Monitorizar ejecuciones y artefactos

Vertex AI Experiments permite hacer un seguimiento tanto de las ejecuciones como de los artefactos. Las ejecuciones son pasos de un flujo de trabajo de aprendizaje automático que incluyen, entre otros, el preprocesamiento de datos, el entrenamiento y la evaluación de modelos. Las ejecuciones pueden consumir artefactos, como conjuntos de datos, y producir artefactos, como modelos.

Crear artefacto

En el siguiente ejemplo se usa el método create de la clase Artifact.

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: obligatorio. Identifica el título del esquema que usa el recurso.
  • project: . Puedes encontrar estos IDs en la página de bienvenida de la Google Cloud consola.
  • location: consulta la lista de ubicaciones disponibles.
  • uri: opcional. URI de la ubicación del artefacto.
  • resource_id: opcional. La parte resource_id del nombre del artefacto con el formato. Es un valor único en todo el mundo en un metadataStore:
    projects/123/locations/us-central1/metadataStores/<metadata_store_id>/artifacts/<resource_id>.
  • display_name: opcional. Nombre del recurso definido por el usuario.
  • schema_version: opcional. Especifica la versión utilizada por el recurso. Si no se define, se usará la versión más reciente de forma predeterminada.
  • description: opcional. Describe la finalidad del recurso que se va a crear.
  • metadata: opcional. Contiene la información de metadatos que se almacenará en el recurso.

Iniciar ejecución

En el siguiente ejemplo se usa el método start_execution.

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: identifica el título del esquema que usa el recurso.
  • display_name: nombre del recurso definido por el usuario.
  • input_artifacts: artefactos que se asignarán como entrada.
  • output_artifacts: artefactos como resultados de esta ejecución.
  • project: tu ID de proyecto. Puedes encontrarlos en la página de Google Cloud bienvenida de la consola.
  • location: consulta la lista de ubicaciones disponibles.
  • resource_id: opcional. La parte resource_id del nombre del artefacto con el formato. Es un identificador único global en un metadataStore: projects/123/locations/us-central1/metadataStores/<metadata_store_id>/artifacts/<resource_id>.
  • schema_version: opcional. Especifica la versión utilizada por el recurso. Si no se define, se usará la versión más reciente de forma predeterminada.
  • metadata: opcional. Contiene la información de metadatos que se almacenará en el recurso.
  • resume: bool.

    Nota: Si el parámetro opcional resume se especifica como TRUE, se reanuda la ejecución que se había iniciado anteriormente. Si no se especifica, resume se define de forma predeterminada como FALSE y se crea una nueva ejecución.

Cuadernos de ejemplo