Compartir a través de

TrainingOutput Clase

Define una salida especializada de determinados PipelineSteps para su uso en una canalización.

TrainingOutput permite que una métrica o modelo de aprendizaje automático automatizado esté disponible como salida de paso para que lo consuma otro paso en una canalización de Azure Machine Learning. Se puede usar con AutoMLStep o HyperDriveStep.

Inicialice TrainingOutput.

param model_file: el archivo de modelo específico que se va a incluir en la salida. Sólo para HyperDriveStep .

Constructor

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

Parámetros

Nombre Description
type
Requerido
str

Tipo de salida de entrenamiento. Entre los valores posibles se incluyen: "Métricas", "Modelo".
iteration
int

Número de iteración del modelo de entrenamiento correspondiente. Este número de iteración solo se puede proporcionar con el tipo "Model". Proporcione el iteration parámetro o el metric parámetro , pero no ambos.

Valor predeterminado: None
metric
str

Métrica que se va a usar para devolver el mejor modelo de entrenamiento. La métrica solo se puede proporcionar con el tipo "Modelo". Proporcione el iteration parámetro o el metric parámetro , pero no ambos.

Valor predeterminado: None
model_file
str

Archivo de modelo específico que se va a incluir en la salida. Sólo para HyperDriveStep .

Valor predeterminado: None
type
Requerido
str

Tipo de salida de entrenamiento. Entre los valores posibles se incluyen: "Métricas", "Modelo".
iteration
Requerido
int

Número de iteración del modelo de entrenamiento correspondiente. Este número de iteración solo se puede proporcionar con el tipo "Model". Proporcione el iteration parámetro o el metric parámetro , pero no ambos.
metric
Requerido
str

Métrica que se va a usar para devolver el mejor modelo de entrenamiento. La métrica solo se puede proporcionar con el tipo "Modelo". Proporcione el iteration parámetro o el metric parámetro , pero no ambos.

Comentarios

TrainingOutput se usa con PipelineData al construir un Pipeline para habilitar otros pasos para consumir las métricas o los modelos generados por o AutoMLStepHyperDriveStep.

Use TrainingOutput al definir un AutoMLStep como se indica a continuación:


   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])

Vea un ejemplo del uso de TrainingOutput y un paso AutoMlStep en el cuaderno https://aka.ms/pl-automl.

Atributos

iteration

Obtenga el número de iteración del modelo de entrenamiento correspondiente.

Devoluciones

Tipo Description
int

Número de iteración para el modelo de entrenamiento.

metric

Obtenga la métrica para obtener el mejor modelo de entrenamiento.

Devoluciones

Tipo Description
str

Nombre de la métrica para el mejor modelo de entrenamiento.

model_file

Obtenga un archivo de modelo que se incluirá en la salida para obtener el mejor modelo de entrenamiento.

Devoluciones

Tipo Description
str

Un archivo determinado que se va a incluir en la salida del mejor modelo de entrenamiento.

type

Obtiene el tipo de salida de entrenamiento.

Devoluciones

Tipo Description
str

Tipo de salida de entrenamiento. Entre los valores posibles se incluyen: "Métricas", "Modelo".