TrainingOutput Classe

Define uma saída especializada de determinados Pipelines para utilização num pipeline.

TrainingOutput permite que uma métrica ou modelo de machine learning automatizado seja disponibilizado como um resultado de passo a ser consumido por outro passo num Pipeline do Azure Machine Learning. Pode ser utilizado com AutoMLStep ou HyperDriveStep.

Inicializar TrainingOutput.

parâmetro model_file: o ficheiro de modelo específico a ser incluído na saída. Apenas para HyperDriveStep .

Herança

builtins.object

TrainingOutput

Construtor

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

Parâmetros

Name	Description
type Necessário	str O tipo de saída de preparação. Os valores possíveis incluem: "Métricas", "Modelo".
iteration	int O número de iteração do modelo de preparação correspondente. Este número de iteração só pode ser fornecido com o tipo "Modelo". Indique o iteration parâmetro ou o metric parâmetro, mas não ambos. Default value: None
metric	str A métrica a utilizar para devolver o melhor modelo de preparação. A métrica só pode ser fornecida com o tipo "Modelo". Indique o iteration parâmetro ou o metric parâmetro, mas não ambos. Default value: None
model_file	str O ficheiro de modelo específico a ser incluído na saída. Apenas para HyperDriveStep . Default value: None
type Necessário	str O tipo de saída de preparação. Os valores possíveis incluem: "Métricas", "Modelo".
iteration Necessário	int O número de iteração do modelo de preparação correspondente. Este número de iteração só pode ser fornecido com o tipo "Modelo". Indique o iteration parâmetro ou o metric parâmetro, mas não ambos.
metric Necessário	str A métrica a utilizar para devolver o melhor modelo de preparação. A métrica só pode ser fornecida com o tipo "Modelo". Indique o iteration parâmetro ou o metric parâmetro, mas não ambos.

Observações

TrainingOutput é utilizado ao PipelineData construir um Pipeline para permitir outros passos para consumir as métricas ou modelos gerados por um AutoMLStep ou HyperDriveStep.

Utilize TrainingOutput ao definir um AutoMLStep da seguinte forma:

   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])

Veja um exemplo de como utilizar TrainingOutput e um passo AutoMlStep no bloco de notas https://aka.ms/pl-automl.

Atributos

iteration

Obtenha o número de iteração do modelo de preparação correspondente.

Devoluções

Tipo	Description
int	O número de iteração do modelo de preparação.

metric

Obtenha a métrica para o melhor modelo de preparação.

Devoluções

Tipo	Description
str	O nome da métrica para o melhor modelo de preparação.

model_file

Obtenha um ficheiro de modelo para ser incluído na saída para o melhor modelo de preparação.

Devoluções

Tipo	Description
str	Um ficheiro específico a ser incluído na saída do melhor modelo de preparação.

type

Obtenha o tipo de saída de preparação.

Devoluções

Tipo	Description
str	Tipo de saída de preparação. Os valores possíveis incluem: "Métricas", "Modelo".