ScriptRunConfig 클래스

생성자

ScriptRunConfig(source_directory, script=None, arguments=None, run_config=None, _telemetry_values=None, compute_target=None, environment=None, distributed_job_config=None, resume_from=None, max_run_duration_seconds=2592000, command=None, docker_runtime_config=None)

매개 변수

설명

Azure Machine Learning SDK는 해결 중인 공유 문제와 관련된 기계 학습 모델을 학습하고 비교할 수 있도록 설계된 일련의 상호 연결된 클래스를 제공합니다.

이러한 Experiment 학습 실행에 대한 논리적 컨테이너 역할을 합니다. ScriptRunConfig 개체는 실험의 일부로 학습 실행을 제출하는 데 필요한 정보를 구성하는 데 사용됩니다. ScriptRunConfig 개체를 사용하여 실행을 제출하면 submit 메서드는 형식 ScriptRun의 개체를 반환합니다. 그런 다음 반환된 ScriptRun 개체를 사용하면 학습 실행에 대한 정보에 프로그래밍 방식으로 액세스할 수 있습니다. ScriptRun은 .의 자식 클래스입니다 Run.

기억해야 할 주요 개념은 트리거하려는 실행 종류에 따라 실험을 제출하는 데 사용되는 다양한 구성 개체가 있다는 것입니다. 그런 다음 구성 개체의 형식은 Submit 메서드에서 다시 가져오는 Run의 자식 클래스를 알려줍니다. Experiment의 제출 메서드 호출에서 ScriptRunConfig 개체를 전달하면 ScriptRun 개체를 다시 가져옵니다. 반환된 다른 실행 개체의 예로는 AutoML 실행에 대해 반환되고 AutoMLRun (파이프라인 실행에 대해 반환됨) 등이 PipelineRun 있습니다.

다음 샘플에서는 로컬 컴퓨터에서 학습 스크립트를 제출하는 방법을 보여 줍니다.

   from azureml.core import ScriptRunConfig, Experiment

   # create or load an experiment
   experiment = Experiment(workspace, 'MyExperiment')
   # create or retrieve a compute target
   cluster = workspace.compute_targets['MyCluster']
   # create or retrieve an environment
   env = Environment.get(ws, name='MyEnvironment')
   # configure and submit your training run
   config = ScriptRunConfig(source_directory='.',
                            script='train.py',
                            arguments=['--arg1', arg1_val, '--arg2', arg2_val],
                            compute_target=cluster,
                            environment=env)
   script_run = experiment.submit(config)

다음 예제에서는 스크립트 및 인수 대신 명령 속성을 사용하여 클러스터에서 학습 스크립트를 제출하는 방법을 보여 줍니다.

   from azureml.core import ScriptRunConfig, Experiment
   # create or load an experiment
   experiment = Experiment(workspace, 'MyExperiment')
   # create or retrieve a compute target
   cluster = workspace.compute_targets['MyCluster']
   # create or retrieve an environment
   env = Environment.get(ws, name='MyEnvironment')
   # configure and submit your training run
   config = ScriptRunConfig(source_directory='.',
                            command=['python', 'train.py', '--arg1', arg1_val],
                            compute_target=cluster,
                            environment=env)
   script_run = experiment.submit(config)

다음 샘플에서는 클러스터에서 명령을 실행하는 방법을 보여 줍니다.

   from azureml.core import ScriptRunConfig, Experiment
   # create or load an experiment
   experiment = Experiment(workspace, 'MyExperiment')
   # create or retrieve a compute target
   cluster = workspace.compute_targets['MyCluster']
   # create or retrieve an environment
   env = Environment.get(ws, name='MyEnvironment')
   # configure and submit your training run
   config = ScriptRunConfig(source_directory='.',
                            command=['ls', '-l'],
                            compute_target=cluster,
                            environment=env)
   script_run = experiment.submit(config)

ScriptRunConfig를 사용하는 방법을 보여 주는 더 많은 예제는 다음을 참조하세요.

• 문서 선택 및 컴퓨팅 대상을 사용하여 모델 학습

• 이러한 학습 전자 필기장

MAX_DURATION_SECONDS_DEFAULT

MAX_DURATION_SECONDS_DEFAULT = 2592000