Executar um script como um trabalho de comando

  • 5 minutos

Quando você tem um script que treina um modelo de aprendizado de máquina, pode executá-lo como um trabalho de comando no Aprendizado de Máquina do Azure.

Configurar e enviar um trabalho de comando

Para executar um script como um trabalho de comando, você precisará configurar e enviar o trabalho.

Para configurar um trabalho de comando com o Python SDK (v2), você usará a command função. Para executar um script, você precisará especificar valores para os seguintes parâmetros:

  • code: A pasta que inclui o script a ser executado.
  • command: Especifica qual arquivo executar.
  • environment: Os pacotes necessários a serem instalados na computação antes de executar o comando.
  • compute: O cálculo a ser usado para executar o comando.
  • display_name: O nome do trabalho individual.
  • experiment_name: O nome do experimento ao qual o trabalho pertence.

Gorjeta

Saiba mais sobre a command função e todos os parâmetros possíveis na documentação de referência para o Python SDK (v2).

Você pode configurar um trabalho de comando para executar um arquivo chamado train.py, no cluster de computação nomeado aml-cluster com o seguinte código:

from azure.ai.ml import command

# configure job
job = command(
    code="./src",
    command="python train.py",
    environment="AzureML-sklearn-0.24-ubuntu18.04-py37-cpu@latest",
    compute="aml-cluster",
    display_name="train-model",
    experiment_name="train-classification-model"
    )

Quando seu trabalho estiver configurado, você poderá enviá-lo, o que iniciará o trabalho e executará o script:

# submit job
returned_job = ml_client.create_or_update(job)

Você pode monitorar e revisar o trabalho no estúdio do Azure Machine Learning. Todos os trabalhos com o mesmo nome de experimento serão agrupados sob o mesmo experimento. Você pode encontrar um trabalho individual usando o nome de exibição especificado.

Todas as entradas e saídas de um trabalho de comando são rastreadas. Você pode revisar qual comando você especificou, qual computação foi usada e qual ambiente foi usado para executar o script na computação especificada.