HyperDriveStep クラス

コンストラクター

HyperDriveStep(name, hyperdrive_config, estimator_entry_script_arguments=None, inputs=None, outputs=None, metrics_output=None, allow_reuse=True, version=None)

パラメーター

注釈

HyperDriveStep をインスタンス化する場合、エスティメーター オブジェクト (TensorFlow オブジェクトなど) 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。

HyperDriveStep の初期化には、DataReference パラメーターを使用してinputs オブジェクトの一覧を指定する必要があります。 Azure ML Pipelines では、パイプライン ステップは別のステップの出力または DataReference オブジェクトを入力として実行できます。 そのため、HyperDriveStep を作成するときは、 inputs パラメーターと outputs パラメーターを明示的に設定する必要があります。このパラメーターは、Estimator オブジェクトで指定 inputs パラメーターをオーバーライドします。

HyperDriveStep 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、そのフォルダーを推定オブジェクトの source_directoryとして指定することです。 たとえば、source_directory クラスの TensorFlow パラメーターを参照してください。 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。

次の例は、Azure Machine Learning パイプラインで HyperDriveStep を使用する方法を示しています。

   metrics_output_name = 'metrics_output'
   metrics_data = PipelineData(name='metrics_data',
                               datastore=datastore,
                               pipeline_output_name=metrics_output_name,
                               training_output=TrainingOutput("Metrics"))

   model_output_name = 'model_output'
   saved_model = PipelineData(name='saved_model',
                               datastore=datastore,
                               pipeline_output_name=model_output_name,
                               training_output=TrainingOutput("Model",
                                                              model_file="outputs/model/saved_model.pb"))

   hd_step_name='hd_step01'
   hd_step = HyperDriveStep(
       name=hd_step_name,
       hyperdrive_config=hd_config,
       inputs=[data_folder],
       outputs=[metrics_data, saved_model])

完全なサンプルは次から入手できます https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-parameter-tuning-with-hyperdrive.ipynb

create_node

create_node(graph, default_datastore, context)