Skip to main content

输入模型

class InputModel()​

在系统中加载一个现有的模型，通过模型ID进行搜索。 该模型将是只读的，并可用于预初始化网络。 我们可以将模型连接到任务作为输入模型，然后在远程运行时通过用户界面覆盖它。

从模型仓库加载模型，基于model_id（uuid）或模型名称/项目/标签组合。

  • 参数

    • model_id (Optional[str]) – 输入模型的ClearML ID（系统UUID），其元数据由ClearML Server（后端）存储。如果提供了此参数，则忽略所有其他参数

    • name (Optional[str]) – 要搜索和加载的模型名称

    • 项目 (Optional[str]) – 用于搜索模型的模型项目名称

    • 标签 (Optional[Sequence[str]]) – 用于过滤的模型标签列表

    • only_published (bool) – 如果为True，过滤掉未发布的（草稿）模型

存档​

archive()

归档模型。如果模型已经归档，则此操作无效

  • 返回类型

    ()

评论​

属性注释

模型的注释。同时，用于模型描述。

  • 返回类型

    str

  • 返回

    模型注释/描述。

配置字典​

属性配置字典

配置作为一个字典，从设计文本中解析出来。这通常代表模型配置。 例如，prototxt、ini文件或用于评估的Python代码。

  • 返回类型

    dict

  • 返回

    配置。

配置文本​

属性配置文本

配置作为一个字符串。例如，prototxt、ini文件或用于评估的Python代码。

  • 返回类型

    str

  • 返回

    配置。

连接​

connect(task, name=None, ignore_remote_overrides=False)

如果模型是预先存在的，将当前模型连接到任务对象。预先存在的模型包括：

  • 导入的模型（使用Logger.import_model方法创建的InputModel对象）。

  • 元数据已经在ClearML平台中的模型，意味着InputModel对象是从InputModel类实例化的，指定模型的ClearML ID作为参数。

  • 用于创建InputModel对象的模型，其来源不是ClearML。例如，使用TensorFlow模型创建的模型。

当实验在远程工作者中执行时，除非将ignore_remote_overrides设置为True，否则将使用实验UI/后端中指定的输入模型。

info

ClearML Web-App 允许您将一个输入模型替换为另一个，然后将实验排队以在工作器中执行。

  • 参数

    • 任务 (对象 ) – 一个任务对象。

    • ignore_remote_overrides (bool ) – 如果为True，当远程运行时，在UI/后端中更改模型将不会生效。 默认值为False，意味着在UI/后端中进行的任何更改都将在远程执行中应用。

    • name (str ) – 要存储在任务上的模型名称 （默认为模型权重的文件名，不带文件扩展名，如果未找到则默认为输入模型）

  • 返回类型

    无

InputModel.empty​

classmethod empty(config_text=None, config_dict=None, label_enumeration=None)

创建一个空的模型对象。之后，您可以将一个模型分配给这个空的模型对象。

  • 参数

    • config_text (无约束文本字符串) – 模型配置作为字符串。这通常是配置文件的内容。指定 config_text 或 config_dict，但不要同时指定两者。

    • config_dict (dict ) – 模型配置作为一个字典。指定 config_text 或 config_dict，但不能同时指定两者。

    • label_enumeration (dict ) – 字符串（标签）到整数（值）对的标签枚举字典。 （可选）

    例如：

    {
         "background": 0,
         "person": 1
    }

  • 返回类型

    InputModel

  • 返回

    一个空的模型对象。

框架​

属性框架

模型的机器学习框架（例如：PyTorch, TensorFlow, XGBoost 等）。

  • 返回类型

    str

  • 返回

    模型的框架

获取所有元数据​

get_all_metadata()

如果您希望将值转换为其类型（如果可能），请参见 Model.get_all_metadata_casted

  • 返回类型

    Dict[str, Dict[str, str]]

  • 返回

    获取所有元数据作为格式为Dict[key, Dict[value, type]]的字典。键、值和类型条目都是字符串。请注意，每个条目可能还有一个额外的‘key’条目，重复键。

获取所有元数据转换​

get_all_metadata_casted()

  • 返回类型

    Dict[str, Dict[str, Any]]

  • 返回

    获取所有元数据作为格式为Dict[key, Dict[value, type]]的字典。键和类型条目是字符串。如果可能，值会被转换为相应的类型。请注意，每个条目可能还有一个额外的‘key’条目，重复该键

获取本地副本​

get_local_copy(extract_archive=None, raise_on_error=False, force_download=False)

检索模型文件的有效链接。 如果模型URL是文件系统链接，它将直接返回。 如果模型URL指向远程位置（http/s3/gs等）， 它将下载文件并返回下载模型的临时位置。

  • 参数

    • extract_archive (bool ) – 如果为True，本地副本将尽可能被解压。如果为False， 本地副本将不会被解压。如果为None（默认值），下载的文件将在模型是包的情况下被解压。

    • raise_on_error (bool ) – 如果为True，并且无法下载工件，则引发ValueError，否则在失败时返回None并输出日志警告。

    • force_download (bool ) – 如果为True，即使模型工件已被缓存，也会下载该工件。

  • 返回类型

    str

  • 返回

    模型的本地路径（或其下载副本）。

获取元数据​

get_metadata(key)

根据键获取一个元数据条目值（作为字符串）。如果您希望将值转换为其类型（如果可能），请参见Model.get_metadata_casted。

  • 参数

    key (str) – 你想要获取的元数据条目的键

  • 返回类型

    Optional[str]

  • 返回

    元数据条目值的字符串表示形式，如果未找到条目则为None

get_metadata_casted​

get_metadata_casted(key)

根据其键获取一个元数据条目，如果可能，将其转换为相应的类型

  • 参数

    key (str) – 你想要获取的元数据条目的键

  • 返回类型

    Optional[str]

  • 返回

    元数据条目的值，转换为它的类型（如果不可能，将返回字符串表示）或如果未找到条目则为None

获取权重​

get_weights(raise_on_error=False, force_download=False, extract_archive=False)

下载基础模型并返回本地存储的文件名。

  • 参数

    • raise_on_error (bool ) – 如果为True，并且无法下载工件，则引发ValueError，否则在失败时返回None并输出日志警告。

    • force_download (bool ) – 如果为True，即使基础模型已经缓存，也会下载基础模型。

    • extract_archive (bool ) – 如果为True，下载的权重文件将尽可能被解压

  • 返回类型

    str

  • 返回

    本地存储的文件。

获取权重包​

get_weights_package(return_path=False, raise_on_error=False, force_download=False, extract_archive=True)

将基础模型包下载到临时目录（解压文件），或返回本地存储的文件名列表。

  • 参数

    • return_path (bool ) – 返回模型权重或文件名列表（可选）

      • True - 将模型权重下载到一个临时目录，并返回临时目录的路径。

      • False - 返回本地存储的文件名列表。（默认）

    • raise_on_error (bool ) – 如果为True，并且无法下载工件，则引发ValueError，否则在失败时返回None并输出日志警告。

    • force_download (bool ) – 如果为True，即使工件已被缓存，基础工件也将被下载。

    • extract_archive (bool ) – 如果为True，下载的权重文件将尽可能被解压

  • 返回类型

    Union[str, List[Path], None]

  • 返回

    模型权重，或本地存储文件名的列表。 如果raise_on_error=False，出错时返回None。

id​

属性ID

模型的ID（系统UUID）。

  • 返回类型

    str

  • 返回

    模型ID。

InputModel.import_model​

classmethod import_model(weights_url, config_text=None, config_dict=None, label_enumeration=None, name=None, project=None, tags=None, comment=None, is_package=False, create_as_published=False, framework=None)

通过指定初始权重文件的URL，从预训练模型创建一个InputModel对象。 可选地，输入配置、标签枚举、模型名称、描述模型的标签、 作为模型描述的评论，指示模型是否为包，指定模型的 框架，并指示是否立即将模型的状态设置为Published。 该模型是只读的。

ClearML Server（后端）可能已经存储了模型的URL。如果输入的模型URL未被存储，意味着模型是新的，那么它将被导入，并且ClearML会存储其元数据。如果URL已经被存储，导入过程将停止，ClearML会发出警告信息，并重新使用该模型。

在你的Python实验脚本中，导入模型后，你可以使用InputModel.connect或Task.connect将其作为输入模型连接到主执行任务。这将初始化网络。

info

使用ClearML Web-App（用户界面），您可以在实验中重用导入的模型并切换模型。

  • 参数

    • weights_url (str ) – 初始权重文件的有效URL。如果使用ClearML Web-App（后端）

      已经存储了具有相同URL的模型的元数据，将返回现有模型，并且ClearML忽略所有其他参数。例如：

      • https://domain.com/file.bin

      • s3://bucket/file.bin

      • file:///home/user/file.bin

    • config_text (无约束文本字符串 ) – 配置作为字符串。这通常是配置字典文件的内容。指定 config_text 或 config_dict，但不能同时指定两者。

    • config_dict (dict ) – 配置作为一个字典。指定 config_text 或 config_dict，但不能同时指定两者。

    • label_enumeration (dict ) – 可选的标签枚举字典，包含字符串（标签）到整数（值）的键值对。

    例如：

    {
         "background": 0,
         "person": 1
    }

    • name (str ) – 新导入模型的名称。（可选）

    • project (str ) – 要将模型添加到的项目名称。（可选）

    • tags (list ( str ) ) – 描述模型的标签列表。（可选）

    • comment (str ) – 模型的注释/描述。（可选）

    • is_package (bool ) – 导入的权重文件是否是一个包（可选）

      • True - 是一个包。向模型添加一个包标签。

      • False - 不是一个包。不要添加包标签。（默认）

    • create_as_published (bool ) – 将模型的状态设置为已发布（可选）

      • True - 将状态设置为已发布。

      • False - 不将状态设置为已发布。状态将为草稿。（默认）

    • framework (str * 或 * Framework 对象 ) – 模型的框架。（可选）

  • 返回类型

    InputModel

  • 返回

    导入的模型或现有模型（见上文）。

标签​

属性标签

字符串（label）到整数（value）对的标签枚举。

  • 返回类型

    Dict[str, int]

  • 返回

    一个包含标签枚举的字典，其中键是标签，值是整数。

InputModel.load_model​

classmethod load_model(weights_url, load_archived=False)

加载一个基于已有模型文件的已注册模型（链接必须有效）。如果权重文件的URL已经存在，返回的对象是一个表示已加载模型的Model。如果未找到具有指定URL的已注册模型，则返回None。

  • 参数

    • weights_url (str) – The valid url for the weights file (string).

    示例：

    "https://domain.com/file.bin" or "s3://bucket/file.bin" or "file:///home/user/file.bin".
    info

    如果存在具有完全相同URL的模型，则将使用该模型，并且所有其他参数将被忽略。

    • load_archived (bool ) – 加载已归档的模型

      • True - 如果已归档，则加载已注册的模型。

      • False - 忽略归档模型。

  • 返回类型

    InputModel

  • 返回

    InputModel对象，如果找不到模型则为None。

名称​

属性名称

模型的名称。

  • 返回类型

    str

  • 返回

    模型名称。

原始任务​

属性 original_task

返回创建此模型的任务的ID。

  • 返回类型

    str

  • 返回

    任务ID (str)

项目​

属性项目

模型的project ID。

  • 返回类型

    str

  • 返回

    项目ID (str).

发布​

publish()

将模型设置为published状态并供公众使用。如果模型的状态已经是published，则此方法不执行任何操作。

  • 返回类型

    ()

已发布​

属性已发布

获取此模型的发布状态。

  • 返回类型

    bool

  • 返回

InputModel.query_models​

classmethod query_models(project_name=None, model_name=None, tags=None, only_published=False, include_archived=False, max_results=None, metadata=None)

从项目工件库返回模型对象。 根据项目名称/模型名称/标签进行筛选。 列表始终按最后更新时间降序排列（即最新模型在列表中的第一个）。

  • 参数

    • project_name (Optional[str]) – 可选，基于项目名称字符串进行过滤，如果未提供，则从所有项目中查询模型

    • model_name (Optional[str]) – 可选的模型名称，如模型仓库中所示

    • 标签 (Optional[Sequence[str]]) – 根据请求的标签列表（字符串）进行过滤。 要排除某个标签，请在标签前添加“-”前缀。示例：["production", "verified", "-qa"]。 默认行为是使用逻辑“OR”运算符连接所有标签。 要使用逻辑“AND”运算符连接所有标签，请使用“__$all”作为第一个字符串，例如：

    ["__$all", "best", "model", "ever"]

    要使用AND连接所有标签，但排除某个标签，请在排除的标签前使用“__$not”，例如：

    ["__$all", "best", "model", "ever", "__$not", "internal", "__$not", "test"]

    “OR”和“AND”运算符适用于其后所有标签，直到指定另一个运算符为止。 NOT运算符仅适用于紧随其后的标签。 例如：

    ["__$all", "a", "b", "c", "__$or", "d", "__$not", "e", "__$and", "__$or" "f", "g"]

    这个示例的意思是（“a” 和 “b” 和 “c” 和 （“d” 或 非 “e”） 和 （“f” 或 “g”））。 详情请参见 https://clear.ml/docs/latest/docs/clearml_sdk/model_sdk#tag-filters。

    • only_published (bool) – 如果为True，仅返回已发布的模型。

    • include_archived (bool) – 如果为True，返回已归档的模型。

    • max_results (Optional[int]) – 可选返回最后X个模型， 按最后更新时间排序（从最近到最早）。

    • metadata (Optional[Dict[str, str]]) – 基于元数据进行过滤。此参数是一个字典。请注意，元数据字段的类型不是必需的。

  • 返回类型

    List[Model]

  • 返回

    模型对象的模型列表

InputModel.remove​

classmethod remove(model, delete_weights_file=True, force=False, raise_on_errors=False)

从模型仓库中移除一个模型。 可选地，从远程存储中删除模型权重文件。

  • 参数

    • model (Union[str, Model]) – 要删除的模型ID或模型对象

    • delete_weights_file (bool) – 如果为True（默认），则从远程存储中删除权重文件

    • force (bool) – 如果为True，即使其他任务正在使用此模型，也会移除该模型。默认值为False。

    • raise_on_errors (bool) – 如果为True，当出现错误时抛出ValueError，默认为False。

  • 返回类型

    bool

  • 返回

    如果模型成功移除则为True 部分移除返回False，即模型被删除但权重文件删除失败

报告混淆矩阵​

report_confusion_matrix(title, series, matrix, iteration=None, xaxis=None, yaxis=None, xlabels=None, ylabels=None, yaxis_reversed=False, comment=None, extra_layout=None)

为了明确报告，绘制一个热图矩阵。

例如：

confusion = np.random.randint(10, size=(10, 10))
model.report_confusion_matrix("example confusion matrix", "ignored", iteration=1, matrix=confusion,
     xaxis="title X", yaxis="title Y")

  • 参数

    • title (str ) – 图表的标题（指标）。

    • series (str ) – 报告的混淆矩阵的系列名称（变体）。

    • matrix (numpy.ndarray ) – 一个热图矩阵（例如：混淆矩阵）

    • iteration (int ) – 报告的迭代/步骤。

    • xaxis (str ) – x轴标题。（可选）

    • yaxis (str ) – y轴标题。（可选）

    • xlabels (list ( str ) ) – 矩阵每列的标签。（可选）

    • ylabels (list ( str ) ) – 矩阵每行的标签。（可选）

    • yaxis_reversed (bool ) – 如果为 False，0,0 位于左下角。如果为 True，0,0 位于左上角

    • comment (str ) – 与图表一起显示的注释，位于标题下方。

    • extra_layout (dict ) – 用于布局配置的可选字典，直接传递给 plotly 查看支持的配置的完整详细信息：https://plotly.com/javascript/reference/heatmap/ 示例：extra_layout={'xaxis': {'type': 'date', 'range': ['2020-01-01', '2020-01-31']}}

report_histogram​

report_histogram(title, series, values, iteration=None, labels=None, xlabels=None, xaxis=None, yaxis=None, mode=None, data_args=None, extra_layout=None)

对于显式报告，绘制一个（默认分组的）直方图。 请注意，此函数不会计算直方图， 它假设直方图已经在值中计算完成。

例如：

vector_series = np.random.randint(10, size=10).reshape(2,5)
model.report_histogram(title='histogram example', series='histogram series',
     values=vector_series, iteration=0, labels=['A','B'], xaxis='X axis label', yaxis='Y axis label')

  • 参数

    • title – 图表的标题（指标）。

    • series – 报告的直方图的系列名称（变体）。

    • values – 系列值。一个浮点数列表，或一个包含每个直方图条形数据的N维Numpy数组。

    • iteration – 报告的迭代/步骤。每个 iteration 都会创建另一个图表。

    • labels – 每个条形组的标签，用于创建图例，标注每个系列。（可选）

    • xlabels – 直方图中每个桶的每个条目的标签（向量），为x轴上的每个直方图条创建一组标签。（可选）

    • xaxis – x轴标题。（可选）

    • yaxis – y轴标题。（可选）

    • mode – 多直方图模式，堆叠 / 分组 / 相对。默认为‘分组’。

    • data_args – 可选的数据配置字典，直接传递给 plotly 查看支持的配置的完整详细信息：https://plotly.com/javascript/reference/bar/ 示例：data_args={'orientation': 'h', 'marker': {'color': 'blue'}}

    • extra_layout – 用于布局配置的可选字典，直接传递给 plotly 查看支持的配置的完整详细信息：https://plotly.com/javascript/reference/bar/ 示例：extra_layout={'xaxis': {'type': 'date', 'range': ['2020-01-01', '2020-01-31']}}

报告折线图​

report_line_plot(title, series, xaxis, yaxis, mode='lines', iteration=None, reverse_xaxis=False, comment=None, extra_layout=None)

对于显式报告，将一个或多个系列绘制为线条。

  • 参数

    • title (str ) – 图表的标题（指标）。

    • series (list ) – 所有系列数据，每个列表元素对应图中的一条线。

    • iteration (int ) – 报告的迭代/步骤。

    • xaxis (str ) – x轴标题。（可选）

    • yaxis (str ) – y轴标题。（可选）

    • mode (str ) – 线条图的类型。值为：

      • lines (默认)

      • markers

      • lines+markers

    • reverse_xaxis (bool) – 反转x轴。值为：

      • True - x轴从高到低（反转）。

      • False - x轴从低到高（未反转）。（默认）

    • comment (str ) – 与图表一起显示的注释，位于标题下方。

    • extra_layout (dict ) – 用于布局配置的可选字典，直接传递给 plotly 查看支持的配置的完整详细信息：https://plotly.com/javascript/reference/scatter/ 示例：extra_layout={'xaxis': {'type': 'date', 'range': ['2020-01-01', '2020-01-31']}}

报告矩阵​

report_matrix(标题, 系列, 矩阵, 迭代=None, x轴=None, y轴=None, x标签=None, y标签=None, y轴反转=False, 额外布局=None)

为了明确报告，绘制一个混淆矩阵。

info

此方法与Model.report_confusion_matrix相同。

  • 参数

    • title (str ) – 图表的标题（指标）。

    • series (str ) – 报告的混淆矩阵的系列名称（变体）。

    • matrix (numpy.ndarray ) – 一个热图矩阵（例如：混淆矩阵）

    • iteration (int ) – 报告的迭代/步骤。

    • xaxis (str ) – x轴标题。（可选）

    • yaxis (str ) – y轴标题。（可选）

    • xlabels (list ( str ) ) – 矩阵每列的标签。（可选）

    • ylabels (list ( str ) ) – 矩阵每行的标签。（可选）

    • yaxis_reversed (bool ) – 如果为False，0,0位于左下角。如果为True，0,0位于左上角

    • extra_layout (dict ) – 用于布局配置的可选字典，直接传递给 plotly 查看支持的配置的完整详细信息：https://plotly.com/javascript/reference/heatmap/ 示例：extra_layout={'xaxis': {'type': 'date', 'range': ['2020-01-01', '2020-01-31']}}

report_scalar​

report_scalar(title, series, value, iteration)

为了明确报告，绘制一个标量系列。

  • 参数

    • title (str ) – 图表的标题（指标）。通过每次调用此方法时使用相同的title，可以在同一图表上绘制多个标量系列。

    • series (str ) – 报告标量的系列名称（变体）。

    • value (float ) – 每次迭代要绘制的值。

    • iteration (int ) – 报告的迭代/步骤（报告时间序列的x轴）

  • 返回类型

    None

report_scatter2d​

report_scatter2d(title, series, scatter, iteration=None, xaxis=None, yaxis=None, labels=None, mode='line', comment=None, extra_layout=None)

对于显式报告，报告一个2D散点图。

例如：

scatter2d = np.hstack((np.atleast_2d(np.arange(0, 10)).T, np.random.randint(10, size=(10, 1))))
model.report_scatter2d(title="example_scatter", series="series", iteration=0, scatter=scatter2d,
     xaxis="title x", yaxis="title y")

通过将相同的title和iteration值传递给此方法，在同一图表上绘制多个2D散点系列：

scatter2d_1 = np.hstack((np.atleast_2d(np.arange(0, 10)).T, np.random.randint(10, size=(10, 1))))
model.report_scatter2d(title="example_scatter", series="series_1", iteration=1, scatter=scatter2d_1,
     xaxis="title x", yaxis="title y")

scatter2d_2 = np.hstack((np.atleast_2d(np.arange(0, 10)).T, np.random.randint(10, size=(10, 1))))
model.report_scatter2d("example_scatter", "series_2", iteration=1, scatter=scatter2d_2,
     xaxis="title x", yaxis="title y")

  • 参数

    • title (str ) – 图表的标题（指标）。

    • series (str ) – 报告的散点图的系列名称（变体）。

    • scatter (list) – 散点数据。numpy.ndarray 或 (x,y) 对的列表：

    • iteration (int ) – 报告的迭代/步骤。

    • xaxis (str ) – x轴标题。（可选）

    • yaxis (str ) – y轴标题。（可选）

    • labels (list ( str ) ) – 分配给scatter参数的数据中每个点的标签。标签的顺序必须与数据的顺序相同。

    • mode (str ) – 散点图的类型。可选值为：

      • lines

      • markers

      • lines+markers

    • comment (str ) – 与图表一起显示的注释，位于标题下方。

    • extra_layout (dict ) – 用于布局配置的可选字典，直接传递给 plotly 查看支持的配置的完整详细信息：https://plotly.com/javascript/reference/scatter/ 示例：extra_layout={'xaxis': {'type': 'date', 'range': ['2020-01-01', '2020-01-31']}}

report_scatter3d​

report_scatter3d(title, series, scatter, iteration=None, xaxis=None, yaxis=None, zaxis=None, labels=None, mode='markers', fill=False, comment=None, extra_layout=None)

为了明确报告，绘制一个3D散点图（带有标记）。

  • 参数

    • title (str ) – 图表的标题（指标）。

    • series (str ) – 报告的散点图的系列名称（变体）。

    • list **] ** scatter (Union [ numpy.ndarray , ) – 散点数据。 (x,y,z)对的列表，系列列表 [[(x1,y1,z1)…]]，或 numpy.ndarray

    • iteration (int ) – 报告的迭代/步骤。

    • xaxis (str ) – x轴标题。（可选）

    • yaxis (str ) – y轴标题。（可选）

    • zaxis (str ) – z轴标题。（可选）

    • labels (list ( str ) ) – 分配给scatter参数的数据中每个点的标签。标签的顺序必须与数据的顺序相同。

    • mode (str ) – 散点图的类型。值为：lines, markers, lines+markers。

    例如：

    scatter3d = np.random.randint(10, size=(10, 3))
    model.report_scatter3d(title="example_scatter_3d", series="series_xyz", iteration=1, scatter=scatter3d,
        xaxis="title x", yaxis="title y", zaxis="title z")

    • fill (bool ) – 填充曲线下的区域。值为：

      • True - 填充

      • False - 不填充（默认）

    • comment (str ) – 与图表一起显示的注释，位于标题下方。

    • extra_layout (dict ) – 可选的布局配置字典，直接传递给plotly 查看支持的配置的完整详细信息：https://plotly.com/javascript/reference/scatter3d/ 示例：extra_layout={'xaxis': {'type': 'date', 'range': ['2020-01-01', '2020-01-31']}}

report_single_value​

report_single_value(name, value)

报告单个值指标（例如，总实验准确率或mAP）

  • 参数

    • name (str) – 指标的名称

    • value (float) – 指标的数值

  • 返回类型

    None

报告表面​

report_surface(title, series, matrix, iteration=None, xaxis=None, yaxis=None, zaxis=None, xlabels=None, ylabels=None, camera=None, comment=None, extra_layout=None)

对于显式报告，报告一个3D表面图。

info

此方法绘制与Model.report_confusion_matrix相同的数据，但将数据呈现为表面图而非混淆矩阵。

surface_matrix = np.random.randint(10, size=(10, 10))
model.report_surface("example surface", "series", iteration=0, matrix=surface_matrix,
     xaxis="title X", yaxis="title Y", zaxis="title Z")

  • 参数

    • title (str ) – 图表的标题（指标）。

    • series (str ) – 报告表面的系列名称（变体）。

    • matrix (numpy.ndarray ) – 一个热图矩阵（例如：混淆矩阵）

    • iteration (int ) – 报告的迭代/步骤。

    • xaxis (str ) – x轴标题。（可选）

    • yaxis (str ) – y轴标题。（可选）

    • zaxis (str ) – z轴标题。（可选）

    • xlabels (list ( str ) ) – 矩阵每列的标签。（可选）

    • ylabels (list ( str ) ) – 矩阵每行的标签。（可选）

    • camera (list ( float ) ) – 表示相机位置的X,Y,Z坐标。默认值为 (1,1,1)。

    • comment (str ) – 与图表一起显示的注释，位于标题下方。

    • extra_layout (dict ) – 可选的布局配置字典，直接传递给plotly 查看支持的配置的完整详细信息：https://plotly.com/javascript/reference/surface/ 示例：extra_layout={'xaxis': {'type': 'date', 'range': ['2020-01-01', '2020-01-31']}}

报告表​

report_table(title, series, iteration=None, table_plot=None, csv=None, url=None, extra_layout=None)

对于显式报告，报告一个表格图。

必须提供以下参数中的一个且仅一个。

  • table_plot - Pandas DataFrame 或作为行列表的表格（列表）

  • csv - CSV 文件

  • url - CSV文件的URL

例如：

df = pd.DataFrame({'num_legs': [2, 4, 8, 0],
        'num_wings': [2, 0, 0, 0],
        'num_specimen_seen': [10, 2, 1, 8]},
        index=['falcon', 'dog', 'spider', 'fish'])

model.report_table(title='table example',series='pandas DataFrame',iteration=0,table_plot=df)

  • 参数

    • title – 表格的标题（指标）。

    • series – 报告表的系列名称（变体）。

    • iteration – 报告的迭代/步骤。

    • table_plot – 输出表格绘图对象

    • csv – 本地csv文件的路径

    • url – 指向csv文件位置的URL。

    • extra_layout – 用于布局配置的可选字典，直接传递给 plotly 查看支持的配置的完整详细信息：https://plotly.com/javascript/reference/layout/ 示例：extra_layout={'height': 600}

报告向量​

report_vector(标题, 系列, 值, 迭代=None, 标签=None, x轴标签=None, x轴=None, y轴=None, 模式=None, 额外布局=None)

对于显式报告，将向量绘制为（默认堆叠）直方图。

例如：

vector_series = np.random.randint(10, size=10).reshape(2,5)
model.report_vector(title='vector example', series='vector series', values=vector_series, iteration=0,
     labels=['A','B'], xaxis='X axis label', yaxis='Y axis label')

  • 参数

    • title – 图表的标题（指标）。

    • series – 报告的直方图的系列名称（变体）。

    • values – 系列值。一个浮点数列表，或一个包含每个直方图条形数据的N维Numpy数组。

    • iteration – 报告的迭代/步骤。每个 iteration 都会创建另一个图表。

    • labels – 每个条形组的标签，用于创建图例，标注每个系列。（可选）

    • xlabels – 直方图中每个桶的每个条目的标签（向量），为x轴上的每个直方图条创建一组标签。（可选）

    • xaxis – x轴标题。（可选）

    • yaxis – y轴标题。（可选）

    • mode – 多直方图模式，堆叠 / 分组 / 相对。默认为‘分组’。

    • extra_layout – 用于布局配置的可选字典，直接传递给plotly 查看支持的配置的完整详细信息：https://plotly.com/javascript/reference/layout/ 示例：extra_layout={'showlegend': False, 'plot_bgcolor': 'yellow'}

设置所有元数据​

set_all_metadata(metadata, replace=True)

根据给定的参数设置元数据。允许替换所有条目或更新当前条目。

  • 参数

    • metadata (Dict[str, Dict[str, str]]) – 一个格式为 Dict[key, Dict[value, type]] 的字典，表示您要设置的元数据

    • replace (bool) – 如果为True，则用metadata参数中的条目替换所有元数据。如果为False，则保留旧元数据并用metadata参数中的条目更新它（添加或更改）。

  • 返回类型

    bool

  • 返回

    如果设置了元数据则为True，否则为False

set_metadata​

set_metadata(key, value, v_type=None)

设置一个元数据条目。所有参数必须是字符串或可转换为字符串。

  • 参数

    • key (str) – 元数据条目的键

    • value (str) – 元数据条目的值

    • v_type (Optional[str]) – 元数据条目的类型

  • 返回类型

    bool

  • 返回

    如果设置了元数据则为True，否则为False

系统标签​

属性 system_tags

描述模型的系统标签列表。

  • 返回类型

    List[str]

  • 返回

    标签列表。

标签​

属性标签

描述模型的标签列表。

  • 返回类型

    List[str]

  • 返回

    标签列表。

任务​

属性任务

返回与此模型连接的任务ID。如果没有任务连接，则返回最初创建此模型的任务ID。

  • 返回类型

    str

  • 返回

    任务ID (str)

取消归档​

unarchive()

解压模型。如果模型未被归档，则此操作无效

  • 返回类型

    ()

网址​

属性 url

返回模型文件（或归档文件）的URL

  • 返回类型

    str

  • 返回

    模型文件的URL。