SweepJob Klasa

Zamiatanie zadania dostrajania hiperparametrów.

Dziedziczenie

azure.ai.ml.entities._job.job.Job

SweepJob

azure.ai.ml.entities._job.sweep.parameterized_sweep.ParameterizedSweep

SweepJob

azure.ai.ml.entities._job.job_io_mixin.JobIOMixin

SweepJob

Konstruktor

SweepJob(*, name: str | None = None, description: str | None = None, tags: Dict | None = None, display_name: str | None = None, experiment_name: str | None = None, identity: ManagedIdentityConfiguration | AmlTokenConfiguration | UserIdentityConfiguration | None = None, inputs: Dict[str, int | str | float | bool | Input] | None = None, outputs: Dict[str, Output] | None = None, compute: str | None = None, limits: SweepJobLimits | None = None, sampling_algorithm: str | SamplingAlgorithm | None = None, search_space: Dict[str, Choice | LogNormal | LogUniform | Normal | QLogNormal | QLogUniform | QNormal | QUniform | Randint | Uniform] | None = None, objective: Objective | None = None, trial: CommandJob | CommandComponent | None = None, early_termination: BanditPolicy | MedianStoppingPolicy | TruncationSelectionPolicy | None = None, queue_settings: QueueSettings | None = None, **kwargs: Any)

Parametry

name

str

Nazwa zadania.

display_name

str

Nazwa wyświetlana zadania.

description

str

Opis zadania.

tags

dict[str, str]

Słownik tagów. Tagi można dodawać, usuwać i aktualizować.

properties

dict[str, str]

Słownik właściwości elementu zawartości.

experiment_name

str

Nazwa eksperymentu, w ramach których zostanie utworzone zadanie, jeśli nie zostanie podany, zadanie zostanie utworzone w ramach eksperymentu "Default".

identity

Union[ManagedIdentityConfiguration, AmlTokenConfiguration, UserIdentityConfiguration]

Tożsamość, która będzie używana przez zadanie trenowania podczas uruchamiania na obliczeniach.

inputs

dict

Dane wejściowe polecenia.

outputs

dict[str, Output]

Mapowanie powiązań danych wyjściowych używanych w zadaniu.

sampling_algorithm

str

Algorytm próbkowania hiperparametrów używany przez search_space. Wartość domyślna to "random".

search_space

Dict

Słownik obszaru wyszukiwania hiperparametrów. Klucz jest nazwą hiperparametru, a wartość jest wyrażeniem parametru.

objective

Objective

Metryka do optymalizacji.

compute

str

Docelowy obiekt obliczeniowy, na który działa zadanie.

trial

Union[CommandJob, CommandComponent]

Konfiguracja zadania dla każdej wersji próbnej. Każda wersja próbna będzie dostarczana z inną kombinacją wartości hiperparametrów, które próbkują system z search_space.

early_termination

Union[BanditPolicy, MedianStoppingPolicy, TruncationSelectionPolicy]

Zasady wczesnego zakończenia do użycia. Zadanie w wersji próbnej zostanie anulowane po spełnieniu kryteriów określonych zasad. W przypadku pominięcia zasady wcześniejszego zakończenia nie zostaną zastosowane.

limits

<xref:azure.ai.ml.entities.SweepJobLimits>

Limity zadania zamiatania.

queue_settings

QueueSettings

Ustawienia kolejki dla zadania.

kwargs

dict

Słownik dodatkowych parametrów konfiguracji.

Przykłady

Tworzenie zadania SweepJob

   from azure.ai.ml.entities import CommandJob
   from azure.ai.ml.sweep import BayesianSamplingAlgorithm, Objective, SweepJob, SweepJobLimits

   command_job = CommandJob(
       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",
   )

   sweep = SweepJob(
       sampling_algorithm=BayesianSamplingAlgorithm(),
       trial=command_job,
       search_space={"ss": Choice(type="choice", values=[{"space1": True}, {"space2": True}])},
       inputs={"input1": {"file": "top_level.csv", "mode": "ro_mount"}},
       compute="top_level",
       limits=SweepJobLimits(trial_timeout=600),
       objective=Objective(goal="maximize", primary_metric="accuracy"),
   )

Metody

dump	Zrzuty zawartości zadania do pliku w formacie YAML.
set_limits	Ustaw limity dla węzła Zamiatanie. Pozostaw parametry jako Brak, jeśli nie chcesz aktualizować odpowiednich wartości.
set_objective	Ustaw obiekt zamiatania. Pozostaw parametry jako Brak, jeśli nie chcesz aktualizować odpowiednich wartości. "minimalizuj", "maksymalizuj". :type goal: str :keyword primary_metric: Nazwa metryki do optymalizacji. primary_metric :p aramtype: str

dump

Zrzuty zawartości zadania do pliku w formacie YAML.

dump(dest: str | PathLike | IO, **kwargs) -> None

Parametry

dest

Union[<xref:PathLike>, str, IO[AnyStr]]

Wymagane

Ścieżka lokalna lub strumień plików do zapisu zawartości YAML. Jeśli dest jest ścieżką pliku, zostanie utworzony nowy plik. Jeśli plik jest otwarty, plik zostanie zapisany bezpośrednio.

kwargs

dict

Dodatkowe argumenty do przekazania do serializatora YAML.

Wyjątki

FileExistsError

Zgłaszane, jeśli dest jest ścieżką pliku i plik już istnieje.

IOError

Zgłaszane, jeśli dest jest otwartym plikiem, a plik nie jest zapisywalny.

set_limits

Ustaw limity dla węzła Zamiatanie. Pozostaw parametry jako Brak, jeśli nie chcesz aktualizować odpowiednich wartości.

set_limits(*, max_concurrent_trials: int | None = None, max_total_trials: int | None = None, timeout: int | None = None, trial_timeout: int | None = None) -> None

Parametry

max_concurrent_trials

int

maksymalna liczba współbieżnych wersji próbnych.

max_total_trials

int

maksymalna łączna liczba próbna.

timeout

int

łączny limit czasu w sekundach dla węzła zamiatania

trial_timeout

int

limit czasu w sekundach dla każdej wersji próbnej

Wyjątki

FileExistsError

Zgłaszane, jeśli dest jest ścieżką pliku i plik już istnieje.

IOError

Zgłaszane, jeśli dest jest otwartym plikiem, a plik nie jest zapisywalny.

set_objective

Ustaw obiekt zamiatania. Pozostaw parametry jako Brak, jeśli nie chcesz aktualizować odpowiednich wartości.

"minimalizuj", "maksymalizuj". :type goal: str :keyword primary_metric: Nazwa metryki do optymalizacji. primary_metric :p aramtype: str

set_objective(*, goal: str | None = None, primary_metric: str | None = None) -> None

Parametry

goal

Definiuje obsługiwane cele metryk na potrzeby dostrajania hiperparametrów. Dopuszczalne wartości to:

Wyjątki

FileExistsError

Zgłaszane, jeśli dest jest ścieżką pliku i plik już istnieje.

IOError

Zgłaszane, jeśli dest jest otwartym plikiem, a plik nie jest zapisywalny.

Atrybuty

base_path

Ścieżka podstawowa zasobu.

Zwraca

Ścieżka podstawowa zasobu.

Typ zwracany

str

creation_context

Kontekst tworzenia zasobu.

Zwraca

Metadane tworzenia zasobu.

Typ zwracany

Optional[SystemData]

early_termination

Zasady wczesnego kończenia zadań.

Zwraca

Zasady wczesnego kończenia zadań.

Typ zwracany

<xref:azure.ai.ml.entities._job.sweep.early_termination_policy.EarlyTerminationPolicy>

id

Identyfikator zasobu.

Zwraca

Identyfikator globalny zasobu, identyfikator usługi Azure Resource Manager (ARM).

Typ zwracany

Optional[str]

inputs

limits

Limity zadań zamiatania.

Zwraca

Limity zadań zamiatania.

Typ zwracany

SweepJobLimits

log_files

Pliki wyjściowe zadania.

Zwraca

Słownik nazw dzienników i adresów URL.

Typ zwracany

Optional[Dict[str, str]]

outputs

sampling_algorithm

Algorytm próbkowania dla zadania zamiatania.

Zwraca

Algorytm próbkowania dla zadania zamiatania.

Typ zwracany

SamplingAlgorithm

status

Stan zadania.

Zwracane typowe wartości to "Running", "Completed" i "Failed". Wszystkie możliwe wartości to:

• NotStarted — jest to stan tymczasowy, w przypadku którego przed przesłaniem do chmury znajdują się obiekty Uruchom po stronie klienta.

• Uruchamianie — uruchomienie zostało rozpoczęte w chmurze. Obiekt wywołujący ma w tym momencie identyfikator uruchomienia.

• Aprowizacja — obliczenia na żądanie są tworzone dla danego przesłania zadania.

• Przygotowywanie — środowisko uruchomieniowe jest przygotowywane i znajduje się w jednym z dwóch etapów:

  • Kompilacja obrazu platformy Docker

  • Konfiguracja środowiska conda

• W kolejce — zadanie jest kolejkowane w docelowym obiekcie obliczeniowym. Na przykład w usłudze BatchAI zadanie jest w stanie w kolejce

  podczas oczekiwania na gotowość wszystkich żądanych węzłów.

• Uruchomione — zadanie zostało uruchomione na docelowym obiekcie obliczeniowym.

• Finalizowanie — wykonywanie kodu użytkownika zostało ukończone, a przebieg znajduje się na etapach przetwarzania końcowego.

• CancelRequested — zażądano anulowania zadania.

• Ukończono — przebieg został ukończony pomyślnie. Obejmuje to zarówno wykonywanie kodu użytkownika, jak i uruchamianie

  etapy przetwarzania końcowego.

• Niepowodzenie — przebieg zakończył się niepowodzeniem. Zazwyczaj właściwość Error w przebiegu zawiera szczegółowe informacje o przyczynie.

• Anulowano — następuje żądanie anulowania i wskazuje, że przebieg został pomyślnie anulowany.

• NotResponding — w przypadku przebiegów z włączonymi pulsami nie wysłano ostatnio pulsu.

Zwraca

Stan zadania.

Typ zwracany

Optional[str]

studio_url

Punkt końcowy programu Azure ML Studio.

Zwraca

Adres URL strony szczegółów zadania.

Typ zwracany

Optional[str]

type

Typ zadania.

Zwraca

Typ zadania.

Typ zwracany

Optional[str]