SKLearn Класс

Создает оценщик для обучения в экспериментах Scikit-learn.

НЕ РЕКОМЕНДУЕТСЯ. Используйте объект ScriptRunConfig с собственной определенной средой или курированной средой учебника по AzureML. Общие сведения о настройке запусков эксперимента SKLearn с помощью ScriptRunConfig приведены в статье Обучение моделей Scikit-learn в большом масштабе с помощью Машинного обучения Azure.

Этот оценщик поддерживает обучение только с использованием ЦП с одним узлом.

Поддерживаемые версии: 0.20.3

Инициализация оценщика Scikit-learn.

Наследование

azureml.train.estimator._framework_base_estimator._FrameworkBaseEstimator

SKLearn

Конструктор

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)

Параметры

Имя	Описание
source_directory Обязательно	str Локальный каталог, содержащий файлы конфигурации эксперимента.
compute_target Обязательно	AbstractComputeTarget или str Целевой объект вычислений, в котором будет выполняться обучение. Это может быть либо объект, либо строка "local" (локальный).
vm_size Обязательно	str Размер виртуальной машины целевого объекта вычислений, который будет создан для обучения. Поддерживаемые значения: любой размер виртуальной машины Azure.
vm_priority Обязательно	str Приоритет виртуальной машины целевого объекта вычислений, который будет создан для обучения. Если значение не указано, используется "dedicated" (выделенный). Поддерживаемые значения: "dedicated" (выделенный) и "lowpriority" (низкий приоритет). Действует только в том случае, если vm_size param указан во входных данных.
entry_script Обязательно	str Строка, представляющая относительный путь к файлу, используемому для начала обучения.
script_params Обязательно	dict Словарь аргументов командной строки для передачи в скрипт обучения, указанный в entry_script.
custom_docker_image Обязательно	str Имя образа Docker, из которого будет построен образ, используемый для обучения. Если параметр не задан, в качестве базового образа будет по умолчанию использоваться образ на основе ЦП.
image_registry_details Обязательно	ContainerRegistry Сведения о реестре образов Docker.
user_managed Обязательно	bool Указывает, будет ли Azure ML повторно использовать существующую среду Python. При значении False Azure ML создает среду Python на основе спецификации зависимостей Conda.
conda_packages Обязательно	list Список строк, представляющих пакеты Сonda, добавляемые в среду Python для эксперимента.
pip_packages Обязательно	list Список строк, представляющих пакеты pip, добавляемые в среду Python для эксперимента.
conda_dependencies_file_path Обязательно	str Строка, представляющая относительный путь к файлу YAML зависимостей Conda. Если он указан, Машинное обучение Azure не будет устанавливать пакеты, связанные с платформой. Его можно указать в сочетании с параметром conda_packages. НЕ РЕКОМЕНДУЕТСЯ. Используйте параметр conda_dependencies_file.
pip_requirements_file_path Обязательно	str Строка, представляющая относительный путь к текстовому файлу требований PIP. Его можно указать в сочетании с параметром pip_packages. НЕ РЕКОМЕНДУЕТСЯ. Используйте параметр pip_requirements_file.
conda_dependencies_file Обязательно	str Строка, представляющая относительный путь к файлу YAML зависимостей Conda. Если он указан, Машинное обучение Azure не будет устанавливать пакеты, связанные с платформой. Его можно указать в сочетании с параметром conda_packages.
pip_requirements_file Обязательно	str Строка, представляющая относительный путь к текстовому файлу требований PIP. Его можно указать в сочетании с параметром pip_packages.
environment_variables Обязательно	dict Словарь имен и значений переменных среды. Эти переменные среды задаются для процесса, в котором выполняется пользовательский скрипт.
environment_definition Обязательно	Environment Определение среды для эксперимента включает в себя PythonSection, DockerSection и переменные среды. С помощью параметра environment_definition можно задать любую опцию среды, которая не предоставляется напрямую через другие параметры в конструкцию оценщика. Если этот параметр указан, он будет иметь приоритет над другими параметрами, связанными со средой, например, use_gpu, custom_docker_image, conda_packages и pip_packages. При недопустимых сочетаниях будут выводиться ошибки.
inputs Обязательно	list Список объектов DataReference или DatasetConsumptionConfig, используемых в качестве входных данных.
shm_size Обязательно	str Размер блока общей памяти контейнера Docker. Если значение не задано, используется значение по умолчанию azureml.core.environment._DEFAULT_SHM_SIZE.
resume_from Обязательно	DataPath Путь к данным, содержащий файлы контрольной точки или модели, из которых возобновляется выполнение эксперимента.
max_run_duration_seconds Обязательно	int Максимально допустимое время выполнения. Машинное обучение Azure будет пытаться автоматически отменить выполнение, если оно занимает больше времени, чем задано этим значением.
framework_version Обязательно	str Версия Scikit-learn, которая будет использоваться для выполнения кода обучения. SKLearn.get_supported_versions() возвращает список версий, поддерживаемых текущим пакетом SDK.
source_directory Обязательно	str Локальный каталог, содержащий файлы конфигурации эксперимента.
compute_target Обязательно	AbstractComputeTarget или str Целевой объект вычислений, в котором будет выполняться обучение. Это может быть либо объект, либо строка "local" (локальный).
vm_size Обязательно	str Размер виртуальной машины целевого объекта вычислений, который будет создан для обучения. Поддерживаемые значения: любой размер виртуальной машины Azure.
vm_priority Обязательно	str Приоритет виртуальной машины целевого объекта вычислений, который будет создан для обучения. Если значение не указано, используется "dedicated" (выделенный). Поддерживаемые значения: "dedicated" (выделенный) и "lowpriority" (низкий приоритет). Действует только в том случае, если vm_size param указан во входных данных.
entry_script Обязательно	str Строка, представляющая относительный путь к файлу, используемому для начала обучения.
script_params Обязательно	dict Словарь аргументов командной строки для передачи в скрипт обучения, указанный в entry_script.
use_docker Обязательно	bool Логическое значение, указывающее, должна ли среда для запуска эксперимента быть основана на Docker.
custom_docker_image Обязательно	str Имя образа Docker, из которого будет построен образ, используемый для обучения. Если он не задан, в качестве базового образа будет использоваться образ на основе ЦП по умолчанию.
image_registry_details Обязательно	ContainerRegistry Сведения о реестре образов Docker.
user_managed Обязательно	bool Указывает, будет ли Azure ML повторно использовать существующую среду Python. При значении False Azure ML создает среду Python на основе спецификации зависимостей Conda.
conda_packages Обязательно	list Список строк, представляющих пакеты Сonda, добавляемые в среду Python для эксперимента.
pip_packages Обязательно	list Список строк, представляющих пакеты pip, добавляемые в среду Python для эксперимента.
conda_dependencies_file_path Обязательно	str Строка, представляющая относительный путь к файлу YAML зависимостей Conda. Если он указан, Машинное обучение Azure не будет устанавливать пакеты, связанные с платформой. Его можно указать в сочетании с параметром conda_packages. НЕ РЕКОМЕНДУЕТСЯ. Используйте параметр conda_dependencies_file.
pip_requirements_file_path Обязательно	str Строка, представляющая относительный путь к текстовому файлу требований PIP. Его можно указать в сочетании с параметром pip_packages. НЕ РЕКОМЕНДУЕТСЯ. Используйте параметр pip_requirements_file.
conda_dependencies_file Обязательно	str Строка, представляющая относительный путь к файлу YAML зависимостей Conda. Если он указан, Машинное обучение Azure не будет устанавливать пакеты, связанные с платформой. Его можно указать в сочетании с параметром conda_packages.
pip_requirements_file Обязательно	str Строка, представляющая относительный путь к текстовому файлу требований PIP. Его можно указать в сочетании с параметром pip_packages.
environment_variables Обязательно	dict Словарь имен и значений переменных среды. Эти переменные среды задаются для процесса, в котором выполняется пользовательский скрипт.
environment_definition Обязательно	Environment Определение среды для эксперимента включает в себя PythonSection, DockerSection и переменные среды. С помощью параметра environment_definition можно задать любую опцию среды, которая не предоставляется напрямую через другие параметры в конструкцию оценщика. Если этот параметр указан, он будет иметь приоритет над другими параметрами, связанными со средой, например, use_gpu, custom_docker_image, conda_packages и pip_packages. При недопустимых сочетаниях будут выводиться ошибки.
inputs Обязательно	list Список azureml.data.data_reference. Объекты DataReference, используемые в качестве входных данных.
shm_size Обязательно	str Размер блока общей памяти контейнера Docker. Если значение не задано, используется значение по умолчанию azureml.core.environment._DEFAULT_SHM_SIZE.
resume_from Обязательно	DataPath Путь к данным, содержащий файлы контрольной точки или модели, из которых возобновляется выполнение эксперимента.
max_run_duration_seconds Обязательно	int Максимально допустимое время выполнения. Машинное обучение Azure будет пытаться автоматически отменить выполнение, если оно занимает больше времени, чем задано этим значением.
framework_version Обязательно	str Версия Scikit-learn, которая будет использоваться для выполнения кода обучения. SKLearn.get_supported_versions() возвращает список версий, поддерживаемых текущим пакетом SDK.
_enable_optimized_mode Обязательно	bool Включите добавочную сборку среды с помощью предварительно созданных образов платформы для ускорения подготовки среды. Предварительно созданный образ платформы создан на основе базовых образов ЦП и GPU Azure ML по умолчанию с предварительно установленными зависимостями платформы.
_disable_validation Обязательно	bool Отключите проверку скрипта перед запуском отправки. Значение по умолчанию равно True.
_show_lint_warnings Обязательно	bool Отображение предупреждений о анализе кода скрипта. Значение по умолчанию — False.
_show_package_warnings Обязательно	bool Отображение предупреждений о проверке пакета. Значение по умолчанию — False.

Комментарии

При отправке задания обучения Azure ML выполняет скрипт в среде Conda в контейнере Docker. В контейнерах SKLearn установлены следующие зависимости.

Зависимости | Scikit-learn 0.20.3 | ———————- | —————– | Python | 3.6.2 | azureml-defaults | Latest | 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 |

Образы Docker расширяют Ubuntu 16.04.

Если необходимо установить дополнительные зависимости, можно либо использовать параметры pip_packages или conda_packages, либо указать файл pip_requirements_file или conda_dependencies_file. Кроме того, можно создать собственный образ и передать параметр custom_docker_image конструктору оценщика.

Атрибуты

DEFAULT_VERSION

DEFAULT_VERSION = '0.20.3'

FRAMEWORK_NAME

FRAMEWORK_NAME = 'SKLearn'