通过

TruncationSelectionPolicy 类

  • 参考

定义一个提前终止策略，该策略在每个评估间隔内取消给定百分比的运行。

初始化 TruncationSelectionPolicy。

继承
azureml.train.hyperdrive.policy.EarlyTerminationPolicy
TruncationSelectionPolicy

构造函数

TruncationSelectionPolicy(truncation_percentage, evaluation_interval=1, delay_evaluation=0)

参数

名称 说明
truncation_percentage
必需
int

在每个评估间隔要取消的运行百分比。
evaluation_interval
int

应用策略的频率。

默认值: 1
delay_evaluation
int

延迟第一个策略评估的间隔数。 如果指定，则策略将按照大于或等于 delay_evaluation 的 evaluation_interval 倍数应用。

默认值: 0
truncation_percentage
必需
int

在每个评估间隔要取消的运行百分比。
evaluation_interval
必需
int

应用策略的频率。
delay_evaluation
必需
int

延迟第一个策略评估的间隔数。 如果指定，则策略将按照大于或等于 delay_evaluation 的 evaluation_interval 倍数应用。

注解

此策略定期取消在主要指标上性能排名最低的给定百分比的运行。 该策略通过考虑随着训练时间来提高模型性能，从而在对运行的排名方面力求公平。 在对相对早期的运行进行排名时，策略使用较旧运行的相应（和较早）性能来进行比较。 因此，运行不会因性能较低而终止，因为它们的运行时间比其他运行更短。

截断选择策略采用以下配置参数：

  • truncation_percentage：要在每个评估间隔终止的性能最低的运行百分比。

  • evaluation_interval：应用策略的频率。 每次训练脚本都会将主要指标计数记录为一个间隔。

  • delay_evaluation：延迟策略评估的间隔数。 使用此参数可避免过早终止训练运行。 如果指定，则策略将按照大于或等于 delay_evaluation 的 evaluation_interval 倍数应用。

例如，当以间隔 N 评估一次运行时，它的性能仅与间隔相当于 N 的其他运行的性能进行比较，即使它们报告的间隔大于 N 的指标。

属性

delay_evaluation

返回第一个评估延迟的序列数的值。

返回

类型 说明
int

延迟评估。

evaluation_interval

返回评估间隔值。

返回

类型 说明
int

评估间隔。

truncation_percentage

返回截断百分比值。

返回

类型 说明
int

截断百分比。

POLICY_NAME 

POLICY_NAME = 'TruncationSelection'