TrainingOutput Класс

Определяет специализированные выходные данные определенных классов PipelineStep для использования в конвейере.

TrainingOutput позволяет предоставить автоматическую метрику или модель машинного обучения в качестве выходных данных на этапе, которые будут использоваться другим этапом в конвейере Машинного обучения Azure. Можно использовать с AutoMLStep или HyperDriveStep.

Инициализация TrainingOutput.

param model_file: конкретный файл модели, который будет включен в выходные данные. Только для HyperDriveStep.

Наследование

builtins.object

TrainingOutput

Конструктор

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

Параметры

Имя	Описание
type Обязательно	str Тип выходных данных обучения. Возможные значения: "Metrics", "Model".
iteration	int Число итераций соответствующей модели обучения. Это значение может быть предоставлен только с типом "Model". Укажите параметр iteration или параметр metric, но не оба сразу. Default value: None
metric	str Метрика, используемая для возврата оптимальной модели обучения. Эта метрика может быть предоставлена только с типом "Model". Укажите параметр iteration или параметр metric, но не оба сразу. Default value: None
model_file	str Конкретный файл модели, включаемый в выходные данные. Только для HyperDriveStep. Default value: None
type Обязательно	str Тип выходных данных обучения. Возможные значения: "Metrics", "Model".
iteration Обязательно	int Число итераций соответствующей модели обучения. Это значение может быть предоставлен только с типом "Model". Укажите параметр iteration или параметр metric, но не оба сразу.
metric Обязательно	str Метрика, используемая для возврата оптимальной модели обучения. Эта метрика может быть предоставлена только с типом "Model". Укажите параметр iteration или параметр metric, но не оба сразу.

Комментарии

TrainingOutput используется с PipelineData при создании Pipeline, чтобы другие этапы могли использовать метрики или модели, созданные AutoMLStep или HyperDriveStep.

Используйте TrainingOutput при определении AutoMLStep следующим образом:

   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])

Пример использования TrainingOutput и этапа AutoMlStep см. в записной книжке https://aka.ms/pl-automl.

Атрибуты

iteration

Получения числа итераций соответствующей модели обучения.

Возвращаемое значение

Тип	Описание
int	Число итераций для модели обучения.

metric

Получение метрики для оптимальной модели обучения.

Возвращаемое значение

Тип	Описание
str	Имя метрики для оптимальной модели обучения.

model_file

Получение файла модели для включения в выходные данные оптимальной модели обучения.

Возвращаемое значение

Тип	Описание
str	Конкретный файл, включаемый в выходные данные оптимальной модели обучения.

type

Получение типа выходных данных обучения.

Возвращаемое значение

Тип	Описание
str	Тип выходных данных обучения. Возможные значения: "Metrics", "Model".