AutoMLStep 클래스

자동화된 ML 실행을 캡슐화하는 Azure ML 파이프라인 단계를 만듭니다.

AutoMLStep을 사용하는 예제는 Notebook https://aka.ms/pl-automl을 참조하세요.

AutoMLStep을 초기화합니다.

생성자

AutoMLStep(name, automl_config, inputs=None, outputs=None, script_repl_params=None, allow_reuse=True, version=None, hash_paths=None, enable_default_model_output=True, enable_default_metrics_output=True, **kwargs)

매개 변수

Name	Description
name 필수	str 단계의 이름입니다.
automl_config 필수	AutoMLConfig 이 AutoML 실행에 대한 구성을 정의하는 AutoMLConfig 개체입니다.
inputs	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]] 입력 포트 바인딩 목록입니다. Default value: None
outputs	list[Union[PipelineData, OutputPortBinding]] 출력 포트 바인딩 목록입니다. Default value: None
script_repl_params	dict 스크립트에서 바꿀 선택적 매개 변수(예: {'param1': 'value1', 'param2': 'value2'}) Default value: None
allow_reuse	bool 동일한 설정으로 다시 실행할 때 단계가 이전 결과를 다시 사용해야 하는지 여부를 나타냅니다. 재사용은 기본적으로 사용하도록 설정됩니다. 단계 내용(스크립트/종속성)과 입력 및 매개 변수가 변경되지 않은 상태로 유지되면 이 단계의 이전 실행의 출력이 다시 사용됩니다. 단계를 다시 사용할 때 작업을 컴퓨팅에 제출하는 대신 이전 실행의 결과를 후속 단계에서 즉시 사용할 수 있습니다. Azure Machine Learning 데이터 세트를 입력으로 사용하는 경우 다시 사용은 기본 데이터가 변경되었는지 여부가 아니라 데이터 세트의 정의가 변경되었는지 여부에 따라 결정됩니다. Default value: True
version	str 단계에 할당할 버전입니다. Default value: None
hash_paths	list 되지 않는. 파이프라인 단계 내용의 변경 내용을 확인할 때 해시할 경로 목록입니다. 기본적으로 매개 변수 `path` 아래의 AutoMLConfig 모든 파일은 .amlignore 또는 .gitignore 아래에 `path`나열된 파일을 제외하고 해시됩니다. 변경 내용이 검색되지 않은 경우 파이프라인은 이전 실행의 단계 내용을 다시 사용합니다. Default value: None
enable_default_model_output	bool 최상의 모델이 기본 출력으로 추가될지 여부를 나타냅니다. 클래스를 사용하여 실행이 완료된 후 최상의 모델을 검색하는 AutoMLStepRun 데 사용할 수 있습니다. 기본 모델 출력이 필요하지 않은 경우 이 매개 변수 `False`를 .로 설정하는 것이 좋습니다. Default value: True
enable_default_metrics_output	bool 모든 자식 실행 메트릭이 기본 출력으로 추가될지 여부를 나타냅니다. 클래스를 사용하여 실행이 완료된 후 자식 실행 메트릭을 검색하는 AutoMLStepRun 데 사용할 수 있습니다. 기본 메트릭 출력이 필요하지 않은 경우 이 매개 변수 `False`를 .로 설정하는 것이 좋습니다. Default value: True
name 필수	str 단계의 이름입니다.
automl_config 필수	AutoMLConfig 이 AutoML 실행에 대한 구성을 정의하는 AutoMLConfig입니다.
inputs 필수	list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]] 입력 포트 바인딩 목록입니다.
outputs 필수	list[Union[PipelineData, OutputPortBinding]] 출력 포트 바인딩 목록입니다.
script_repl_params 필수	dict 스크립트에서 바꿀 선택적 매개 변수(예: {'param1': 'value1', 'param2': 'value2'})
script_repl_params 필수	스크립트에서 바꿀 선택적 매개 변수입니다.
allow_reuse 필수	bool 동일한 설정으로 다시 실행할 때 단계가 이전 결과를 다시 사용해야 하는지 여부를 나타냅니다. 재사용은 기본적으로 사용하도록 설정됩니다. 단계 내용(스크립트/종속성)과 입력 및 매개 변수가 변경되지 않은 상태로 유지되면 이 단계의 이전 실행의 출력이 다시 사용됩니다. 단계를 다시 사용할 때 작업을 컴퓨팅에 제출하는 대신 이전 실행의 결과를 후속 단계에서 즉시 사용할 수 있습니다. Azure Machine Learning 데이터 세트를 입력으로 사용하는 경우 다시 사용은 기본 데이터가 변경되었는지 여부가 아니라 데이터 세트의 정의가 변경되었는지 여부에 따라 결정됩니다.
version 필수	str 단계에 할당할 버전입니다.
hash_paths 필수	list 되지 않는. 파이프라인 단계 내용의 변경 내용을 확인할 때 해시할 경로 목록입니다. 기본적으로 매개 변수 `path` 아래의 AutoMLConfig 모든 파일은 .amlignore 또는 .gitignore 아래에 `path`나열된 파일을 제외하고 해시됩니다. 변경 내용이 검색되지 않은 경우 파이프라인은 이전 실행의 단계 내용을 다시 사용합니다.
enable_default_model_output 필수	bool 최상의 모델이 기본 출력으로 추가될지 여부를 나타냅니다. 클래스를 사용하여 실행이 완료된 후 최상의 모델을 검색하는 AutoMLStepRun 데 사용할 수 있습니다. 기본 모델 출력이 필요하지 않은 경우 이 매개 변수 `False`를 .로 설정하는 것이 좋습니다.
enable_default_metrics_output 필수	bool 모든 자식 실행 메트릭이 기본 출력으로 추가될지 여부를 나타냅니다. 클래스를 사용하여 실행이 완료된 후 자식 실행 메트릭을 검색하는 AutoMLStepRun 데 사용할 수 있습니다. 기본 메트릭 출력이 필요하지 않은 경우 이 매개 변수 `False`를 .로 설정하는 것이 좋습니다.

설명

AutoMLStep 클래스를 사용하면 Azure Machine Learning 파이프라인에서 자동화된 ML 워크플로를 실행할 수 있습니다. 파이프라인은 반복성, 무인 실행, 버전 관리 및 추적, 자동화된 ML 워크플로의 모듈화와 같은 이점을 제공합니다. 자세한 내용은 Azure Machine Learning 파이프라인이란?을 참조하세요.

자동화된 ML 워크플로가 파이프라인에 있는 경우 시간 기반 일정 또는 변경 기반 일정에 따라 실행되도록 파이프라인을 예약할 수 있습니다. 시간 기반 일정은 데이터 드리프트 모니터링과 같은 일상적인 작업에 유용하지만 변경 기반 일정은 데이터가 변경되는 경우와 같이 불규칙하거나 예측할 수 없는 변경에 유용합니다. 예를 들어 일정은 데이터가 업로드되는 Blob 저장소를 폴링한 다음 데이터가 변경되면 파이프라인을 다시 실행한 다음 실행이 완료되면 새 버전의 모델을 등록할 수 있습니다. 자세한 내용은 기계 학습 파이프라인 예약 및 논리 앱에서 Machine Learning 파이프라인 실행 트리거를 참조하세요.

다음 예제에서는 AutoMLStep을 만드는 방법을 보여줍니다.


   automl_step = AutoMLStep(
       name='automl_module',
       automl_config=automl_config,
       outputs=[metrics_data, model_data],
       allow_reuse=True)

전체 샘플은 다음에서 사용할 수 있습니다. https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-with-automated-machine-learning-step.ipynb

다음 예제에서는 .에서 PipelineAutoMLStep 개체를 사용하는 방법을 보여줍니다.


   from azureml.pipeline.core import Pipeline
   pipeline = Pipeline(
       description="pipeline_with_automlstep",
       workspace=ws,
       steps=[automl_step])

위의 예제에서는 파이프라인의 한 단계를 보여줍니다. 그러나 실제 자동화된 ML 워크플로에서 AutoMLStep을 사용하는 경우 AutoMLStep 전에 데이터 준비를 수행하는 파이프라인 단계가 하나 이상 있고, 모델을 등록한 후 다른 파이프라인 단계가 있습니다. 이러한 유형의 워크플로에 대한 예는 Notebook https://aka.ms/automl-retrain-pipeline을 참조하세요.

파이프라인 실행에서 상태를 관리하고, 상태를 확인하고, 실행 세부 정보를 얻으려면 클래스를 AutoMLStepRun 사용합니다.

Azure의 자동화된 기계 학습에 대한 자세한 내용은 자동화된 기계 학습이란? 문서를 참조하세요. 파이프라인을 사용하지 않고 자동화된 ML 실험을 설정하는 방법에 대한 자세한 내용은 Python에서 자동화된 ML 실험 구성 문서를 참조하세요.

메서드

create_node

이 AutoML 단계에서 노드를 만들고 지정된 그래프에 추가합니다.

이 메서드는 직접 사용할 수 없습니다. 이 단계로 파이프라인이 인스턴스화되면 Azure ML은 워크플로를 나타내는 파이프라인 그래프에 단계를 추가할 수 있도록 이 메서드를 통해 필요한 매개 변수를 자동으로 전달합니다.

create_node

이 AutoML 단계에서 노드를 만들고 지정된 그래프에 추가합니다.

create_node(graph, default_datastore, context)

매개 변수

Name	Description
graph 필수	Graph 노드를 추가할 그래프 개체입니다.
default_datastore 필수	Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore] 기본 데이터 저장소입니다.
context 필수	<xref:azureml.pipeline.core._GraphContext> 그래프 컨텍스트입니다.

반환

형식	Description
Node	만든 노드입니다.

특성

AUTOML_CONFIG_PARAM_NAME

AUTOML_CONFIG_PARAM_NAME = 'AutoMLConfig'

DEFAULT_METRIC_PREFIX

DEFAULT_METRIC_PREFIX = 'default_metrics_'

DEFAULT_MODEL_PREFIX

DEFAULT_MODEL_PREFIX = 'default_model_'

다음을 통해 공유

AutoMLStep 클래스

생성자

매개 변수

설명

메서드

create_node

매개 변수

반환

특성

AUTOML_CONFIG_PARAM_NAME

DEFAULT_METRIC_PREFIX

DEFAULT_MODEL_PREFIX

피드백