SKLearn Clase

Referencia

Crea un estimador para el entrenamiento en experimentos de Scikit-learn.

EN DESUSO. Use el objeto ScriptRunConfig con su propio entorno definido o el entorno seleccionado de AzureML-Tutorial. Para obtener una introducción a la configuración de ejecuciones de experimentos de SKLearn con ScriptRunConfig, consulte Entrenamiento de modelos de Scikit-learn a gran escala con Azure Machine Learning.

Este estimador solo admite el entrenamiento de CPU de nodo único.

Versiones admitidas: 0.20.3.

Inicialice un estimador de Scikit-learn.

Herencia: azureml.train.estimator._framework_base_estimator._FrameworkBaseEstimator

SKLearn

Constructor

SKLearn(source_directory, *, compute_target=None, vm_size=None, vm_priority=None, entry_script=None, script_params=None, use_docker=True, 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, shm_size=None, resume_from=None, max_run_duration_seconds=None, framework_version=None, _enable_optimized_mode=False, _disable_validation=True, _show_lint_warnings=False, _show_package_warnings=False)

Parámetros

Nombre	Description
source_directory Requerido	str Directorio local que contiene los archivos de configuración del experimento.
compute_target Requerido	AbstractComputeTarget o str Destino de proceso en el que se realizará el entrenamiento. Puede ser un objeto o la cadena "local".
vm_size Requerido	str Tamaño de máquina virtual del destino de proceso que se creará para el entrenamiento. Valores admitidos: cualquier tamaño de máquina virtual de Azure.
vm_priority Requerido	str Prioridad de la máquina virtual del destino de proceso que se creará para el entrenamiento. Si no se especifica, se usa "dedicated" (dedicada). Valores admitidos: "dedicated" (dedicada) y "lowpriority" (prioridad baja). Esto solo tiene efecto cuando se especifica `vm_size param` en la entrada.
entry_script Requerido	str Cadena que representa la ruta de acceso relativa al archivo utilizado para iniciar el entrenamiento.
script_params Requerido	dict Diccionario de argumentos de la línea de comandos que se pasan al script de entrenamiento especificado en `entry_script`.
custom_docker_image Requerido	str El nombre de la imagen de Docker a partir de la que se va a crear la imagen que se va a usar para el entrenamiento. Si no se establece, se usará una imagen predeterminada basada en CPU como imagen base.
image_registry_details Requerido	ContainerRegistry Los detalles del registro de imágenes de Docker.
user_managed Requerido	bool Especifica si Azure ML reutiliza un entorno de Python existente. Si es False, Azure ML creará un entorno de Python basado en la especificación de dependencias de Conda.
conda_packages Requerido	list Lista de cadenas que representan los paquetes de Conda que se van a agregar al entorno de Python para el experimento.
pip_packages Requerido	list Lista de cadenas que representan los paquetes de pip que se van a agregar al entorno de Python para el experimento.
conda_dependencies_file_path Requerido	str Cadena que representa la ruta de acceso relativa al archivo YAML de dependencias de Conda. Si se especifica, Azure ML no instalará ningún paquete relacionado con el marco. Se puede proporcionar en combinación con el parámetro `conda_packages`. EN DESUSO. Utilice el parámetro `conda_dependencies_file`.
pip_requirements_file_path Requerido	str Cadena que representa la ruta de acceso relativa al archivo de texto de requisitos de pip. Se puede proporcionar en combinación con el parámetro `pip_packages`. EN DESUSO. Utilice el parámetro `pip_requirements_file`.
conda_dependencies_file Requerido	str Cadena que representa la ruta de acceso relativa al archivo YAML de dependencias de Conda. Si se especifica, Azure ML no instalará ningún paquete relacionado con el marco. Se puede proporcionar en combinación con el parámetro `conda_packages`.
pip_requirements_file Requerido	str Cadena que representa la ruta de acceso relativa al archivo de texto de requisitos de pip. Se puede proporcionar en combinación con el parámetro `pip_packages`.
environment_variables Requerido	dict Diccionario de nombres y valores de variables de entorno. Estas variables de entorno se establecen en el proceso donde se ejecuta el script de usuario.
environment_definition Requerido	Environment La definición de entorno de un experimento incluye PythonSection, DockerSection y variables de entorno. Cualquier opción del entorno que no se exponga directamente mediante otros parámetros a la construcción del estimador se puede establecer mediante el parámetro `environment_definition`. Si se especifica este parámetro, tendrá prioridad sobre otros parámetros relacionados con el entorno, como `use_gpu`, `custom_docker_image`, `conda_packages` o `pip_packages`. Se notificarán los errores sobre estas combinaciones no válidas.
inputs Requerido	list Lista de objetos DataReference o DatasetConsumptionConfig que se van a usar como entrada.
shm_size Requerido	str Tamaño del bloque de memoria compartida del contenedor Docker. Si no se establece, se usa el valor de azureml.core.environment._DEFAULT_SHM_SIZE predeterminado.
resume_from Requerido	DataPath Ruta de acceso de datos que contiene el punto de control o los archivos del modelo desde los que se va a reanudar el experimento.
max_run_duration_seconds Requerido	int Tiempo máximo permitido para la ejecución. Azure ML intentará cancelar automáticamente la ejecución si tarda más que este valor.
framework_version Requerido	str Versión de Scikit-learn que se va a usar para ejecutar el código de entrenamiento. `SKLearn.get_supported_versions()` devuelve una lista de las versiones admitidas por el SDK actual.
source_directory Requerido	str Directorio local que contiene los archivos de configuración del experimento.
compute_target Requerido	AbstractComputeTarget o str Destino de proceso en el que se realizará el entrenamiento. Puede ser un objeto o la cadena "local".
vm_size Requerido	str Tamaño de máquina virtual del destino de proceso que se creará para el entrenamiento. Valores admitidos: cualquier tamaño de máquina virtual de Azure.
vm_priority Requerido	str Prioridad de la máquina virtual del destino de proceso que se creará para el entrenamiento. Si no se especifica, se usa "dedicated" (dedicada). Valores admitidos: "dedicated" (dedicada) y "lowpriority" (prioridad baja). Esto solo tiene efecto cuando se especifica `vm_size param` en la entrada.
entry_script Requerido	str Cadena que representa la ruta de acceso relativa al archivo utilizado para iniciar el entrenamiento.
script_params Requerido	dict Diccionario de argumentos de la línea de comandos que se pasan al script de entrenamiento especificado en `entry_script`.
use_docker Requerido	bool Valor bool que indica si el entorno para ejecutar el experimento debe estar basado en Docker.
custom_docker_image Requerido	str El nombre de la imagen de Docker a partir de la que se va a crear la imagen que se va a usar para el entrenamiento. Si no se establece, se usará una imagen predeterminada basada en CPU como imagen base.
image_registry_details Requerido	ContainerRegistry Los detalles del registro de imágenes de Docker.
user_managed Requerido	bool Especifica si Azure ML reutiliza un entorno de Python existente. Si es False, Azure ML creará un entorno de Python basado en la especificación de dependencias de Conda.
conda_packages Requerido	list Lista de cadenas que representan los paquetes de Conda que se van a agregar al entorno de Python para el experimento.
pip_packages Requerido	list Lista de cadenas que representan los paquetes de pip que se van a agregar al entorno de Python para el experimento.
conda_dependencies_file_path Requerido	str Cadena que representa la ruta de acceso relativa al archivo YAML de dependencias de Conda. Si se especifica, Azure ML no instalará ningún paquete relacionado con el marco. Se puede proporcionar en combinación con el parámetro `conda_packages`. EN DESUSO. Utilice el parámetro `conda_dependencies_file`.
pip_requirements_file_path Requerido	str Cadena que representa la ruta de acceso relativa al archivo de texto de requisitos de pip. Se puede proporcionar en combinación con el parámetro `pip_packages`. EN DESUSO. Utilice el parámetro `pip_requirements_file`.
conda_dependencies_file Requerido	str Cadena que representa la ruta de acceso relativa al archivo YAML de dependencias de Conda. Si se especifica, Azure ML no instalará ningún paquete relacionado con el marco. Se puede proporcionar en combinación con el parámetro `conda_packages`.
pip_requirements_file Requerido	str Cadena que representa la ruta de acceso relativa al archivo de texto de requisitos de pip. Se puede proporcionar en combinación con el parámetro `pip_packages`.
environment_variables Requerido	dict Diccionario de nombres y valores de variables de entorno. Estas variables de entorno se establecen en el proceso donde se ejecuta el script de usuario.
environment_definition Requerido	Environment La definición de entorno de un experimento incluye PythonSection, DockerSection y variables de entorno. Cualquier opción del entorno que no se exponga directamente mediante otros parámetros a la construcción del estimador se puede establecer mediante el parámetro `environment_definition`. Si se especifica este parámetro, tendrá prioridad sobre otros parámetros relacionados con el entorno, como `use_gpu`, `custom_docker_image`, `conda_packages` o `pip_packages`. Se notificarán los errores sobre estas combinaciones no válidas.
inputs Requerido	list Lista de azureml.data.data_reference. Objetos DataReference que se van a usar como entrada.
shm_size Requerido	str Tamaño del bloque de memoria compartida del contenedor Docker. Si no se establece, se usa el valor de azureml.core.environment._DEFAULT_SHM_SIZE predeterminado.
resume_from Requerido	DataPath Ruta de acceso de datos que contiene el punto de control o los archivos del modelo desde los que se va a reanudar el experimento.
max_run_duration_seconds Requerido	int Tiempo máximo permitido para la ejecución. Azure ML intentará cancelar automáticamente la ejecución si tarda más que este valor.
framework_version Requerido	str Versión de Scikit-learn que se va a usar para ejecutar el código de entrenamiento. `SKLearn.get_supported_versions()` devuelve una lista de las versiones admitidas por el SDK actual.
_enable_optimized_mode Requerido	bool Habilite la compilación incremental del entorno con imágenes de marco pregeneradas para una preparación más rápida del entorno. Una imagen de marco pregenerada se basa en imágenes base predeterminadas de CPU y GPU de Azure ML con dependencias de marco preinstaladas.
_disable_validation Requerido	bool Deshabilite la validación del script antes de ejecutar el envío. El valor predeterminado es True.
_show_lint_warnings Requerido	bool Mostrar advertencias de linting de script. El valor predeterminado es False.
_show_package_warnings Requerido	bool Mostrar advertencias de validación de paquetes. El valor predeterminado es False.

Comentarios

Al enviar un trabajo de entrenamiento, Azure ML ejecuta el script en un entorno de Conda dentro de un contenedor Docker. Los contenedores de SKLearn tienen instaladas las siguientes dependencias.

Dependencias | Scikit-learn 0.20.3 | ———————- | —————– | Python | 3.6.2 | azureml-defaults | Más reciente | IntelMpi | 2018.3.222 | scikit-learn | 0.20.3 | numpy | 1.16.2 | miniconda | 4.5.11 | scipy | 1.2.1 | joblib | 0.13.2 | Git | 2.7.4 |

Las imágenes de Docker amplían Ubuntu 16.04.

Si necesita instalar dependencias adicionales, puede usar los parámetros pip_packages o conda_packages, o bien puede proporcionar el archivo pip_requirements_file o conda_dependencies_file. Como alternativa, puede crear su propia imagen y pasar el parámetro custom_docker_image al constructor del estimador.

Atributos

DEFAULT_VERSION

DEFAULT_VERSION = '0.20.3'

FRAMEWORK_NAME

FRAMEWORK_NAME = 'SKLearn'

Compartir a través de

SKLearn Clase

Constructor

Parámetros

Comentarios

Atributos

DEFAULT_VERSION

FRAMEWORK_NAME

Comentarios

Recursos adicionales