Dela via

RunDetails Klass

Representerar en Jupyter Notebook-widget som används för att visa förloppet för modellträningen.

En widget är asynkron och ger uppdateringar tills träningen är klar.

Initiera widgeten med den angivna körningsinstansen.

Konstruktor

RunDetails(run_instance)

Parametrar

Name Description
run_instance
Obligatorisk
Run

Kör en instans som widgeten ska renderas för.
run_instance
Obligatorisk
Run

Kör en instans som widgeten ska renderas för.

Kommentarer

En Azure ML Jupyter Notebook-widget visar förloppet för modellträning, inklusive egenskaper, loggar och mått. Den valda widgettypen härleds implicit från run_instance. Du behöver inte ange det explicit. show Använd metoden för att börja återge widgeten. Om widgeten inte är installerad visas i stället en länk för att visa innehållet på en ny webbläsarsida. När du har startat ett experiment kan du också se förloppet för modellträning i Azure-portalen med hjälp get_portal_url() av -klassens Run metod.

I följande exempel visas hur du skapar en widget och startar den:


   from azureml.widgets import RunDetails

   RunDetails(remote_run).show()

Fullständigt exempel är tillgängligt från https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/automated-machine-learning/classification-credit-card-fraud/auto-ml-classification-credit-card-fraud.ipynb

Följande typer av körningar stöds:

  • StepRun: Visar körningsegenskaper, utdataloggar, mått.

  • HyperDriveRun: Visar överordnade körningsegenskaper, loggar, underordnade körningar, primärt måttdiagram och parallellt koordinatdiagram över hyperparametrar.

  • AutoMLRun: Visar underordnade körningar och primärt måttdiagram med alternativ för att välja enskilda mått.

  • PipelineRun: Visar noder som körs och noder som inte körs i en pipeline tillsammans med en grafisk representation av noder och kanter.

  • ReinforcementLearningRun: Visar status för körningar i realtid. Azure Machine Learning Reinforcement Learning är för närvarande en förhandsversionsfunktion. Mer information finns i Förstärkningsinlärning med Azure Marchine Learning.

Paketet azureml-widgets installeras när du installerar Azure Machine Learning SDK. En del ytterligare installation kan dock behövas beroende på miljö.

  • Jupyter Notebooks: Både lokala notebook-filer och molnanteckningsböcker stöds fullt ut, med interaktivitet, asynkrona automatiska uppdateringar och icke-blockerande cellkörning.

  • JupyterLab: Viss ytterligare installation kan behövas.

    1. Kontrollera att azure-widgets-paketet är installerat och installera det om inte.

      
   sudo -i pip install azureml-widgets

    2. Installera JupyterLab-tillägget.

      
   sudo -i jupyter labextension install @jupyter-widgets/jupyterlab-manager

    3. Efter installationen startar du om kerneln i alla notebook-filer som körs.

      
   jupyter labextension list

  • Databricks: Partiellt stöd för Juypter Notebook-widgetar. När du använder widgeten visas en länk för att visa innehållet på en ny webbläsarsida. show Använd med parametern inställd på render_lib "displayHTML".

Metoder

get_widget_data

Hämta och transformera data från körningshistoriken som ska återges av widgeten. Används även för felsökning.
show

Rendera widgeten och starta tråden för att uppdatera widgeten.

get_widget_data

Hämta och transformera data från körningshistoriken som ska återges av widgeten. Används även för felsökning.

get_widget_data(widget_settings=None)

Parametrar

Name Description
widget_settings
dict

Inställningar som ska tillämpas på widgeten. Inställning som stöds: "felsök" (ett booleskt värde).

Standardvärde: None

Returer

Typ Description
dict

Ordlista som innehåller data som ska återges av widgeten.

show

Rendera widgeten och starta tråden för att uppdatera widgeten.

show(render_lib=None, widget_settings=None)

Parametrar

Name Description
render_lib
<xref:func>

Biblioteket som ska användas för återgivning. Krävs endast för Databricks med värdet "displayHTML".

Standardvärde: None
widget_settings
dict

Inställningar som ska tillämpas på widgeten. Inställning som stöds: "felsök" (ett booleskt värde).

Standardvärde: None