Exécuter un script en tant que travail de commande

Quand vous avez un script qui entraîne un modèle Machine Learning, vous pouvez l’exécuter en tant que travail de commande dans Azure Machine Learning.

Configurer et soumettre une tâche de commande

Pour exécuter un script en tant que travail de commande, vous devez configurer et envoyer le travail.

Pour configurer un travail de commande avec le Kit de développement logiciel (SDK) Python (v2), vous utilisez la command fonction. Pour exécuter un script, vous devez spécifier des valeurs pour les paramètres suivants :

• code: dossier qui inclut le script à exécuter.
• command: spécifie le fichier à exécuter.
• environment: packages nécessaires à installer sur le calcul avant d’exécuter la commande.
• compute: calcul à utiliser pour exécuter la commande.
• display_name: nom de la tâche individuelle.
• experiment_name: nom de l’expérience à laquelle appartient le travail.

Vous pouvez configurer un travail de commande pour exécuter un fichier nommé train.py, sur le cluster de calcul nommé aml-cluster avec le code suivant :

from azure.ai.ml import command

# configure job
job = command(
    code="./src",
    command="python train.py",
    environment="AzureML-sklearn-0.24-ubuntu18.04-py37-cpu@latest",
    compute="aml-cluster",
    display_name="train-model",
    experiment_name="train-classification-model"
    )

Une fois votre travail configuré, vous pouvez l’envoyer, ce qui lance le travail et exécute le script :

# submit job
returned_job = ml_client.create_or_update(job)

Vous pouvez surveiller et examiner le travail dans Azure Machine Learning Studio. Tous les travaux portant le même nom d’expérience sont regroupés sous la même expérience. Vous pouvez trouver un travail individuel à l’aide du nom d’affichage spécifié.

Toutes les entrées et sorties d’un travail de commande sont suivies. Vous pouvez passer en revue la commande que vous avez spécifiée, le calcul utilisé et l’environnement utilisé pour exécuter le script sur le calcul spécifié.