HyperDriveStep .

Overname

builtins.object

TrainingOutput

Constructor

TrainingOutput(type, iteration=None, metric=None, model_file=None)

Parameters

Name	Description
type Vereist	str Het type trainingsuitvoer. Mogelijke waarden zijn: 'Metrische gegevens', 'Model'.
iteration	int Het iteratienummer van het overeenkomende trainingsmodel. Dit iteratienummer kan alleen worden opgegeven met het type 'Model'. Geef de iteration parameter of de metric parameter op, maar niet beide. Default value: None
metric	str De metrische waarde die moet worden gebruikt om het beste trainingsmodel te retourneren. De metrische waarde kan alleen worden opgegeven met het type 'Model'. Geef de iteration parameter of de metric parameter op, maar niet beide. Default value: None
model_file	str Het specifieke modelbestand dat moet worden opgenomen in de uitvoer. Alleen voor HyperDriveStep . Default value: None
type Vereist	str Het type trainingsuitvoer. Mogelijke waarden zijn: 'Metrische gegevens', 'Model'.
iteration Vereist	int Het iteratienummer van het overeenkomende trainingsmodel. Dit iteratienummer kan alleen worden opgegeven met het type 'Model'. Geef de iteration parameter of de metric parameter op, maar niet beide.
metric Vereist	str De metrische waarde die moet worden gebruikt om het beste trainingsmodel te retourneren. De metrische waarde kan alleen worden opgegeven met het type 'Model'. Geef de iteration parameter of de metric parameter op, maar niet beide.

Opmerkingen

TrainingOutput wordt gebruikt bij PipelineData het maken van een Pipeline om andere stappen in te schakelen om de metrische gegevens of modellen te gebruiken die zijn gegenereerd door een AutoMLStep of HyperDriveStep.

Gebruik TrainingOutput als volgt bij het definiëren van een AutoMLStep:

   from azureml.pipeline.core import PipelineData, TrainingOutput

   metrics_data = PipelineData(name='metrics_data', datastore=ds,
                                pipeline_output_name='metrics_output',
                                training_output=TrainingOutput(type='Metrics'))
   model_data = PipelineData(name='model_data', datastore=ds,
                             pipeline_output_name='best_model_output',
                             training_output=TrainingOutput(type='Model'))
   automl_step = AutoMLStep(name='automl_step',
                            automl_config=automl_config,
                            inputs=[input_data],
                            outputs=[metrics_data, model_data])

Bekijk een voorbeeld van het gebruik van TrainingOutput en een AutoMlStep-stap in het notebook https://aka.ms/pl-automl.

Kenmerken

iteration

Haal het iteratienummer van het overeenkomende trainingsmodel op.

Retouren

Type	Description
int	Het iteratienummer voor het trainingsmodel.

metric

Haal de metrische gegevens op voor het beste trainingsmodel.

Retouren

Type	Description
str	De metrische naam voor het beste trainingsmodel.

model_file

Haal een modelbestand op dat moet worden opgenomen in de uitvoer voor het beste trainingsmodel.

Retouren

Type	Description
str	Een bepaald bestand dat moet worden opgenomen in de uitvoer van het beste trainingsmodel.

type

Haal het type trainingsuitvoer op.

Retouren

Type	Description
str	Type trainingsuitvoer. Mogelijke waarden zijn: 'Metrische gegevens', 'Model'.