SKLearn Classe

Referência

Cria um avaliador para formação em experimentações scikit-learn.

PRETERIDO. Utilize o objeto com o ScriptRunConfig seu próprio ambiente definido ou o AzureML-Tutorial ambiente organizado. Para obter uma introdução à configuração de execuções de experimentação SKLearn com ScriptRunConfig, veja Preparar modelos scikit-learn em escala com o Azure Machine Learning.

Este avaliador só suporta a preparação da CPU de nó único.

Versões suportadas: 0.20.3

Inicialize um avaliador scikit-learn.

Herança: azureml.train.estimator._framework_base_estimator._FrameworkBaseEstimator

SKLearn

Construtor

SKLearn(source_directory, *, compute_target=None, vm_size=None, vm_priority=None, entry_script=None, script_params=None, use_docker=True, custom_docker_image=None, image_registry_details=None, user_managed=False, conda_packages=None, pip_packages=None, conda_dependencies_file_path=None, pip_requirements_file_path=None, conda_dependencies_file=None, pip_requirements_file=None, environment_variables=None, environment_definition=None, inputs=None, shm_size=None, resume_from=None, max_run_duration_seconds=None, framework_version=None, _enable_optimized_mode=False, _disable_validation=True, _show_lint_warnings=False, _show_package_warnings=False)

Parâmetros

Name	Description
source_directory Necessário	str Um diretório local que contém ficheiros de configuração de experimentação.
compute_target Necessário	AbstractComputeTarget ou str O destino de computação onde a preparação vai acontecer. Pode ser um objeto ou a cadeia "local".
vm_size Necessário	str O tamanho da VM do destino de computação que será criado para a preparação. Valores suportados: qualquer tamanho de VM do Azure.
vm_priority Necessário	str A prioridade da VM do destino de computação que será criado para a preparação. Se não for especificado, é utilizado "dedicado". Valores suportados: "dedicado" e "lowpriority". Isto só entra em vigor quando o `vm_size param` é especificado na entrada.
entry_script Necessário	str Uma cadeia que representa o caminho relativo para o ficheiro utilizado para iniciar a preparação.
script_params Necessário	dict Um dicionário de argumentos da linha de comandos para passar para o script de preparação especificado em `entry_script`.
custom_docker_image Necessário	str Será criado o nome da imagem do Docker a partir da qual será criada a imagem a utilizar para preparação. Se não estiver definida, será utilizada uma imagem baseada na CPU predefinida como imagem base.
image_registry_details Necessário	ContainerRegistry Os detalhes do registo de imagens do Docker.
user_managed Necessário	bool Especifica se o Azure ML reutiliza um ambiente Python existente. Falso significa que o AzureML irá criar um ambiente Python com base na especificação de dependências de conda.
conda_packages Necessário	list Uma lista de cadeias que representam pacotes conda a serem adicionados ao ambiente python para a experimentação.
pip_packages Necessário	list Uma lista de cadeias que representam pacotes pip a serem adicionados ao ambiente python para a experimentação.
conda_dependencies_file_path Necessário	str Uma cadeia que representa o caminho relativo para o ficheiro yaml de dependências de conda. Se especificado, o Azure ML não instalará pacotes relacionados com a arquitetura. Isto pode ser fornecido em combinação com o `conda_packages` parâmetro. PRETERIDO. Utilize o `conda_dependencies_file` parâmetro .
pip_requirements_file_path Necessário	str Uma cadeia que representa o caminho relativo para o ficheiro de texto dos requisitos pip. Isto pode ser fornecido em combinação com o `pip_packages` parâmetro. PRETERIDO. Utilize o `pip_requirements_file` parâmetro .
conda_dependencies_file Necessário	str Uma cadeia que representa o caminho relativo para o ficheiro yaml de dependências de conda. Se especificado, o Azure ML não instalará pacotes relacionados com a arquitetura. Isto pode ser fornecido em combinação com o `conda_packages` parâmetro.
pip_requirements_file Necessário	str Uma cadeia que representa o caminho relativo para o ficheiro de texto dos requisitos pip. Isto pode ser fornecido em combinação com o `pip_packages` parâmetro.
environment_variables Necessário	dict Um dicionário de nomes e valores de variáveis de ambiente. Estas variáveis de ambiente são definidas no processo em que o script de utilizador está a ser executado.
environment_definition Necessário	Environment A definição de ambiente para uma experimentação inclui PythonSection, DockerSection e variáveis de ambiente. Qualquer opção de ambiente não exposta diretamente através de outros parâmetros para a construção do Avaliador pode ser definida com o `environment_definition` parâmetro . Se este parâmetro for especificado, terá precedência sobre outros parâmetros relacionados com o ambiente, como `use_gpu`, `custom_docker_image`, `conda_packages`ou `pip_packages`. Os erros serão comunicados combinações inválidas.
inputs Necessário	list Uma lista de DataReference objetos ou DatasetConsumptionConfig para utilizar como entrada.
shm_size Necessário	str O tamanho do bloco de memória partilhado do contentor do Docker. Se não estiver definido, é utilizada a azureml.core.environment._DEFAULT_SHM_SIZE predefinida.
resume_from Necessário	DataPath O caminho de dados que contém o ponto de verificação ou os ficheiros de modelo a partir dos quais pretende retomar a experimentação.
max_run_duration_seconds Necessário	int O tempo máximo permitido para a execução. O Azure ML tentará cancelar automaticamente a execução se demorar mais tempo do que este valor.
framework_version Necessário	str A versão scikit-learn a ser utilizada para executar o código de preparação. `SKLearn.get_supported_versions()` devolve uma lista das versões suportadas pelo SDK atual.
source_directory Necessário	str Um diretório local que contém ficheiros de configuração de experimentação.
compute_target Necessário	AbstractComputeTarget ou str O destino de computação onde a preparação vai acontecer. Pode ser um objeto ou a cadeia "local".
vm_size Necessário	str O tamanho da VM do destino de computação que será criado para a preparação. Valores suportados: qualquer tamanho de VM do Azure.
vm_priority Necessário	str A prioridade da VM do destino de computação que será criado para a preparação. Se não for especificado, é utilizado "dedicado". Valores suportados: "dedicado" e "lowpriority". Isto só entra em vigor quando o `vm_size param` é especificado na entrada.
entry_script Necessário	str Uma cadeia que representa o caminho relativo para o ficheiro utilizado para iniciar a preparação.
script_params Necessário	dict Um dicionário de argumentos da linha de comandos para passar para o script de preparação especificado em `entry_script`.
use_docker Necessário	bool Um valor bool que indica se o ambiente para executar a experimentação deve ser baseado no Docker.
custom_docker_image Necessário	str Será criado o nome da imagem do Docker a partir da qual será criada a imagem a utilizar para preparação. Se não estiver definida, será utilizada uma imagem baseada na CPU predefinida como imagem base.
image_registry_details Necessário	ContainerRegistry Os detalhes do registo de imagens do Docker.
user_managed Necessário	bool Especifica se o Azure ML reutiliza um ambiente Python existente. Falso significa que o AzureML irá criar um ambiente Python com base na especificação de dependências de conda.
conda_packages Necessário	list Uma lista de cadeias que representam pacotes conda a serem adicionados ao ambiente python para a experimentação.
pip_packages Necessário	list Uma lista de cadeias que representam pacotes pip a serem adicionados ao ambiente python para a experimentação.
conda_dependencies_file_path Necessário	str Uma cadeia que representa o caminho relativo para o ficheiro yaml de dependências de conda. Se especificado, o Azure ML não instalará pacotes relacionados com a arquitetura. Isto pode ser fornecido em combinação com o `conda_packages` parâmetro. PRETERIDO. Utilize o `conda_dependencies_file` parâmetro .
pip_requirements_file_path Necessário	str Uma cadeia que representa o caminho relativo para o ficheiro de texto dos requisitos pip. Isto pode ser fornecido em combinação com o `pip_packages` parâmetro. PRETERIDO. Utilize o `pip_requirements_file` parâmetro .
conda_dependencies_file Necessário	str Uma cadeia que representa o caminho relativo para o ficheiro yaml de dependências de conda. Se especificado, o Azure ML não instalará pacotes relacionados com a arquitetura. Isto pode ser fornecido em combinação com o `conda_packages` parâmetro.
pip_requirements_file Necessário	str Uma cadeia que representa o caminho relativo para o ficheiro de texto dos requisitos pip. Isto pode ser fornecido em combinação com o `pip_packages` parâmetro.
environment_variables Necessário	dict Um dicionário de nomes e valores de variáveis de ambiente. Estas variáveis de ambiente são definidas no processo em que o script de utilizador está a ser executado.
environment_definition Necessário	Environment A definição de ambiente para uma experimentação inclui PythonSection, DockerSection e variáveis de ambiente. Qualquer opção de ambiente não exposta diretamente através de outros parâmetros para a construção do Avaliador pode ser definida com o `environment_definition` parâmetro . Se este parâmetro for especificado, terá precedência sobre outros parâmetros relacionados com o ambiente, como `use_gpu`, `custom_docker_image`, `conda_packages`ou `pip_packages`. Os erros serão comunicados combinações inválidas.
inputs Necessário	list Uma lista de azureml.data.data_reference. Objetos DataReference a utilizar como entrada.
shm_size Necessário	str O tamanho do bloco de memória partilhado do contentor do Docker. Se não estiver definido, é utilizada a azureml.core.environment._DEFAULT_SHM_SIZE predefinida.
resume_from Necessário	DataPath O caminho de dados que contém o ponto de verificação ou os ficheiros de modelo a partir dos quais pretende retomar a experimentação.
max_run_duration_seconds Necessário	int O tempo máximo permitido para a execução. O Azure ML tentará cancelar automaticamente a execução se demorar mais tempo do que este valor.
framework_version Necessário	str A versão scikit-learn a ser utilizada para executar o código de preparação. `SKLearn.get_supported_versions()` devolve uma lista das versões suportadas pelo SDK atual.
_enable_optimized_mode Necessário	bool Ative a compilação de ambiente incremental com imagens de arquitetura pré-criadas para uma preparação mais rápida do ambiente. Uma imagem de arquitetura pré-criada baseia-se nas imagens base predefinidas da CPU/GPU do Azure ML com dependências de arquitetura pré-instaladas.
_disable_validation Necessário	bool Desative a validação do script antes de executar a submissão. A predefinição é Verdadeiro.
_show_lint_warnings Necessário	bool Mostrar avisos de linting de script. A predefinição é Falso.
_show_package_warnings Necessário	bool Mostrar avisos de validação de pacotes. A predefinição é Falso.

Observações

Ao submeter uma tarefa de preparação, o Azure ML executa o script num ambiente conda num contentor do Docker. Os contentores SKLearn têm as seguintes dependências instaladas.

Dependências | Scikit-learn 0.20.3 | ———————- | —————– | Python | 3.6.2 | azureml-defaults | Mais recente | IntelMpi | 2018.3.222 | scikit-learn | 0.20.3 | numpy | 1.16.2 | miniconda | 4.5.11 | scipy | 1.2.1 | joblib | 0.13.2 | git | 2.7.4 |

As imagens do Docker expandem o Ubuntu 16.04.

Se precisar de instalar dependências adicionais, pode utilizar os parâmetros ou conda_packages ou fornecer o pip_packages seu pip_requirements_file ficheiro ouconda_dependencies_file. Em alternativa, pode criar a sua própria imagem e transmitir o custom_docker_image parâmetro ao construtor do avaliador.

Atributos

DEFAULT_VERSION

DEFAULT_VERSION = '0.20.3'

FRAMEWORK_NAME

FRAMEWORK_NAME = 'SKLearn'

Partilhar via