Ausführungen und Artefakte verfolgen

Vertex AI Experiments unterstützt das Tracking von Ausführungen und Artefakten. Ausführungen sind Schritte in einem ML-Workflow, die (unter anderem) Datenvorverarbeitung, Training und Modellbewertung umfassen können. Ausführungen können Artefakte wie Datasets nutzen und Artefakte erzeugen, darunter Modelle.

Artefakt erstellen

Im folgenden Beispiel wird die Methode create der Artifact-Klasse verwendet.

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: erforderlich. Gibt den von der Ressource verwendeten Schematitel an.
  • project: Ihre Projekt-ID. Sie finden die Projekt-IDs auf der Begrüßungsseite der Google Cloud Console.
  • location: Siehe Liste der verfügbaren Standorte.
  • uri: Optional. URI des Speicherorts des Artefakts.
  • resource_id: Optional. Der resource_id-Teil des Artefaktnamens mit dem Format. Dies ist in einem Metadatenspeicher global einmalig:
    projects/123/locations/us-central1/metadataStores/<metadata_store_id>/artifacts/<resource_id>.
  • display_name: Optional. Der benutzerdefinierte Name der Ressource.
  • schema_version: Optional. Gibt die von der Ressource verwendete Version an. Enthält standardmäßig die neueste Version, wenn nichts anderes festgelegt wird.
  • description: Optional. Beschreibt den Zweck der zu erstellenden Ressource.
  • metadata: Optional. Enthält die in der Ressource gespeicherten Metadateninformationen.

Ausführung starten

Im folgenden Beispiel wird die Methode start_execution verwendet.

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: Gibt den von der Ressource verwendeten Schematitel an.
  • display_name: Der benutzerdefinierte Name der Ressource.
  • input_artifacts: Artefakte, die als Eingabe zugewiesen werden sollen.
  • output_artifacts: Artefakte als Ausgaben dieser Ausführung.
  • project: Ihre Projekt-ID. Sie finden die Projekt-ID auf der Begrüßungsseite der Google Cloud Console.
  • location: Siehe Liste der verfügbaren Standorte.
  • resource_id: Optional. Der resource_id-Teil des Artefaktnamens mit dem Format. Dies ist global in einem metadataStore einmalig: projects/123/locations/us-central1/metadataStores/<metadata_store_id>/artifacts/<resource_id>.
  • schema_version: Optional. Gibt die von der Ressource verwendete Version an. Enthält standardmäßig die neueste Version, wenn nichts anderes festgelegt wird.
  • metadata: Optional. Enthält die in der Ressource gespeicherten Metadateninformationen.
  • resume: bool.

    Hinweis: Wenn der optionale Parameter resume als TRUE angegeben ist, wird die zuvor gestartete Ausführung fortgesetzt. Wenn keine Angabe erfolgt, verwendet resume standardmäßig FALSE und eine neue Ausführung wird erstellt.

Notebook-Beispiele