Estimator クラス

トレーニング ジョブに必要な実験構成とコード 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、 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。

トレーニングを開始するために使用する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。

各ノードで実行するプロセス (または "worker") 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。

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' は MPI/Horovod を表します。

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が GPU をサポートする必要があるかどうかを示します。 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 が有効な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。 パブリック Docker リポジトリ (Docker Hub) で使用できるイメージのみを指定します。 プライベート Docker リポジトリのイメージを使用するには、代わりにコンストラクターの environment_definition パラメーターを使用します。

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、conda 依存関係の仕様に基づいて Python 環境が作成されます。

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。

conda_dependencies_file_path または conda_dependencies_file を指定します。 両方を指定した場合は、 conda_dependencies_file が使用されます。

pip 要件テキスト ファイルへの相対パス。

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

このパラメーターは、 pip_packages パラメーターと組み合わせて指定できます。 pip_requirements_file_path または pip_requirements_file を指定します。 両方を指定した場合は、 pip_requirements_file が使用されます。

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。 このパラメーターは、 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 ジョブに必要な実験構成とコード 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、 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。

トレーニングを開始するために使用する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、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、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' は MPI/Horovod を表します。

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。 パブリック Docker リポジトリ (Docker Hub) で使用できるイメージのみを指定します。 プライベート Docker リポジトリのイメージを使用するには、代わりにコンストラクターの environment_definition パラメーターを使用します。

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、conda 依存関係の仕様に基づいて Python 環境が作成されます。

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。

conda_dependencies_file_path または conda_dependencies_file を指定します。 両方を指定した場合は、 conda_dependencies_file が使用されます。

pip 要件テキスト ファイルへの相対パス。

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

これは、 pip_packages パラメーターと組み合わせて指定できます。 pip_requirements_file_path または pip_requirements_file を指定します。 両方を指定した場合は、 pip_requirements_file が使用されます。

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。

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。 設定されていない場合は、既定の

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。