Registe automaticamente dados numa execução de experiência

O registo automático é uma funcionalidade no SDK Vertex AI que regista automaticamente os parâmetros e as métricas das execuções de preparação de modelos nos Experimentos do Vertex AI. Isto pode poupar tempo e esforço, eliminando a necessidade de registar manualmente estes dados. O registo automático só suporta o registo de parâmetros e métricas.

Dados de registo automático

Existem duas opções para registar automaticamente dados nas experiências do Vertex AI.

  1. Permitir que o SDK Vertex AI crie automaticamente recursos ExperimentRun para si.
  2. Especifique o recurso ExperimentRun no qual quer que os parâmetros e as métricas registados automaticamente sejam escritos.

Criado automaticamente

O SDK Vertex AI para Python processa a criação de recursos ExperimentRun por si. Os recursos ExperimentRun criados automaticamente têm um nome de execução no seguinte formato: {ml-framework-name}-{timestamp}-{uid}, por exemplo: "tensorflow-2023-01-04-16-09-20-86a88".

O exemplo seguinte usa o método init, das funções do aiplatform pacote.

Python

from typing import Optional, Union

from google.cloud import aiplatform


def autologging_with_auto_run_creation_sample(
    experiment_name: str,
    project: str,
    location: str,
    experiment_tensorboard: Optional[Union[str, aiplatform.Tensorboard]] = None,
):
    aiplatform.init(
        experiment=experiment_name,
        project=project,
        location=location,
        experiment_tensorboard=experiment_tensorboard,
    )

    aiplatform.autolog()

    # Your model training code goes here

    aiplatform.autolog(disable=True)
  • experiment_name: indique um nome para a sua experiência. Pode encontrar a sua lista de experiências na Google Cloud consola selecionando Experiências na navegação da secção.
  • experiment_tensorboard: (Opcional) Indique um nome para a instância do Vertex AI TensorBoard.
  • project: . Pode encontrar estes IDs dos projetos na página de Google Cloud consola de boas-vindas.
  • location: consulte a lista de localizações disponíveis

Especificado pelo utilizador

Fornecer os seus próprios nomes de ExperimentRun e ter métricas e parâmetros de várias execuções de preparação de modelos registados no mesmo ExperimentRun. Todas as métricas do modelo para o conjunto de execução atual, definidas através da chamada aiplatform.start_run("your-run-name"), até que aiplatform.end_run() seja chamado.

O exemplo seguinte usa o método init, das aiplatform funções do pacote.

Python

from typing import Optional, Union

from google.cloud import aiplatform


def autologging_with_manual_run_creation_sample(
    experiment_name: str,
    run_name: str,
    project: str,
    location: str,
    experiment_tensorboard: Optional[Union[str, aiplatform.Tensorboard]] = None,
):
    aiplatform.init(
        experiment=experiment_name,
        project=project,
        location=location,
        experiment_tensorboard=experiment_tensorboard,
    )

    aiplatform.autolog()

    aiplatform.start_run(run=run_name)

    # Your model training code goes here

    aiplatform.end_run()

    aiplatform.autolog(disable=True)
  • experiment_name: indique o nome da sua experiência.
  • run_name: indique um nome para a execução da experiência. Pode encontrar a sua lista de experiências na Google Cloud consola selecionando Experiências na navegação da secção.
  • project: . Pode encontrar estes IDs dos projetos na página de Google Cloud boas-vindas da consola.
  • location: consulte a lista de localizações disponíveis
  • experiment_tensorboard: (Opcional) Indique um nome para a instância do Vertex AI TensorBoard.

O registo automático do SDK Vertex AI usa o registo automático do MLFlow na respetiva implementação. As métricas e os parâmetros de avaliação das seguintes frameworks são registados no seu ExperimentRun quando o registo automático está ativado.

  • Fastai
  • Gluon
  • Keras
  • LightGBM
  • Pytorch Lightning
  • Scikit-learn
  • Spark
  • Statsmodels
  • XGBoost

Veja parâmetros e métricas registados automaticamente

Use o SDK do Vertex AI para Python para comparar execuções e obter dados de execuções. A Google Cloud consola oferece uma forma fácil de comparar estas execuções.

Exemplo de bloco de notas relevante

Publicação no blogue