実行とアーティファクトを追跡する

Vertex AI Experiments では、実行とアーティファクトの両方を追跡できます。実行は、データの前処理、トレーニング、モデル評価（ただし、これらに限定されない）を含む ML ワークフローのステップです。実行では、データセットなどのアーティファクトを使用し、モデルなどのアーティファクトを生成できます。

アーティファクトの作成

次のサンプルでは、アーティファクトクラスの create メソッドを使用します。

Python

from typing import Dict, Optional

from google.cloud import aiplatform


def create_artifact_sample(
    schema_title: str,
    project: str,
    location: str,
    uri: Optional[str] = None,
    resource_id: Optional[str] = None,
    display_name: Optional[str] = None,
    schema_version: Optional[str] = None,
    description: Optional[str] = None,
    metadata: Optional[Dict] = None,
):
    artifact = aiplatform.Artifact.create(
        schema_title=schema_title,
        uri=uri,
        resource_id=resource_id,
        display_name=display_name,
        schema_version=schema_version,
        description=description,
        metadata=metadata,
        project=project,
        location=location,
    )
    return artifact

schema_title: 必須。リソースで使用されるスキーマタイトルを指定します。
project: 実際のプロジェクト ID。これらの ID は、Google Cloud コンソールの [ようこそ] ページで確認できます。
location: 利用可能なロケーションの一覧をご覧ください。
uri: 省略可。アーティファクトのロケーションの URI。
resource_id: 省略可。次の形式のアーティファクト名における resource_id 部分。これは metadataStore 内でグローバルに一意です。
projects/123/locations/us-central1/metadataStores/<metadata_store_id>/artifacts/<resource_id>
display_name: 省略可。リソースのユーザー定義名。
schema_version: 省略可。リソースで使用されるバージョンを指定します。設定されていない場合、最新バージョンがデフォルトで使用されます。
description: 省略可。作成するリソースの目的を記述します。
metadata: 省略可。リソースに保存されるメタデータ情報が含まれます。

実行を開始

次のサンプルでは、start_execution メソッドを使用します。

Python

from typing import Any, Dict, List, Optional

from google.cloud import aiplatform


def start_execution_sample(
    schema_title: str,
    display_name: str,
    input_artifacts: List[aiplatform.Artifact],
    output_artifacts: List[aiplatform.Artifact],
    project: str,
    location: str,
    resource_id: Optional[str] = None,
    metadata: Optional[Dict[str, Any]] = None,
    schema_version: Optional[str] = None,
    resume: bool = False,
):
    aiplatform.init(project=project, location=location)

    with aiplatform.start_execution(
        schema_title=schema_title,
        display_name=display_name,
        resource_id=resource_id,
        metadata=metadata,
        schema_version=schema_version,
        resume=resume,
    ) as execution:
        execution.assign_input_artifacts(input_artifacts)
        execution.assign_output_artifacts(output_artifacts)
        return execution

schema_title: リソースで使用されるスキーマタイトルを指定します。
display_name: リソースのユーザー定義名。
input_artifacts: 入力として割り当てるアーティファクト。
output_artifacts: この実行への出力としてのアーティファクト。
project: プロジェクト ID。これらは、Google Cloud コンソールの [ようこそ] ページで確認できます。
location: 利用可能なロケーションの一覧をご覧ください。
resource_id: 省略可。次の形式のアーティファクト名における resource_id 部分。これは metadataStore 内でグローバルに一意です。 projects/123/locations/us-central1/metadataStores/<metadata_store_id>/artifacts/<resource_id>
schema_version: 省略可。リソースで使用されるバージョンを指定します。設定されていない場合、最新バージョンがデフォルトで使用されます。
metadata: 省略可。リソースに保存されるメタデータ情報が含まれます。
resume: bool。
注: オプションの resume パラメータを TRUE として指定すると、以前に開始した実行が再開されます。指定しない場合、resume はデフォルトで FALSE になり、新しい実行が作成されます。

ノートブックの例

ローカルでトレーニングおよび評価されたモデルを比較する