Partager via

TrainingOutput Classe

Définit une sortie spécialisée de certains PipelineSteps à utiliser dans un pipeline.

TrainingOutput permet à une métrique ou un modèle Machine Learning automatisé d’être mis à disposition en tant que sortie d’étape à consommer par une autre étape dans un pipeline Azure Machine Learning. Peut être utilisé avec AutoMLStep ou HyperDriveStep.

Initialisez TrainingOutput.

param model_file : fichier de modèle spécifique à inclure dans la sortie. Pour HyperDriveStep uniquement.

Constructeur

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

Paramètres

Nom Description
type
Obligatoire
str

Type de sortie d’entraînement. Les valeurs possibles sont les suivantes : « Métriques », « Modèle ».
iteration
int

Numéro d’itération du modèle d’entraînement correspondant. Ce numéro d’itération ne peut être fourni qu’avec le type « Model ». Fournissez le iteration paramètre ou le metric paramètre, mais pas les deux.

Valeur par défaut: None
metric
str

Métrique à utiliser pour retourner le meilleur modèle d’entraînement. La métrique ne peut être fournie qu’avec le type « Model ». Fournissez le iteration paramètre ou le metric paramètre, mais pas les deux.

Valeur par défaut: None
model_file
str

Fichier de modèle spécifique à inclure dans la sortie. Pour HyperDriveStep uniquement.

Valeur par défaut: None
type
Obligatoire
str

Type de sortie d’entraînement. Les valeurs possibles sont les suivantes : « Métriques », « Modèle ».
iteration
Obligatoire
int

Numéro d’itération du modèle d’entraînement correspondant. Ce numéro d’itération ne peut être fourni qu’avec le type « Model ». Fournissez le iteration paramètre ou le metric paramètre, mais pas les deux.
metric
Obligatoire
str

Métrique à utiliser pour retourner le meilleur modèle d’entraînement. La métrique ne peut être fournie qu’avec le type « Model ». Fournissez le iteration paramètre ou le metric paramètre, mais pas les deux.

Remarques

TrainingOutput est utilisé PipelineData lors de la construction d’une Pipeline procédure permettant d’activer d’autres étapes pour consommer les métriques ou les modèles générés par un AutoMLStep ou HyperDriveStep.

Utilisez TrainingOutput lors de la définition d’un AutoMLStep comme suit :


   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])

Consultez un exemple d’utilisation de TrainingOutput et d’une étape AutoMlStep dans le notebook https://aka.ms/pl-automl.

Attributs

iteration

Obtenez le numéro d’itération du modèle d’entraînement correspondant.

Retours

Type Description
int

Numéro d’itération pour le modèle d’entraînement.

metric

Obtenez la métrique pour le meilleur modèle d’entraînement.

Retours

Type Description
str

Nom de métrique pour le meilleur modèle d’entraînement.

model_file

Obtenez un fichier de modèle à inclure dans la sortie pour le meilleur modèle d’entraînement.

Retours

Type Description
str

Fichier particulier à inclure dans la sortie du meilleur modèle d’entraînement.

type

Obtenez le type de sortie d’entraînement.

Retours

Type Description
str

Type de sortie d’entraînement. Les valeurs possibles sont les suivantes : « Métriques », « Modèle ».