TensorFlow 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。 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 (node_count> 1)。

MPI を使用する場合、ノードあたりのプロセス数。

分散トレーニングにパラメーター サーバーを使用する場合、ワーカー ノードの数。

廃止。 distributed_training パラメーターの一部として指定します。

分散トレーニングにパラメーター サーバーを使用する場合、パラメーター サーバー ノードの数。

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' と 'ps'。 'mpi' は MPI/Horovod を表し、'ps' はパラメーター サーバーを表します。

このパラメーターは、 node_count、 process_count_per_node、 worker_count、または parameter_server_count> 1 のいずれかに必要です。 'ps' の場合、 worker_count と parameter_server_count の合計は、 node_count * (ノードあたりの CPU または GPU の数) 以下にする必要があります。

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。

Parameter Server バックエンドで分散ジョブを実行する場合は、 ParameterServer オブジェクトを使用して worker_count と parameter_server_countを指定します。 worker_countパラメーターとparameter_server_count パラメーターの合計は、node_count * (ノードあたりの CPU または GPU の数) 以下にする必要があります。

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を表す文字列。 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を表す文字列。 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を表す文字列。 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を表す文字列。 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パラメーターよりも優先されます。 これらの無効な組み合わせに関する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される TensorFlow バージョン。 バージョンが指定されていない場合、エスティメーターは既定で Azure ML でサポートされている最新バージョンになります。 TensorFlow.get_supported_versions()を使用して一覧を返し、現在の Azure ML SDK でサポートされているすべてのバージョンの一覧を取得します。

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、'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 tne 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。 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 (node_count> 1)。

MPI を使用する場合、ノードあたりのプロセス数。

パラメーター サーバーを使用する場合は、ワーカー ノードの数。

廃止。 distributed_training パラメーターの一部として指定します。

パラメーター サーバーを使用する場合、パラメーター サーバー ノードの数。

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' と 'ps'。 'mpi' は MPI/Horovod を表し、'ps' はパラメーター サーバーを表します。

このパラメーターは、 node_count、 process_count_per_node、 worker_count、または parameter_server_count> 1 のいずれかに必要です。 'ps' の場合、 worker_count と parameter_server_count の合計は、 node_count * (ノードあたりの CPU または GPU の数) 以下にする必要があります。

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。 は分散トレーニングでサポートされています。

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。

パラメーター サーバー バックエンドで分散ジョブを実行するには、 ParameterServer オブジェクトを使用して worker_count と parameter_server_countを指定します。 worker_countパラメーターとparameter_server_count パラメーターの合計は、node_count * (ノードあたりの CPU または GPU の数) 以下にする必要があります。

MPI バックエンドで分散ジョブを実行するには、 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。

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。

conda 依存関係 yaml ファイルへの相対パスを表す文字列。 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。 これらの無効な組み合わせに関する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、既定値は azureml.core.environment._DEFAULT_SHM_SIZE です。 詳細については、以下を参照してください。

トレーニング コードの実行に使用される TensorFlow バージョン。 バージョンが指定されていない場合、エスティメーターは既定で Azure ML でサポートされている最新バージョンになります。 TensorFlow.get_supported_versions() を使用して一覧を返し、現在の Azure ML SDK でサポートされているすべてのバージョンの一覧を取得します。

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。