dnn Пакет

Ссылка

Содержит оценщики, используемые в обучении глубокой нейронной сети (DNN).

Классы

Chainer	Представляет оценщик для обучения в экспериментах Chainer. НЕ РЕКОМЕНДУЕТСЯ. Используйте объект ScriptRunConfig в собственной определенной среде или в одной из курированных сред Chainer Azure ML. Общие сведения о настройке выполнений экспериментов с помощью ScriptRunConfig приведены в статье Настройка и отправка запусков обучения. Поддерживаемые версии: 5.1.0, 7.0.0 Инициализация оценщика Chainer.
Gloo	Управляет параметрами Gloo для распределенных заданий обучения. НЕ РЕКОМЕНДУЕТСЯ. Для этого используется класс PyTorchConfiguration. Gloo можно указать для задания обучения с помощью параметра `distributed_training` предварительно настроенного оценщика PyTorch или любого универсального Estimator, поддерживающего Gloo. Класс для управления параметрами Gloo для заданий.
Mpi	Управляет параметрами Message Passing Interface (MPI) для распределенных заданий на обучение. НЕ РЕКОМЕНДУЕТСЯ. Для этого используется класс MpiConfiguration. MPI можно указать для задания с параметром `distributed_training` предварительно настроенных оценщиков Chainer, PyTorch и TensorFlow, или с универсальным Estimator. Класс для управления параметрами MPI для заданий.
Nccl	Управляет параметрами Nccl для распределенных заданий обучения. НЕ РЕКОМЕДУЕТСЯ. Для этого используется класс PyTorchConfiguration. Nccl можно указать для задания обучения с помощью параметра `distributed_training` предварительно настроенного оценщика PyTorch или любого универсального Estimator, поддерживающего Nccl. Класс для управления параметрами Nccl для заданий.
ParameterServer	Управляет параметрами сервера параметров для учебных заданий. НЕ РЕКОМЕНДУЕТСЯ. Для этого используется класс TensorflowConfiguration. Класс для управления параметрами сервера для заданий. НЕ РЕКОМЕДУЕТСЯ. Для этого используется класс TensorflowConfiguration.
PyTorch	Представляет оценщик для обучения в экспериментах PyTorch. НЕ РЕКОМЕНДУЕТСЯ. Используйте объект ScriptRunConfig в собственной определенной среде или в одной из курированных сред PyTorch Azure ML. Общие сведения о настройке запусков эксперимента PyTorch с помощью ScriptRunConfig приведены в статье Обучение моделей PyTorch в большом масштабе с помощью Машинного обучения Azure. Поддерживаемые версии: 1.0, 1.1, 1.2, 1.3, 1.4, 1.5, 1.6 Инициализация оценщика PyTorch. Справочник по выполнению Docker. :type shm_size: str :p aram resume_from: путь к данным, содержащий файлы контрольной точки или модели, из которых следует возобновить эксперимент. :type resume_from: azureml.datapath.DataPath :p aram max_run_duration_seconds: максимально допустимое время выполнения. Azure ML попытается автоматически отмените выполнение, если оно занимает больше времени, чем это значение.
TensorFlow	Представляет оценщик для обучения в экспериментах TensorFlow. НЕ РЕКОМЕНДУЕТСЯ. Используйте объект ScriptRunConfig в собственной определенной среде или в одной из курированных сред TensorFlow Azure ML. Общие сведения о настройке запусков эксперимента TensorFlow с помощью ScriptRunConfig приведены в статье Обучение моделей TensorFlow в большом масштабе с помощью Машинного обучения Azure. Поддерживаемые версии: 1.10, 1.12, 1.13, 2.0, 2.1, 2.2 Инициализация оценщика TensorFlow. Справочник по выполнению Docker. :type shm_size: str :p aram resume_from: путь к данным, содержащий файлы контрольной точки или модели, из которых следует возобновить эксперимент. :type resume_from: azureml.datapath.DataPath :p aram max_run_duration_seconds: максимально допустимое время выполнения. Azure ML попытается автоматически отмените выполнение, если оно занимает больше времени, чем это значение.