RunDetails Classe

Constructeur

RunDetails(run_instance)

Paramètres

Remarques

Un widget Jupyter Notebook Azure ML montre la progression de l’entraînement du modèle, notamment les propriétés, les journaux et les métriques. Le type de widget sélectionné est déduit implicitement à partir du run_instance. Vous n’avez pas besoin de le définir explicitement. Utilisez la méthode pour commencer le show rendu du widget. Si le widget n’est pas installé, vous verrez plutôt un lien pour afficher le contenu dans une nouvelle page de navigateur. Après avoir démarré une expérience, vous pouvez également voir la progression de l’entraînement du modèle dans le portail Azure à l’aide de la get_portal_url() méthode de la Run classe.

L’exemple suivant montre comment créer un widget et le démarrer :

   from azureml.widgets import RunDetails

   RunDetails(remote_run).show()

L’exemple complet est disponible à partir de https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/automated-machine-learning/classification-credit-card-fraud/auto-ml-classification-credit-card-fraud.ipynb

Les types d’exécutions suivants sont pris en charge :

• StepRun: affiche les propriétés d’exécution, les journaux de sortie, les métriques.

• HyperDriveRun: affiche les propriétés d’exécution parentes, les journaux, les exécutions enfants, le graphique de métriques principal et le graphique en coordonnées parallèles des hyperparamètres.

• AutoMLRun: affiche les exécutions enfants et le graphique de métrique principal avec l’option permettant de sélectionner des métriques individuelles.

• PipelineRun: affiche les nœuds en cours d’exécution et non en cours d’exécution d’un pipeline, ainsi que la représentation graphique des nœuds et des arêtes.

• ReinforcementLearningRun: affiche l’état des exécutions en temps réel. Azure Machine Learning Reinforcement Learning est actuellement une fonctionnalité en préversion. Pour plus d’informations, consultez l’apprentissage par renforcement avec Azure Marchine Learning.

Le package azureml-widgets est installé lorsque vous installez le Kit de développement logiciel (SDK) Azure Machine Learning. Toutefois, une autre installation peut être nécessaire en fonction de l’environnement.

• Notebooks Jupyter : les notebooks locaux et cloud sont entièrement pris en charge, avec l’interactivité, les mises à jour automatiques asynchrones et l’exécution de cellules non bloquantes.

• JupyterLab : Une autre installation peut être nécessaire.

  1. Vérifiez que le package azure-widgets est installé et, si ce n’est pas le cas, installez-le.

     
        sudo -i pip install azureml-widgets
     

  2. Installez l’extension JupyterLab.

     
        sudo -i jupyter labextension install @jupyter-widgets/jupyterlab-manager
     

  3. Après l’installation, redémarrez le noyau dans tous les notebooks en cours d’exécution.

     
        jupyter labextension list
     

• Databricks : Prise en charge partielle des widgets Juypter Notebook. Lorsque vous utilisez le widget, il affiche un lien pour afficher le contenu dans une nouvelle page de navigateur. Utilisez le showrender_lib paramètre défini sur « displayHTML ».

get_widget_data

get_widget_data(widget_settings=None)

show

show(render_lib=None, widget_settings=None)