TensorFlow Класс

Локальный каталог, содержащий файлы конфигурации эксперимента.

Целевой объект вычислений, в котором будет выполняться обучение. Это может быть объект или строка "local".

Размер виртуальной машины целевого объекта вычислений, который будет создан для обучения. Поддерживаемые значения: любой размер виртуальной машины Azure.

Приоритет виртуальной машины целевого объекта вычислений, который будет создан для обучения. Если значение не указано, используется значение "выделенный".

Поддерживаемые значения:'dedicated' и 'lowpriority'.

Это действует только при vm_size param указании входных данных.

Относительный путь к файлу, содержаму скрипт обучения.

Словарь аргументов командной строки для передачи в скрипт обучения, указанный в entry_script.

Количество узлов в целевом объекте вычислений, используемое для обучения. Для распределенного обученияAmlComputenode_count (1) поддерживается только целевой > объект.

При использовании MPI число процессов на узел.

При использовании сервера параметров для распределенного обучения число рабочих узлов.

УСТАРЕВШИЕ. Укажите в качестве части distributed_training параметра.

При использовании сервера параметров для распределенного обучения количество узлов сервера параметров.

Серверная часть обмена данными для распределенного обучения.

УСТАРЕВШИЕ. Используйте параметр distributed_training.

Поддерживаемые значения: mpi и ps. MPI представляет MPI/Horovod и ps— сервер параметров.

Этот параметр требуется, если любой из node_count, process_count_per_nodeworker_countили parameter_server_count> 1. В случае ps сумма worker_count и parameter_server_count должна быть меньше или равна node_count * (число ЦП или GPU на узел)

Если node_count == 1 и process_count_per_node == 1, серверная часть не будет использоваться, если серверная часть не задана явным образом. Для распределенного обучения поддерживается только целевой AmlCompute объект.

Параметры для выполнения распределенного задания обучения.

Для выполнения распределенного задания с серверной частью сервера параметров используйте ParameterServer объект для указания worker_count и parameter_server_count. worker_count Сумма и parameter_server_count параметры должны быть меньше или равно node_count * (количество ЦП или GPU на узел).

Для выполнения распределенного задания с серверной частью MPI используйте Mpi объект для указания process_count_per_node.

Указывает, должна ли среда запускать эксперимент, поддерживать графические процессоры. Если значение true, в среде будет использоваться образ docker на основе GPU по умолчанию. Если значение false, будет использоваться образ на основе ЦП. Образы Docker по умолчанию (ЦП или GPU) будут использоваться только в том случае, если custom_docker_image параметр не задан. Этот параметр используется только в целевых объектах вычислений с поддержкой Docker.

Указывает, должна ли среда, в которой запустить эксперимент, на основе Docker.

Имя образа Docker, из которого будет создан образ, используемый для обучения.

УСТАРЕВШИЕ. Используйте параметр custom_docker_image.

Если не задано, образ на основе ЦП по умолчанию будет использоваться в качестве базового образа.

Имя образа Docker, из которого будет создан образ, используемый для обучения. Если не задано, образ на основе ЦП по умолчанию будет использоваться в качестве базового образа.

Сведения о реестре образов Docker.

Указывает, повторно ли azure ML использует существующую среду Python. Если значение false, машинное обучение Azure создаст среду Python на основе спецификации зависимостей conda.

Список строк, представляющих пакеты conda, добавляемые в среду Python для эксперимента.

Список строк, представляющих пакеты pip для добавления в среду Python для эксперимента.

Строка, представляющая относительный путь к yaml-файлу зависимостей conda. Если задано, Машинное обучение Azure не установит пакеты, связанные с платформой. УСТАРЕВШИЕ. Используйте параметр conda_dependencies_file.

Строка, представляющая относительный путь к текстовому файлу требований pip. Это можно предоставить в сочетании с параметром pip_packages . УСТАРЕВШИЕ. Используйте параметр pip_requirements_file.

Строка, представляющая относительный путь к yaml-файлу зависимостей conda. Если задано, Машинное обучение Azure не установит пакеты, связанные с платформой.

Строка, представляющая относительный путь к текстовому файлу требований pip. Это можно предоставить в сочетании с параметром pip_packages .

Словарь имен и значений переменных среды. Эти переменные среды задаются в процессе выполнения пользовательского скрипта.

Определение среды для эксперимента. Она включает в себя переменные PythonSection, DockerSection и среды. Любой параметр среды, не предоставляемый напрямую с помощью других параметров конструкции оценщика, можно задать с помощью этого параметра. Если этот параметр указан, он будет иметь приоритет над другими связанными с средой параметрами, такими как use_gpu, custom_docker_imageconda_packagesили pip_packages. Ошибки будут сообщаться об этих недопустимых сочетаниях.

Список DataReference или DatasetConsumptionConfig объекты, используемые в качестве входных данных.

Резервное хранилище данных для общего ресурса проекта.

Размер общего блока памяти контейнера Docker. Если не задано, используется azureml.core.environment._DEFAULT_SHM_SIZE по умолчанию. Для получения дополнительной информации см. справочник по команде Docker run.

Путь к данным, содержащий файлы контрольной точки или модели, из которых необходимо возобновить эксперимент.

Максимально допустимое время выполнения. Машинное обучение Azure попытается автоматически отменить выполнение, если оно занимает больше времени, чем это значение.

Версия TensorFlow, используемая для выполнения кода обучения. Если версия не указана, estimator по умолчанию будет поддерживать последнюю версию, поддерживаемую Машинным обучением Azure. Используйте TensorFlow.get_supported_versions() для возврата списка, чтобы получить список всех версий, поддерживаемых текущим пакетом SDK машинного обучения Azure.

Локальный каталог, содержащий файлы конфигурации эксперимента.

Целевой объект вычислений, в котором будет выполняться обучение. Это может быть объект или строка "local".

Размер виртуальной машины целевого объекта вычислений, который будет создан для обучения. Поддерживаемые значения: любой размер виртуальной машины Azure.

Приоритет виртуальной машины целевого объекта вычислений, который будет создан для обучения. Если значение не указано, используется значение "выделенный".

Поддерживаемые значения:'dedicated' и 'lowpriority'.

Это действует только при vm_size param указании входных данных.

Относительный путь к файлу, содержаму скрипт обучения.

Словарь аргументов командной строки для передачи в скрипт обучения tne, указанный в entry_script.

Количество узлов в целевом объекте вычислений, используемое для обучения. Для распределенного обученияAmlComputenode_count (1) поддерживается только целевой > объект.

При использовании MPI число процессов на узел.

При использовании сервера параметров число рабочих узлов.

УСТАРЕВШИЕ. Укажите в качестве части distributed_training параметра.

При использовании сервера параметров число узлов сервера параметров.

Серверная часть обмена данными для распределенного обучения.

УСТАРЕВШИЕ. Используйте параметр distributed_training.

Поддерживаемые значения: mpi и ps. MPI представляет MPI/Horovod и ps— сервер параметров.

Этот параметр требуется, если любой из node_count, process_count_per_nodeworker_countили parameter_server_count> 1. В случае ps сумма worker_count и parameter_server_count должна быть меньше или равна node_count * (число ЦП или GPU на узел)

Если node_count == 1 и process_count_per_node == 1, серверная часть не будет использоваться, если серверная часть не задана явным образом. Для распределенного обучения поддерживается только целевой AmlCompute объект. поддерживается для распределенного обучения.

Параметры для выполнения распределенного задания обучения.

Для выполнения распределенного задания с серверной частью сервера параметров используйте ParameterServer объект для указания worker_count и parameter_server_count. worker_count Сумма и parameter_server_count параметры должны быть меньше или равно node_count * (количество ЦП или GPU на узел).

Для выполнения распределенного задания с серверной частью MPI используйте Mpi объект для указания process_count_per_node.

Указывает, должна ли среда запускать эксперимент, поддерживать графические процессоры. Если значение true, образ Docker на основе GPU по умолчанию будет использоваться в среде. Если значение false, будет использоваться образ на основе ЦП. Образы Docker по умолчанию (ЦП или GPU) будут использоваться только в том случае, если custom_docker_image параметр не задан. Этот параметр используется только в целевых объектах вычислений с поддержкой Docker.

Указывает, должна ли среда, в которой запустить эксперимент, на основе Docker.

Имя образа Docker, из которого будет создан образ, используемый для обучения.

УСТАРЕВШИЕ. Используйте параметр custom_docker_image.

Если не задано, образ на основе ЦП по умолчанию будет использоваться в качестве базового образа.

Имя образа Docker, из которого будет создан образ, используемый для обучения. Если не задано, образ на основе ЦП по умолчанию будет использоваться в качестве базового образа.

Сведения о реестре образов Docker.

Указывает, повторно ли azure ML использует существующую среду Python. Если значение false, машинное обучение Azure создаст среду Python на основе спецификации зависимостей conda.

Список строк, представляющих пакеты conda, добавляемые в среду Python для эксперимента.

Список строк, представляющих пакеты pip для добавления в среду Python для эксперимента.

Относительный путь к файлу yaml зависимостей conda. Если задано, Машинное обучение Azure не установит пакеты, связанные с платформой. УСТАРЕВШИЕ. Используйте параметр conda_dependencies_file.

Относительный путь к текстовому файлу требований pip. Это можно предоставить в сочетании с параметром pip_packages . УСТАРЕВШИЕ. Используйте параметр pip_requirements_file.

Словарь имен и значений переменных среды. Эти переменные среды задаются в процессе выполнения пользовательского скрипта.

Строка, представляющая относительный путь к yaml-файлу зависимостей conda. Если задано, Машинное обучение Azure не установит пакеты, связанные с платформой.

Относительный путь к текстовому файлу требований pip. Это можно предоставить в сочетании с параметром pip_packages .

Словарь имен и значений переменных среды. Эти переменные среды задаются в процессе выполнения пользовательского скрипта.

Определение среды для эксперимента. Она включает в себя переменные PythonSection, DockerSection и среды. Любой параметр среды, не предоставляемый напрямую с помощью других параметров конструкции оценщика, можно задать с помощью этого параметра. Если этот параметр указан, он будет иметь приоритет над другими параметрами, связанными с средой, например use_gpu, custom_docker_imageconda_packagesили pip_packages. Ошибки будут сообщаться об этих недопустимых сочетаниях.

Список azureml.data.data_reference. Объекты DataReference для использования в качестве входных данных.

Резервное хранилище данных для общего ресурса проекта.

Размер общего блока памяти контейнера Docker. Если значение не задано, значение по умолчанию azureml.core.environment._DEFAULT_SHM_SIZE. Для получения дополнительной информации см. раздел

Версия TensorFlow, используемая для выполнения кода обучения. Если версия не указана, estimator по умолчанию будет поддерживать последнюю версию, поддерживаемую Машинным обучением Azure. Используйте TensorFlow.get_supported_versions() для возврата списка, чтобы получить список всех версий, поддерживаемых текущим пакетом SDK машинного обучения Azure.

Включите добавочную сборку среды с предварительно созданными образами платформ для ускорения подготовки среды. Предварительно созданный образ платформы построен на основе базовых образов ЦП и GPU azure ML по умолчанию с предварительно установленными зависимостями платформы.

Отключите проверку скрипта перед отправкой. Значение по умолчанию — True.

Отображение предупреждений о подстраивание скрипта. Значение по умолчанию — False.

Отображение предупреждений проверки пакета. Значение по умолчанию — False.