Acompanhe execuções e artefactos

O Vertex AI Experiments suporta o acompanhamento de execuções e artefactos. As execuções são passos num fluxo de trabalho de ML que incluem, entre outros, o pré-processamento de dados, a preparação e a avaliação de modelos. As execuções podem consumir artefactos, como conjuntos de dados, e produzir artefactos, como modelos.

Criar artefacto

O exemplo seguinte usa o método create da classe 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: obrigatório. Identifica o título do esquema usado pelo recurso.
  • project: . Pode encontrar estes IDs na página de Google Cloud boas-vindas da consola.
  • location: consulte a lista de localizações disponíveis.
  • uri: opcional. URI da localização do artefacto.
  • resource_id: opcional. A parte resource_id do nome do artefacto com o formato. Este é globalmente único num metadataStore:
    projects/123/locations/us-central1/metadataStores/<metadata_store_id>/artifacts/<resource_id>.
  • display_name: opcional. O nome do recurso definido pelo utilizador.
  • schema_version: opcional. Especifica a versão usada pelo recurso. Se não for definido, a predefinição é usar a versão mais recente.
  • description: opcional. Descreve a finalidade do recurso a ser criado.
  • metadata: opcional. Contém as informações de metadados que vão ser armazenadas no recurso.

Iniciar execução

O exemplo seguinte usa o 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 o título do esquema usado pelo recurso.
  • display_name: o nome do recurso definido pelo utilizador.
  • input_artifacts: Artefactos a atribuir como entrada.
  • output_artifacts: Artefactos como resultados desta execução.
  • project: o ID do seu projeto. Pode encontrá-los na página de Google Cloud boas-vindas da consola.
  • location: consulte a lista de localizações disponíveis.
  • resource_id: opcional. A parte resource_id do nome do artefacto com o formato. Este é globalmente único num metadataStore: projects/123/locations/us-central1/metadataStores/<metadata_store_id>/artifacts/<resource_id>.
  • schema_version: opcional. Especifica a versão usada pelo recurso. Se não for definido, a predefinição é usar a versão mais recente.
  • metadata: opcional. Contém as informações de metadados que vão ser armazenadas no recurso.
  • resume: bool.

    Nota: quando o parâmetro resume opcional é especificado como TRUE, a execução iniciada anteriormente é retomada. Quando não é especificado, resume é predefinido como FALSE e é criada uma nova execução.

Exemplos de notebooks