Estimator 類別

表示使用任何提供的架構來定型數據的泛型估算器。

荒廢的。使用 ScriptRunConfig 物件搭配您自己的已定義環境或 Azure ML 策展環境。如需使用 ScriptRunConfig 設定實驗回合的簡介，請參閱設定和提交定型執行。

此類別的設計目的是要與尚未設定 Azure Machine Learning 預先設定的估算器機器學習架構搭配使用。、、和有預先設定的估算器存在Chainer PyTorch。TensorFlow SKLearn 若要建立未預先設定的估算器，請參閱使用估算器使用 Azure Machine Learning 將模型定型。

Estimator 類別會包裝執行組態資訊，以協助簡化指定腳本執行方式的工作。它支援單一節點以及多節點執行。執行估算器會在定型腳本中指定的輸出目錄中產生模型。

初始化估算器。

使用azureml.core.environment._DEFAULT_SHM_SIZE。如需詳細資訊，請參閱 Docker 執行參考。：type shm_size：str :p aram resume_from：包含要繼續實驗的檢查點或模型檔案的數據路徑。：type resume_from：azureml.data.datapath.DataPath :p aram max_run_duration_seconds：執行允許的時間上限。 Azure ML 將嘗試自動

如果執行時間超過此值，請取消執行。

建構函式

Estimator(source_directory, *, compute_target=None, vm_size=None, vm_priority=None, entry_script=None, script_params=None, node_count=1, process_count_per_node=1, distributed_backend=None, distributed_training=None, use_gpu=False, use_docker=True, custom_docker_base_image=None, custom_docker_image=None, image_registry_details=None, user_managed=False, conda_packages=None, pip_packages=None, conda_dependencies_file_path=None, pip_requirements_file_path=None, conda_dependencies_file=None, pip_requirements_file=None, environment_variables=None, environment_definition=None, inputs=None, source_directory_data_store=None, shm_size=None, resume_from=None, max_run_duration_seconds=None, _disable_validation=True, _show_lint_warnings=False, _show_package_warnings=False)

參數

名稱	Description
source_directory 必要	str 本機目錄，包含定型作業所需的實驗組態和程式代碼檔案。
compute_target 必要	AbstractComputeTarget 或 str 定型的計算目標。這可以是物件或字串「local」。
vm_size 必要	str 將針對定型建立之計算目標的 VM 大小。支援的值：任何 Azure VM 大小。
vm_priority 必要	str 將針對定型建立之計算目標的 VM 優先順序。如果未指定，則會使用 'dedicated'。支援的值：'dedicated' 和 'lowpriority'。只有在輸入中指定參數時 `vm_size` ，才會生效。
entry_script 必要	str 用來開始定型之檔案的相對路徑。
script_params 必要	dict 要傳遞至中所 `entry_script`指定定型腳本之命令行自變數的字典。
node_count 必要	int 用於定型的計算目標中的節點數目。如果大於 1，則會執行 MPI 分散式作業。
process_count_per_node 必要	int 在每個節點上執行的進程數目（或「背景工作角色」。如果大於 1，則會執行 MPI 分散式作業。 AmlCompute只有分散式作業支持目標。
distributed_backend 必要	str 分散式定型的通訊後端。荒廢的。請使用 `distributed_training` 參數。支援的值：『mpi』。 'mpi' 代表 MPI/Horovod。或 `node_countprocess_count_per_node` 1 時>需要此參數。當 == 1 和 `node_count` == 1 時`process_count_per_node`，除非明確設定後端，否則不會使用後端。 AmlCompute只有分散式定型支持目標。
distributed_training 必要	Mpi 執行分散式定型作業的參數。若要使用 MPI 後端執行分散式作業，請使用 Mpi 物件來指定 `process_count_per_node`。
use_gpu 必要	bool 指出執行實驗的環境是否應該支援 GPU。如果為 true，則會在環境中使用 GPU 型預設 Docker 映射。如果為 false，則會使用以 CPU 為基礎的映像。只有在未設定參數時 `custom_docker_image` ，才會使用預設 Docker 映射（CPU 或 GPU）。此設定僅適用於已啟用 Docker 的計算目標。
use_docker 必要	bool 指定執行實驗的環境是否應以 Docker 為基礎。
custom_docker_base_image 必要	str 將建置要用於定型之映像的 Docker 映像名稱。荒廢的。請使用 `custom_docker_image` 參數。如果未設定，則會使用預設CPU型映像作為基底映像。
custom_docker_image 必要	str 將建置要用於定型之映像的 Docker 映像名稱。如果未設定，則會使用預設CPU型映像作為基底映像。只指定公用 Docker 存放庫（Docker Hub）中可用的映像。若要從私人 Docker 存放庫使用映像，請改用建構函式的參數 `environment_definition` 。
image_registry_details 必要	ContainerRegistry Docker 映像登錄的詳細數據。
user_managed 必要	bool 指定 Azure ML 是否重複使用現有的 Python 環境。如果為 false，則會根據 conda 相依性規格建立 Python 環境。
conda_packages 必要	list 字串清單，代表要新增至實驗 Python 環境的 conda 套件。
pip_packages 必要	list 字串清單，代表要新增至實驗 Python 環境的 pip 套件。
conda_dependencies_file_path 必要	str conda 相依性 yaml 檔案的相對路徑。如果指定，Azure ML 將不會安裝任何架構相關套件。荒廢的。 `conda_dependencies_file`使用參數。請指定 `conda_dependencies_file_path` 或 `conda_dependencies_file`。如果同時指定兩者， `conda_dependencies_file` 則會使用。
pip_requirements_file_path 必要	str pip 需求文字文件的相對路徑。荒廢的。請使用 `pip_requirements_file` 參數。這個參數可以與 `pip_packages` 參數結合來指定。請指定 `pip_requirements_file_path` 或 `pip_requirements_file`。如果同時指定兩者， `pip_requirements_file` 則會使用。
conda_dependencies_file 必要	str conda 相依性 yaml 檔案的相對路徑。如果指定，Azure ML 將不會安裝任何架構相關套件。
pip_requirements_file 必要	str pip 需求文字文件的相對路徑。這個參數可以與 `pip_packages` 參數結合來指定。
environment_variables 必要	dict 環境變數名稱和值的字典。這些環境變數會在執行使用者文本的程序上設定。
environment_definition 必要	Environment 實驗的環境定義。它包含 PythonSection、DockerSection 和環境變數。任何未透過其他參數直接公開至估算器建構的環境選項，都可以使用此參數來設定。如果指定此參數，則會優先於其他環境相關參數，例如 `use_gpu`、 `custom_docker_image`、 `conda_packages`或 `pip_packages`。錯誤會報告無效的組合。
inputs 必要	list 要做為輸入的 DataReference 或 DatasetConsumptionConfig 物件清單。
source_directory_data_store 必要	Datastore 專案共用的備份數據存放區。
shm_size 必要	str Docker 容器共用記憶體區塊的大小。如果未設定，則會使用預設azureml.core.environment._DEFAULT_SHM_SIZE。如需詳細資訊，請參閱 Docker 執行參考。
resume_from 必要	DataPath 包含要繼續實驗之檢查點或模型檔案的數據路徑。
max_run_duration_seconds 必要	int 執行所允許的時間上限。如果執行時間超過此值，Azure ML 會嘗試自動取消執行。
source_directory 必要	str 本機目錄，包含定型作業所需的實驗組態和程式代碼檔案。
compute_target 必要	AbstractComputeTarget 或 str 定型的計算目標。這可以是物件或字串「local」。
vm_size 必要	str 將針對定型建立之計算目標的 VM 大小。支援的值：任何 Azure VM 大小。
vm_priority 必要	str 將針對定型建立之計算目標的 VM 優先順序。如果未指定，則會使用 'dedicated'。支援的值：'dedicated' 和 'lowpriority'。只有在輸入中指定參數時 `vm_size` ，才會生效。
entry_script 必要	str 用來開始定型之檔案的相對路徑。
script_params 必要	dict 要傳遞至中所 `entry_script`指定定型腳本之命令行自變數的字典。
node_count 必要	int 用於定型的計算目標中的節點數目。如果大於 1，則會執行 MPI 分散式作業。 AmlCompute只有分散式作業支持目標。
process_count_per_node 必要	int 每個節點的進程數目。如果大於 1，則會執行 MPI 分散式作業。 AmlCompute只有分散式作業支持目標。
distributed_backend 必要	str 分散式定型的通訊後端。荒廢的。請使用 `distributed_training` 參數。支援的值：『mpi』。 'mpi' 代表 MPI/Horovod。或 `node_countprocess_count_per_node` 1 時>需要此參數。當 == 1 和 `node_count` == 1 時`process_count_per_node`，除非明確設定後端，否則不會使用後端。 AmlCompute只有分散式定型支持目標。
distributed_training 必要	Mpi 執行分散式定型作業的參數。若要使用 MPI 後端執行分散式作業，請使用 Mpi 物件來指定 `process_count_per_node`。
use_gpu 必要	bool 指定執行實驗的環境是否應該支援 GPU。如果為 true，則會在環境中使用 GPU 型預設 Docker 映射。如果為 false，則會使用以 CPU 為基礎的映像。只有在未設定參數時 `custom_docker_image` ，才會使用預設 Docker 映射（CPU 或 GPU）。此設定僅適用於已啟用 Docker 的計算目標。
use_docker 必要	bool 指定執行實驗的環境是否應以 Docker 為基礎。
custom_docker_base_image 必要	str 將建置要用於定型之映像的 Docker 映像名稱。荒廢的。請使用 `custom_docker_image` 參數。如果未設定，則會使用預設CPU型映像作為基底映像。
custom_docker_image 必要	str 將建置要用於定型之映像的 Docker 映像名稱。如果未設定，則會使用預設CPU型映像作為基底映像。只指定公用 Docker 存放庫（Docker Hub）中可用的映像。若要從私人 Docker 存放庫使用映像，請改用建構函式的參數 `environment_definition` 。
image_registry_details 必要	ContainerRegistry Docker 映像登錄的詳細數據。
user_managed 必要	bool 指定 Azure ML 是否重複使用現有的 Python 環境。如果為 false，則會根據 conda 相依性規格建立 Python 環境。
conda_packages 必要	list 字串清單，代表要新增至實驗 Python 環境的 conda 套件。
pip_packages 必要	list 字串清單，代表要新增至實驗 Python 環境的 pip 套件。
conda_dependencies_file_path 必要	conda 相依性 yaml 檔案的相對路徑。如果指定，Azure ML 將不會安裝任何架構相關套件。荒廢的。 `conda_dependencies_file`使用參數。請指定 `conda_dependencies_file_path` 或 `conda_dependencies_file`。如果同時指定兩者， `conda_dependencies_file` 則會使用。
pip_requirements_file_path 必要	pip 需求文字文件的相對路徑。荒廢的。請使用 `pip_requirements_file` 參數。這可以搭配 `pip_packages` 參數提供。請指定 `pip_requirements_file_path` 或 `pip_requirements_file`。如果同時指定兩者， `pip_requirements_file` 則會使用。
pip_requirements_file 必要	str pip 需求文字文件的相對路徑。這可以搭配 `pip_packages` 參數提供。
environment_variables 必要	dict 環境變數名稱和值的字典。這些環境變數會在執行使用者文本的程序上設定。
environment_definition 必要	Environment 實驗的環境定義。它包含 PythonSection、DockerSection 和環境變數。任何未透過其他參數直接公開至估算器建構的環境選項，都可以使用此參數來設定。如果指定此參數，則會優先於其他環境相關參數，例如 `use_gpu`、 `custom_docker_image`、 `conda_packages`或 `pip_packages`。錯誤會報告無效的組合。
inputs 必要	list 要做為輸入的 DataReference 或 DatasetConsumptionConfig 物件清單。
source_directory_data_store 必要	Datastore 專案共用的備份數據存放區。
shm_size 必要	Docker 容器共用記憶體區塊的大小。如果未設定，則為預設值
_disable_validation 必要	bool 在執行提交之前停用腳本驗證。預設值為 True。
_show_lint_warnings 必要	bool 顯示腳本 linting 警告。預設值為 False。
_show_package_warnings 必要	bool 顯示套件驗證警告。預設值為 False。

共用方式為

Estimator 類別

建構函式

參數

意見反應