追蹤執行作業和構件

Vertex AI Experiments 支援追蹤執行作業和構件。執行作業是機器學習工作流程中的步驟，包括但不限於資料預先處理、訓練和模型評估。執行作業可使用資料集等構件，並產生模型等構件。

建立構件

以下範例使用 Artifact 類別的 create 方法。

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：必填。識別資源使用的結構定義標題。
  • project：。您可以在 Google Cloud 控制台 歡迎頁面中找到這些 ID。
  • location：請參閱可用位置清單。
  • uri：選用。構件位置的 URI。
  • resource_id：選用。格式為 resource_id 的構件名稱部分。這是 metadataStore 中的全域專屬 ID：
    projects/123/locations/us-central1/metadataStores/<metadata_store_id>/artifacts/<resource_id>。
  • display_name：選用。資源的使用者定義名稱。
  • schema_version：選用。指定資源使用的版本。如未設定，預設會使用最新版本。
  • description：選用。說明要建立的資源用途。
  • metadata：選用。包含將儲存在資源中的中繼資料資訊。

啟動執行作業

下列範例使用 start_execution 方法。

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：識別資源使用的結構定義標題。
  • display_name：使用者定義的資源名稱。
  • input_artifacts：要指派為輸入內容的構件。
  • output_artifacts：這個執行作業的輸出構件。
  • project：您的專案 ID。您可以在 Google Cloud 控制台 歡迎頁面中找到這些資訊。
  • location：請參閱可用位置清單。
  • resource_id：選用。格式為構件名稱的 resource_id 部分。這項 ID 在 metadataStore 中是全域不重複的：projects/123/locations/us-central1/metadataStores/<metadata_store_id>/artifacts/<resource_id>。
  • schema_version：選用。指定資源使用的版本。如未設定，預設會使用最新版本。
  • metadata：選用。包含將儲存在資源中的中繼資料資訊。
  • resume：bool。

    注意：如果選用 resume 參數指定為 TRUE，系統會繼續執行先前啟動的作業。 如未指定，resume 會預設為 FALSE，並建立新的執行作業。

筆記本範例