Haz un seguimiento de las ejecuciones y artefactos

Vertex AI Experiments admite el seguimiento de las ejecuciones y los artefactos. Las ejecuciones son pasos en un flujo de trabajo del AA que incluyen, entre otros, el procesamiento previo de datos, el entrenamiento y la evaluación de modelos. Las ejecuciones pueden consumir artefactos como conjuntos de datos y producir artefactos como modelos.

Crea el artefacto

En la siguiente muestra, se usa el método create de la clase de artefacto.

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 consola de Google Cloud .
• location: Consulta 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. Esto es único a nivel global en metadataStore:
  projects/123/locations/us-central1/metadataStores/<metadata_store_id>/artifacts/<resource_id>.
• display_name: Opcional El nombre definido por el usuario del recurso.
• schema_version: Opcional Especifica la versión que usa el recurso. Si no se establece, se utilizará de forma predeterminada la versión más reciente.
• description: Opcional Describe el propósito del recurso que se creará.
• metadata: Opcional Contiene la información de metadatos que se almacenará en el recurso.

Iniciar ejecución

En la siguiente muestra, 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: Es el nombre definido por el usuario para el recurso.
• input_artifacts: Artefactos que se asignarán como entrada.
• output_artifacts: Artefactos como resultados de esta ejecución.
• project: ID del proyecto Puedes encontrarlos en la página de Google Cloud bienvenida de la consola.
• location: Consulta Lista de ubicaciones disponibles.
• resource_id: Opcional La parte resource_id del nombre del artefacto con el formato. Es único a nivel global en un metadataStore: projects/123/locations/us-central1/metadataStores/<metadata_store_id>/artifacts/<resource_id>.
• schema_version: Opcional Especifica la versión que usa el recurso. Si no se establece, se utilizará de forma predeterminada la versión más reciente.
• metadata: Opcional Contiene la información de metadatos que se almacenará en el recurso.
• resume: bool.

  Nota: Cuando se especifica el parámetro resume opcional como TRUE, se reanuda la ejecución que se inició antes. Cuando no se especifica, resume se establece de forma predeterminada en FALSE y se crea una ejecución nueva.

Muestras de notebooks

• Compara modelos entrenados y evaluados de forma local