Partager via

ReinforcementLearningRun Classe

  • Référence

Classe d’exécution permettant de gérer et surveiller les exécutions d’apprentissage par renforcement associées à une expérience et à un ID d’exécution individuel.

Constructeur De renforcement de classeLearningRun.

Héritage
Run
ReinforcementLearningRun

Constructeur

ReinforcementLearningRun(experiment, run_id, directory=None, _run_config=None, **kwargs)

Paramètres

Nom Description
experiment
Obligatoire
Experiment

Objet d’expérience.
run_id
Obligatoire
str

ID d’exécution.
directory
str

Répertoire source.

Valeur par défaut: None
_run_config
ReinforcementLearningConfiguration

Configuration de l’apprentissage par renforcement.

Valeur par défaut: None
kwargs
Obligatoire
dict

Remarques

Le kit SDK Azure Machine Learning vous fournit une série de classes interconnectées, conçues pour vous aider à effectuer l’apprentissage des modèles Machine Learning destinés à résoudre le même problème, et à les comparer.

Un Experiment agit comme un conteneur logique pour ces exécutions de formation. Un objet ReinforcementLearningConfiguration est utilisé pour codifier les informations nécessaires pour soumettre une exécution de formation dans une expérience d’apprentissage par renforcement. Celle-ci peut ensuite être envoyée par le biais de l’expérience. Pour voir un exemple de ce processus, reportez-vous à la documentation de ReinforcementLearningConfiguration.

Une fois la ReinforcementLearningConfiguration envoyée, un objet ReinforcementLearningRun est retourné.

Un objet ReinforcementLearningRun vous donne un accès par programmation aux informations sur l’exécution d’apprentissage par renforcement associé. Il peut s’agir, par exemple, de récupérer des journaux correspondant à une exécution, d’annuler ou terminer une exécution si elle est toujours en cours, nettoyer les artefacts d’une exécution terminée et d’attendre la fin d’une exécution en cours.

Méthodes

complete

Termine l’exécution en cours

complete

Termine l’exécution en cours

complete()

Remarques

Voici un exemple d’exécution :


   run = experiment.submit(config=ReinforcementLearningRunConfig)
   run.complete()

Attributs

RUN_TYPE 

RUN_TYPE = 'reinforcementlearning'