次の方法で共有

EstimatorStep クラス

廃止。 Azure ML モデル トレーニングの Estimator を実行するパイプライン ステップを作成します。

Machine Learning モデル トレーニング用の Estimator を実行する Azure ML パイプライン ステップを作成します。

廃止。 代わりに CommandStep を使用してください。 例については、「 CommandStep を使用してパイプラインで ML トレーニングを実行する方法」を参照してください。

コンストラクター

EstimatorStep(name=None, estimator=None, estimator_entry_script_arguments=None, runconfig_pipeline_params=None, inputs=None, outputs=None, compute_target=None, allow_reuse=True, version=None)

パラメーター

名前 説明
name
str

ステップの名前。

規定値: None
estimator
Estimator

このステップに関連付けられている推定オブジェクト。 Chainer、PyTorch、TensorFlow、SKLearnなどの事前構成済みの推定器を使用できます。

規定値: None
estimator_entry_script_arguments
list[str]

[必須]コマンド ライン引数の一覧。 Estimator のエントリ スクリプトがコマンドライン引数を受け入れない場合は、このパラメーター値を空のリストに設定します。

規定値: None
runconfig_pipeline_params
dict[str, PipelineParameter]

キーと値のペアを使用した実行時の runconfig プロパティのオーバーライド。それぞれ、そのプロパティの runconfig プロパティと PipelineParameter の名前を持ちます。

サポートされている値: 'NodeCount'、'MpiProcessCountPerNode'、'TensorflowWorkerCount'、'TensorflowParameterServerCount'

規定値: None
inputs
list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig]]

使用する入力の一覧。

規定値: None
outputs
list[Union[PipelineData, OutputDatasetConfig, PipelineOutputAbstractDataset]]

PipelineData オブジェクトの一覧。

規定値: None
compute_target
Union[DsvmCompute, AmlCompute, RemoteCompute, str]

[必須]使用するコンピューティング先。

規定値: None
allow_reuse
bool

同じ設定で再実行するときに、前の結果をステップで再利用するかどうかを示します。 再利用は既定で有効になっています。 ステップの内容 (スクリプト/依存関係) と入力とパラメーターが変更されていない場合は、この手順の前の実行からの出力が再利用されます。 ステップを再利用すると、ジョブをコンピューティングに送信する代わりに、前の実行の結果が後続のステップですぐに使用できるようになります。 Azure Machine Learning データセットを入力として使用する場合、再利用は、基になるデータが変更されたかどうかではなく、データセットの定義が変更されたかどうかによって決まります。

規定値: True
version
str

モジュールの機能の変更を示すオプションのバージョン タグ。

規定値: None
name
必須
str

ステップの名前。
estimator
必須
<xref:Estimator>

このステップに関連付けられている推定オブジェクト。 Chainer、PyTorch、TensorFlow、SKLearnなどの事前構成済みの推定器を使用できます。
estimator_entry_script_arguments
必須
[str]

[必須]コマンド ライン引数の一覧。 Estimator のエントリ スクリプトがコマンドライン引数を受け入れない場合は、このパラメーター値を空のリストに設定します。
runconfig_pipeline_params
必須
dict[str, PipelineParameter]

キーと値のペアを使用した実行時の runconfig プロパティのオーバーライド。それぞれ、そのプロパティの runconfig プロパティと PipelineParameter の名前を持ちます。

サポートされている値: 'NodeCount'、'MpiProcessCountPerNode'、'TensorflowWorkerCount'、'TensorflowParameterServerCount'
inputs
必須
list[Union[PipelineData, PipelineOutputAbstractDataset, DataReference, DatasetConsumptionConfig, PipelineOutputTabularDataset, PipelineOutputFileDataset]]

使用する入力の一覧。
outputs
必須
list[Union[PipelineData, PipelineOutputAbstractDataset]

PipelineData オブジェクトの一覧。
compute_target
必須
Union[DsvmCompute, AmlCompute, RemoteCompute, str]

[必須]使用するコンピューティング先。
allow_reuse
必須
bool

同じ設定で再実行するときに、前の結果をステップで再利用するかどうかを示します。 再利用は既定で有効になっています。 ステップの内容 (スクリプト/依存関係) と入力とパラメーターが変更されていない場合は、この手順の前の実行からの出力が再利用されます。 ステップを再利用すると、ジョブをコンピューティングに送信する代わりに、前の実行の結果が後続のステップですぐに使用できるようになります。 Azure Machine Learning データセットを入力として使用する場合、再利用は、基になるデータが変更されたかどうかではなく、データセットの定義が変更されたかどうかによって決まります。
version
必須
str

バージョン

注釈

EstimatorStep をインスタンス化するときに、Estimator オブジェクトで使用されるエントリ スクリプトの引数は、 パラメーターを使用してestimator_entry_script_argumentsとして指定する必要があることに注意してください。 Estimator パラメーター script_params ディクショナリを受け入れます。 ただし、 estimator_entry_script_argument パラメーターは引数をリストとして受け取ります。

EstimatorStep の初期化では、 inputs パラメーターを使用して入力の一覧を指定する必要があり、Estimator で入力を指定する必要はありません。指定した場合は例外がスローされます。 許可される入力の種類については、 inputs パラメーターを参照してください。 必要に応じて、ステップの出力を指定することもできます。 許可される出力の種類については、 outputs パラメーターを参照してください。

EstimatorStep を使用する場合のベスト プラクティスは、スクリプトとステップに関連付けられている依存ファイルに別のフォルダーを使用し、そのフォルダーを Estimator オブジェクトの source_directoryとして指定することです。 その場合、2 つの利点があります。 1 つ目は、ステップに必要なスナップショットのみがスナップショットされるため、ステップ用に作成されるスナップショットのサイズを小さくするのに役立ちます。 次に、snaphot の再アップロードをトリガーする source_directory に変更がない場合は、前の実行からのステップの出力を再利用できます。

メソッド

create_node

Estimator ステップからノードを作成し、指定したグラフに追加します。

廃止。 代わりに CommandStep を使用してください。 例については、「 CommandStep を使用してパイプラインで ML トレーニングを実行する方法」を参照してください。

このメソッドは、直接使用するためのものではありません。 この手順でパイプラインがインスタンス化されると、Azure ML は、このメソッドに必要なパラメーターを自動的に渡して、そのステップをワークフローを表すパイプライン グラフに追加できるようにします。

create_node

Estimator ステップからノードを作成し、指定したグラフに追加します。

廃止。 代わりに CommandStep を使用してください。 例については、「 CommandStep を使用してパイプラインで ML トレーニングを実行する方法」を参照してください。

このメソッドは、直接使用するためのものではありません。 この手順でパイプラインがインスタンス化されると、Azure ML は、このメソッドに必要なパラメーターを自動的に渡して、そのステップをワークフローを表すパイプライン グラフに追加できるようにします。

create_node(graph, default_datastore, context)

パラメーター

名前 説明
graph
必須
Graph

ノードを追加するグラフ オブジェクト。
default_datastore
必須
Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]

既定のデータストア。
context
必須
<xref:azureml.pipeline.core._GraphContext>

グラフ コンテキスト。

戻り値

型 説明
Node

作成されたノード。