Compartilhar via

TrainingOutput Classe

Define uma saída especializada de determinados PipelineSteps para uso em um pipeline.

O TrainingOutput permite que um modelo ou métrica de machine learning automatizado seja disponibilizado como uma saída de etapa a ser consumida por outra etapa em um Pipeline do Azure Machine Learning. Pode ser usado com AutoMLStep ou HyperDriveStep.

Inicializar TrainingOutput.

param model_file: o arquivo de modelo específico a ser incluído na saída. Apenas para HyperDriveStep .

Construtor

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

Parâmetros

Nome Description
type
Obrigatório
str

O tipo de saída de treinamento. Os valores possíveis incluem: 'Métricas', 'Modelo'.
iteration
int

O número de iteração do modelo de treinamento correspondente. Esse número de iteração só pode ser fornecido com o tipo 'Model'. Forneça o iteration parâmetro ou o metric parâmetro, mas não ambos.

Valor padrão: None
metric
str

A métrica a ser usada para retornar o melhor modelo de treinamento. A métrica só pode ser fornecida com o tipo 'Model'. Forneça o iteration parâmetro ou o metric parâmetro, mas não ambos.

Valor padrão: None
model_file
str

O arquivo de modelo específico a ser incluído na saída. Apenas para HyperDriveStep .

Valor padrão: None
type
Obrigatório
str

O tipo de saída de treinamento. Os valores possíveis incluem: 'Métricas', 'Modelo'.
iteration
Obrigatório
int

O número de iteração do modelo de treinamento correspondente. Esse número de iteração só pode ser fornecido com o tipo 'Model'. Forneça o iteration parâmetro ou o metric parâmetro, mas não ambos.
metric
Obrigatório
str

A métrica a ser usada para retornar o melhor modelo de treinamento. A métrica só pode ser fornecida com o tipo 'Model'. Forneça o iteration parâmetro ou o metric parâmetro, mas não ambos.

Comentários

TrainingOutput é usado ao PipelineData construir um Pipeline para habilitar outras etapas para consumir as métricas ou modelos gerados por um AutoMLStep ou HyperDriveStep.

Use TrainingOutput ao definir um AutoMLStep da seguinte maneira:


   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])

Veja um exemplo de como usar TrainingOutput e uma etapa AutoMlStep no notebook https://aka.ms/pl-automl.

Atributos

iteration

Obtenha o número de iteração do modelo de treinamento correspondente.

Retornos

Tipo Description
int

O número de iteração do modelo de treinamento.

metric

Obtenha a métrica para obter o melhor modelo de treinamento.

Retornos

Tipo Description
str

O nome da métrica para o melhor modelo de treinamento.

model_file

Obtenha um arquivo de modelo a ser incluído na saída para o melhor modelo de treinamento.

Retornos

Tipo Description
str

Um arquivo específico a ser incluído na saída do melhor modelo de treinamento.

type

Obtenha o tipo de saída de treinamento.

Retornos

Tipo Description
str

Tipo de saída de treinamento. Os valores possíveis incluem: 'Métricas', 'Modelo'.