TrainingOutput クラス
パイプラインで使用する特定の PipelineSteps の特殊な出力を定義します。
TrainingOutput を使用すると、自動化された機械学習メトリックまたはモデルを、Azure Machine Learning パイプラインの別のステップで使用するステップ出力として使用できるようになります。 AutoMLStepまたはHyperDriveStepで使用できます。
TrainingOutput を初期化します。
param model_file: 出力に含める特定のモデル ファイル。 HyperDriveStepのみ。
コンストラクター
TrainingOutput(type, iteration=None, metric=None, model_file=None)
パラメーター
名前 | 説明 |
---|---|
type
必須
|
トレーニング出力の種類。 使用可能な値は、'Metrics'、'Model' です。 |
iteration
|
対応するトレーニング モデルのイテレーション番号。
このイテレーション番号は、型 'Model' でのみ指定できます。
規定値: None
|
metric
|
最適なトレーニング モデルを返すために使用するメトリック。
メトリックは、型 'Model' でのみ提供できます。
規定値: None
|
model_file
|
出力に含める特定のモデル ファイル。 HyperDriveStepのみ。 規定値: None
|
type
必須
|
トレーニング出力の種類。 使用可能な値は、'Metrics'、'Model' です。 |
iteration
必須
|
対応するトレーニング モデルのイテレーション番号。
このイテレーション番号は、型 'Model' でのみ指定できます。
|
metric
必須
|
最適なトレーニング モデルを返すために使用するメトリック。
メトリックは、型 'Model' でのみ提供できます。
|
注釈
TrainingOutput は、PipelineDataまたはPipelineによって生成されたメトリックまたはモデルを他の手順で使用できるように、AutoMLStepを構築するときに、HyperDriveStepで使用されます。
AutoMLStep を定義するときは、次のように TrainingOutput を使用します。
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])
ノートブック https://aka.ms/pl-automlで TrainingOutput と AutoMlStep ステップを使用する例を参照してください。