hyperdrive Paquete
Contiene módulos y clases que admiten el ajuste de hiperparámetros.
Los hiperparámetros son parámetros ajustables que se eligen para el entrenamiento del modelo que guían el proceso de entrenamiento. El paquete de HyperDrive le ayuda a automatizar la elección de estos parámetros. Por ejemplo, puede definir el espacio de búsqueda de parámetros como discreto o continuo, y un método de muestreo sobre el espacio de búsqueda como aleatorio, cuadrícula o Bayesiano. Además, puede especificar una métrica principal para optimizar en el experimento de optimización de hiperparámetros y si quiere minimizar o maximizar esa métrica. También puede definir directivas de terminación anticipada en las que se cancelan las ejecuciones de experimentos con un rendimiento deficiente y se inician nuevas. Para definir un flujo de trabajo de aprendizaje automático reutilizable para HyperDrive, use hyper_drive_step para crear un Pipeline.
Módulos
| error_definition |
Definiciones de código de error para el SDK de HyperDrive. |
| error_strings |
Colección de cadenas de error usadas en el SDK de HyperDrive. |
| exceptions |
Excepciones producidas por HyperDrive. |
| parameter_expressions |
Define funciones que se pueden usar en HyperDrive para describir un espacio de búsqueda de hiperparámetros. Estas funciones se usan para especificar diferentes tipos de distribuciones de hiperparámetros. Las distribuciones se definen al configurar el muestreo para un barrido de hiperparámetros. Por ejemplo, cuando se usa la RandomParameterSampling clase , puede elegir muestrear entre un conjunto de valores discretos o una distribución de valores continuos. En este caso, podría usar la choice función para generar un conjunto discreto de valores y uniform una función para generar una distribución de valores continuos. Para obtener ejemplos de uso de estas funciones, consulte el tutorial: https://docs.microsoft.com/azure/machine-learning/how-to-tune-hyperparameters. |
Clases
| BanditPolicy |
Define una directiva de terminación anticipada basada en criterios de demora y un intervalo de frecuencia y retraso para la evaluación. Inicialice una BanditPolicy con factor de demora, slack_amount e intervalo de evaluación. |
| BayesianParameterSampling |
Define el muestreo bayesiano sobre un espacio de búsqueda de hiperparámetros. El muestreo bayesiano intenta seleccionar inteligentemente la siguiente muestra de hiperparámetros, en función de cómo se realizaron las muestras anteriores, de modo que la nueva muestra mejora la métrica principal notificada. Inicialice BayesianParameterSampling. |
| EarlyTerminationPolicy |
Clase base abstracta para todas las directivas de terminación anticipada. Inicialice una directiva de terminación anticipada. |
| GridParameterSampling |
Define el muestreo de cuadrícula en un espacio de búsqueda de hiperparámetros. Inicializar GridParameterSampling. |
| HyperDriveConfig |
Configuración que define una ejecución de HyperDrive. La configuración de HyperDrive incluye información sobre el muestreo de espacio de hiperparámetros, la directiva de terminación, la métrica principal, la reanudación de la configuración, el estimador y el destino de proceso para ejecutar las ejecuciones del experimento. Inicialice HyperDriveConfig. |
| HyperDriveRun |
HyperDriveRun contiene los detalles de un experimento de HyperDrive enviado. Esta clase se puede usar para administrar, comprobar el estado y recuperar los detalles de ejecución de la ejecución de HyperDrive y cada una de las ejecuciones secundarias generadas. Inicialice una ejecución de HyperDrive. |
| HyperDriveRunConfig |
Configuración que define una ejecución de HyperDrive. La configuración incluye información sobre el muestreo de espacio de parámetros, la directiva de terminación, la métrica principal, el estimador y el destino de proceso para ejecutar las ejecuciones del experimento. Inicialice HyperDriveConfig. |
| HyperParameterSampling |
Clase base abstracta para todos los algoritmos de muestreo de hiperparámetros. Esta clase encapsula el espacio de hiperparámetros, el método de muestreo y las propiedades adicionales para las clases de muestreo derivadas: BayesianParameterSampling, GridParameterSamplingy RandomParameterSampling. Inicialice HyperParameterSampling. |
| MedianStoppingPolicy |
Define una directiva de terminación anticipada basada en los promedios de ejecución de la métrica principal de todas las ejecuciones. Inicialice medianStoppingPolicy. |
| NoTerminationPolicy |
Especifica que no se aplica ninguna directiva de terminación anticipada. Cada ejecución se ejecutará hasta la finalización. Inicialice NoTerminationPolicy. |
| RandomParameterSampling |
Define el muestreo aleatorio en un espacio de búsqueda de hiperparámetros. Inicialice RandomParameterSampling. |
| TruncationSelectionPolicy |
Define una directiva de terminación anticipada que cancela un porcentaje determinado de ejecuciones en cada intervalo de evaluación. Inicialice truncationSelectionPolicy. |
Enumeraciones
| PrimaryMetricGoal |
Define los objetivos de métrica admitidos para el ajuste de hiperparámetros. Se usa un objetivo de métrica para determinar si un valor mayor para una métrica es mejor o peor. Los objetivos de métrica se usan al comparar ejecuciones en función de la métrica principal. Por ejemplo, puede que quiera maximizar la precisión o minimizar el error. El nombre y el objetivo de la métrica principal se especifican en la HyperDriveConfig clase al configurar una ejecución de HyperDrive. |
Funciones
choice
lognormal
Especifique un valor dibujado según exp(normal(mu, sigma)).
Normalmente, el logaritmo del valor devuelto se distribuye. Al optimizar, esta variable está restringida a ser positiva.
lognormal(mu, sigma)Parámetros
| Nombre | Description |
|---|---|
|
mu
Requerido
|
La media de la distribución normal. |
|
sigma
Requerido
|
La desviación estándar de la distribución normal. |
Devoluciones
| Tipo | Description |
|---|---|
|
Expresión estocástica. |
loguniform
Especifique una distribución uniforme del registro.
Un valor se dibuja según exp(uniform(min_value, max_value)) para que el logaritmo del valor devuelto se distribuya uniformemente. Al optimizar, esta variable está restringida al intervalo [exp(min_value), exp(max_value)]
loguniform(min_value, max_value)Parámetros
| Nombre | Description |
|---|---|
|
min_value
Requerido
|
El valor mínimo del intervalo será exp(min_value)(inclusive). |
|
max_value
Requerido
|
El valor máximo del intervalo será exp(max_value) (inclusivo). |
Devoluciones
| Tipo | Description |
|---|---|
|
Expresión estocástica. |
normal
Especifique un valor real que normalmente se distribuye con la media mu y la desviación estándar sigma.
Al optimizar, se trata de una variable sin restricciones.
normal(mu, sigma)Parámetros
| Nombre | Description |
|---|---|
|
mu
Requerido
|
La media de la distribución normal. |
|
sigma
Requerido
|
desviación estándar de la distribución normal. |
Devoluciones
| Tipo | Description |
|---|---|
|
Expresión estocástica. |
qlognormal
Especifique un valor como round(exp(normal(mu, sigma)) / q) * q.
Adecuado para una variable discreta con respecto a la cual el objetivo es suave y obtiene más suave con el tamaño de la variable, que se limita desde un lado.
qlognormal(mu, sigma, q)Parámetros
| Nombre | Description |
|---|---|
|
mu
Requerido
|
La media de la distribución normal. |
|
sigma
Requerido
|
La desviación estándar de la distribución normal. |
|
q
Requerido
|
El factor de suavizado. |
Devoluciones
| Tipo | Description |
|---|---|
|
Expresión estocástica. |
qloguniform
Especifique una distribución uniforme del formulario round(exp(uniform(min_value, max_value) / q) * q.
Esto es adecuado para una variable discreta con respecto a la cual el objetivo es "suave", y obtiene más suave con el tamaño del valor, pero que debe estar limitado tanto por encima como por debajo.
qloguniform(min_value, max_value, q)Parámetros
| Nombre | Description |
|---|---|
|
min_value
Requerido
|
El valor mínimo del intervalo (inclusivo). |
|
max_value
Requerido
|
El valor máximo del intervalo (inclusivo). |
|
q
Requerido
|
El factor de suavizado. |
Devoluciones
| Tipo | Description |
|---|---|
|
Expresión estocástica. |
qnormal
Especifique un valor como round(normal(mu, sigma) / q) * q.
Adecuado para una variable discreta que probablemente tome un valor alrededor de mu, pero fundamentalmente no está enlazado.
qnormal(mu, sigma, q)Parámetros
| Nombre | Description |
|---|---|
|
mu
Requerido
|
La media de la distribución normal. |
|
sigma
Requerido
|
La desviación estándar de la distribución normal. |
|
q
Requerido
|
El factor de suavizado. |
Devoluciones
| Tipo | Description |
|---|---|
|
Expresión estocástica. |
quniform
Especifique una distribución uniforme del formulario round(uniform(min_value, max_value) / q) * q.
Esto es adecuado para un valor discreto con respecto al cual el objetivo sigue siendo algo "suave", pero que debe estar limitado tanto por encima como por debajo.
quniform(min_value, max_value, q)Parámetros
| Nombre | Description |
|---|---|
|
min_value
Requerido
|
El valor mínimo del intervalo (inclusivo). |
|
max_value
Requerido
|
El valor máximo del intervalo (inclusivo). |
|
q
Requerido
|
El factor de suavizado. |
Devoluciones
| Tipo | Description |
|---|---|
|
Expresión estocástica. |
randint
Especifique un conjunto de enteros aleatorios en el intervalo [0, superior).
La semántica de esta distribución es que no hay más correlación en la función de pérdida entre valores enteros cercanos, en comparación con valores enteros más lejanos. Se trata de una distribución adecuada para describir semillas aleatorias, por ejemplo. Si la función de pérdida probablemente está más correlacionada con los valores enteros cercanos, probablemente debe usar una de las distribuciones continuas "cuantificadas", como quniform, qloguniform, qnormal o qlognormal.
randint(upper)Parámetros
| Nombre | Description |
|---|---|
|
upper
Requerido
|
El límite superior exclusivo para el intervalo de enteros. |
Devoluciones
| Tipo | Description |
|---|---|
|
Expresión estocástica. |
uniform
Especifique una distribución uniforme a partir de la cual se toman muestras.
uniform(min_value, max_value)Parámetros
| Nombre | Description |
|---|---|
|
min_value
Requerido
|
El valor mínimo del intervalo (inclusivo). |
|
max_value
Requerido
|
El valor máximo del intervalo (inclusivo). |
Devoluciones
| Tipo | Description |
|---|---|
|
Expresión estocástica. |