Registrar métricas manualmente con Vertex AI Experiments

Las métricas de series temporales de TensorBoard se pueden registrar manualmente con una ejecución de Vertex AI Experiments. Estas métricas se visualizan en la consola de experimentos de Vertex AI o en la aplicación web de experimentos de Vertex AI TensorBoard.

Para obtener más información sobre el registro de métricas y parámetros, consulta Registrar datos manualmente en una ejecución de un experimento.

Python

from typing import Dict, Optional

from google.cloud import aiplatform
from google.protobuf import timestamp_pb2


def log_time_series_metrics_sample(
    experiment_name: str,
    run_name: str,
    metrics: Dict[str, float],
    step: Optional[int],
    wall_time: Optional[timestamp_pb2.Timestamp],
    project: str,
    location: str,
):
    aiplatform.init(experiment=experiment_name, project=project, location=location)

    aiplatform.start_run(run=run_name, resume=True)

    aiplatform.log_time_series_metrics(metrics=metrics, step=step, wall_time=wall_time)

• experiment_name: ponle un nombre al experimento.
• run_name: proporciona un nombre para la ejecución.
• metrics: diccionario en el que las claves son nombres de métricas y los valores son valores de métricas.
• step: opcional. Índice de pasos de este punto de datos en la carrera.
• wall_time: opcional. Marca de tiempo del reloj de pared en la que el usuario final genera este punto de datos. Si no se proporciona, wall_time se genera a partir del valor de time.time().
• project: . Puedes encontrar estos IDs en la página de bienvenida de la Google Cloud consola.
  
• location: ubicación de tu experimento y de tu instancia de TensorBoard. Si el experimento o TensorBoard aún no existen, se crearán en esta ubicación.