Chainer クラス

実験構成ファイルを含むローカル ディレクトリ。

トレーニングが行われるコンピューティング 先。 オブジェクトまたは文字列 "local" を指定できます。

トレーニング用に作成されるコンピューティング 先の VM サイズ。 サポートされている値: 任意の Azure VM サイズ。

トレーニング用に作成されるコンピューティング 先の VM の優先順位。 指定しない場合は、'dedicated' が使用されます。

サポートされている値: 'dedicated' と 'lowpriority'。

これは、入力に vm_size param が指定されている場合にのみ有効になります。

トレーニング スクリプトを含むファイルへの相対パス。

entry_scriptで指定されたトレーニング スクリプトに渡すコマンド ライン引数のディクショナリ。

トレーニングに使用されるコンピューティング ターゲット内のノードの数。 1 より大きい場合は、MPI 分散ジョブが実行されます。 分散ジョブでは、 AmlCompute ターゲットのみがサポートされます。

ノードあたりのプロセス数。 1 より大きい場合は、MPI 分散ジョブが実行されます。 分散ジョブでは、 AmlCompute ターゲットのみがサポートされます。

分散トレーニング用の通信バックエンド。

廃止。 distributed_training パラメーターを使用します。

サポートされている値: 'mpi'。

'mpi': MPI/Horovod

このパラメーターは、 node_count または process_count_per_node> 1 の場合に必要です。

node_count == 1、process_count_per_node == 1 の場合、バックエンドが明示的に設定されていない限り、バックエンドは使用されません。 分散トレーニングでは、 AmlCompute ターゲットのみがサポートされます。

分散トレーニング ジョブを実行するためのパラメーター。

MPI バックエンドで分散ジョブを実行する場合は、 Mpi オブジェクトを使用して process_count_per_nodeを指定します。

実験を実行する環境で GPU をサポートするかどうかを指定します。 true の場合、GPU ベースの既定の Docker イメージが環境で使用されます。 false の場合は、CPU ベースのイメージが使用されます。 既定の Docker イメージ (CPU または GPU) は、 custom_docker_image パラメーターが設定されていない場合にのみ使用されます。 この設定は、Docker 対応のコンピューティング ターゲットでのみ使用されます。

実験を実行する環境を Docker ベースにするかどうかを指定します。

トレーニングに使用するイメージのビルド元となる Docker イメージの名前。

廃止。 custom_docker_image パラメーターを使用します。

設定しない場合は、既定の CPU ベースのイメージが基本イメージとして使用されます。

トレーニングに使用するイメージのビルド元となる Docker イメージの名前。 設定しない場合は、既定の CPU ベースのイメージが基本イメージとして使用されます。

Docker イメージ レジストリの詳細。

Azure ML が既存の Python 環境を再利用するかどうかを指定します。 false の場合、Azure ML は conda 依存関係の仕様に基づいて Python 環境を作成します。

実験用に Python 環境に追加する conda パッケージを表す文字列の一覧。

実験用に Python 環境に追加される pip パッケージを表す文字列の一覧。

conda 依存関係 yaml ファイルへの相対パス。 指定した場合、Azure ML はフレームワーク関連のパッケージをインストールしません。 廃止。 conda_dependencies_file パラメーターを使用します。

pip 要件テキスト ファイルへの相対パス。 これは、 pip_packages パラメーターと組み合わせて指定できます。 廃止。 pip_requirements_file パラメーターを使用します。

conda 依存関係 yaml ファイルへの相対パス。 指定した場合、Azure ML はフレームワーク関連のパッケージをインストールしません。

pip 要件テキスト ファイルへの相対パス。 これは、 pip_packages パラメーターと組み合わせて指定できます。

環境変数の名前と値のディクショナリ。 これらの環境変数は、ユーザー スクリプトが実行されているプロセスで設定されます。

実験の環境定義。 これには、PythonSection、DockerSection、環境変数が含まれます。 他のパラメーターを介して Estimator 構築に直接公開されない環境オプションは、このパラメーターを使用して設定できます。 このパラメーターを指定すると、 use_gpu、 custom_docker_image、 conda_packages、 pip_packagesなどの他の環境関連のパラメーターよりも優先されます。 無効な組み合わせでエラーが報告されます。

入力として使用する DataReference または DatasetConsumptionConfig オブジェクトの一覧。

プロジェクト共有のバッキング データストア。

Docker コンテナーの共有メモリ ブロックのサイズ。 設定しない場合は、既定のazureml.core.environment._DEFAULT_SHM_SIZEが使用されます。 詳細については、Docker 実行リファレンスを参照してください。

実験を再開するチェックポイントまたはモデル ファイルを含むデータ パス。

実行の最大許容時間。 この値よりも時間がかかる場合、Azure ML は実行を自動的に取り消そうとします。

トレーニング コードの実行に使用する Chainer バージョン。 Chainer.get_supported_versions() は、現在の SDK でサポートされているバージョンの一覧を返します。

実験構成ファイルを含むローカル ディレクトリ。

トレーニングが行われるコンピューティング 先。 オブジェクトまたは文字列 "local" を指定できます。

トレーニング用に作成されるコンピューティング 先の VM サイズ。 サポートされている値: 任意の Azure VM サイズ。

トレーニング用に作成されるコンピューティング 先の VM の優先順位。 指定しない場合は、既定で "dedicated" に設定されます。

サポートされている値: 'dedicated' と 'lowpriority'。

これは、vm_sizeパラメーターが入力で指定されている場合にのみ有効になります。

トレーニング スクリプトを含むファイルへの相対パス。

entry_scriptで指定されたトレーニング スクリプトに渡すコマンド ライン引数のディクショナリ。

トレーニングに使用されるコンピューティング ターゲット内のノードの数。 1 より大きい場合は、MPI 分散ジョブが実行されます。 分散ジョブでは、 AmlCompute ターゲットのみがサポートされます。

ノードあたりのプロセス数。 1 より大きい場合は、MPI 分散ジョブが実行されます。 分散ジョブ AmlCompute ターゲット コンピューティング ターゲットのみがサポートされます。

分散トレーニング用の通信バックエンド。

廃止。 distributed_training パラメーターを使用します。

サポートされている値: 'mpi'。

'mpi': MPI/Horovod

このパラメーターは、 node_count または process_count_per_node> 1 の場合に必要です。

node_count == 1、process_count_per_node == 1 の場合、バックエンドが明示的に設定されていない限り、バックエンドは使用されません。 分散トレーニングでは、 AmlCompute ターゲットのみがサポートされます。

分散トレーニング ジョブを実行するためのパラメーター。

MPI バックエンドで分散ジョブを実行する場合は、 Mpi オブジェクトを使用して process_count_per_nodeを指定します。

実験を実行する環境で GPU をサポートするかどうかを指定します。 true の場合、GPU ベースの既定の Docker イメージが環境で使用されます。 false の場合は、CPU ベースのイメージが使用されます。 既定の Docker イメージ (CPU または GPU) は、 custom_docker_image パラメーターが設定されていない場合にのみ使用されます。 この設定は、Docker 対応のコンピューティング ターゲットでのみ使用されます。

実験を実行する環境を Docker ベースにするかどうかを指定します。

トレーニングに使用するイメージのビルド元となる Docker イメージの名前。

廃止。 custom_docker_image パラメーターを使用します。

設定しない場合は、既定の CPU ベースのイメージが基本イメージとして使用されます。

トレーニングに使用するイメージのビルド元となる Docker イメージの名前。 設定しない場合は、既定の CPU ベースのイメージが基本イメージとして使用されます。

Docker イメージ レジストリの詳細。

Azure ML が既存の Python 環境を再利用するかどうかを指定します。 false の場合、Azure ML は conda 依存関係の仕様に基づいて Python 環境を作成します。

実験用に Python 環境に追加する conda パッケージを表す文字列の一覧。

実験用に Python 環境に追加される pip パッケージを表す文字列の一覧。

conda 依存関係 yaml ファイルへの相対パス。 指定した場合、Azure ML はフレームワーク関連のパッケージをインストールしません。 廃止。 conda_dependencies_file パラメーターを使用します。

pip 要件テキスト ファイルへの相対パス。 これは、 pip_packages パラメーターと組み合わせて指定できます。 廃止。 pip_requirements_file パラメーターを使用します。

conda 依存関係 yaml ファイルへの相対パス。 指定した場合、Azure ML はフレームワーク関連のパッケージをインストールしません。

pip 要件テキスト ファイルへの相対パス。 これは、 pip_packages パラメーターと組み合わせて指定できます。

環境変数の名前と値のディクショナリ。 これらの環境変数は、ユーザー スクリプトが実行されているプロセスで設定されます。

実験の環境定義。 これには、PythonSection、DockerSection、環境変数が含まれます。 他のパラメーターを介して Estimator 構築に直接公開されない環境オプションは、このパラメーターを使用して設定できます。 このパラメーターを指定すると、 use_gpu、 custom_docker_image、 conda_packages、 pip_packagesなどの他の環境関連のパラメーターよりも優先されます。 無効な組み合わせでエラーが報告されます。

azureml.data.data_referenceの一覧。入力として使用する DataReference オブジェクト。

プロジェクト共有のバッキング データストア。

Docker コンテナーの共有メモリ ブロックのサイズ。 設定しない場合は、既定のazureml.core.environment._DEFAULT_SHM_SIZEが使用されます。 詳細については、Docker 実行リファレンスを参照してください。

実験を再開するチェックポイントまたはモデル ファイルを含むデータ パス。

実行の最大許容時間。 この値よりも時間がかかる場合、Azure ML は実行を自動的に取り消そうとします。

トレーニング コードの実行に使用する Chainer バージョン。 Chainer.get_supported_versions() は、現在の SDK でサポートされているバージョンの一覧を返します。

事前構築済みのフレームワーク イメージを使用して増分環境ビルドを有効にして、環境の準備を高速化します。 事前構築済みのフレームワーク イメージは、フレームワークの依存関係が事前にインストールされている Azure ML の既定の CPU/GPU ベース イメージの上に構築されます。

送信を実行する前にスクリプトの検証を無効にします。 既定値は True です。

スクリプトリンティングの警告を表示します。 既定値は False です。

パッケージ検証の警告を表示します。 既定値は False です。