模型训练的例子

本节包括示例展示了如何训练机器学习和深度学习模型在砖使用许多流行的开源库。

您还可以使用AutoML自动准备模型训练数据集,执行一组试验使用开源库如scikit-learn XGBoost,并创建一个Python笔记本每个试验运行的源代码,这样你就能评论,复制和修改代码。

例如笔记本显示如何训练机器学习模型,使用数据在统一目录和编写预测统一目录,看看培训和注册机器学习模型与统一目录。

机器学习的例子

包	笔记本(s)	特性
scikit-learn	机器学习快速入门	分类模型、MLflow自动化hyperparameter调优Hyperopt和MLflow
scikit-learn	机器学习与模式注册表	分类模型、MLflow自动化hyperparameter调优Hyperopt和MLflow模型注册表
scikit-learn	的端到端示例	分类模型、MLflow自动化hyperparameter调优Hyperopt和MLflow XGBoost,注册表模型、服务模型
MLlib	MLlib例子	二进制分类、决策树、GBT回归,结构化流,定制的变压器
xgboost	XGBoost例子	Python, PySpark Scala,单个节点的工作负载和分布式训练

包	笔记本	特性
TensorFlow Keras	深度学习快速入门	TensorFlow Keras、TensorBoard Hyperopt MLflow
TensorFlow(单个节点)	TensorFlow教程MNIST数据集	TensorFlow, TensorBoard
PyTorch(单个节点)	PyTorch教程MNIST数据集	PyTorch

分布式深度学习培训,见:

包	笔记本	特性
HorovodRunner (TensorFlow Keras)	TensorFlow Keras MNIST例子	TensorFlow Keras单节点分布式训练
HorovodRunner (PyTorch)	PyTorch MNIST例子	PyTorch单节点分布式训练
HorovodRunner	Horovod时间表	Horovod时间表
`horovod.spark`(PyTorch和Keras)	horovod.sparkpackage	`horovod.spark`估计API用于毫升管道Keras和PyTorch
`spark-tensorflow-distributor`	分布式训练TensorFlow	分布式训练TensorFlow在Apache火花集群
TorchDistributor	分布式训练TorchDistributor	分布式训练PyTorch在Apache火花集群

对于一般信息hyperparameter调优在砖,明白了Hyperparameter调优。

包	笔记本	特性
Hyperopt	分布式hyperopt	分布式hyperopt、scikit-learn MLflow
Hyperopt	比较模型	使用分布式搜索hyperopt hyperparameter空间同时对不同模型类型
Hyperopt	分布式算法和hyperopt培训	Hyperopt, MLlib
Hyperopt	Hyperopt最佳实践	不同大小的数据集的最佳实践