Come parte del team di data science, vuoi provare diversi approcci alla definizione del modello durante la fase di sperimentazione.Per garantire la riproducibilità, ogni approccio ha parametri diversi che devi monitorare manualmente. L'autologgismo dell'SDK Vertex AI per Python, ovvero una funzionalità dell'SDK con una riga di codice che sfrutta MLflow, fornisce il monitoraggio automatico di metriche e parametri associati ai tuoi esperimenti e alle esecuzioni degli esperimenti Vertex AI.
Notebook: registrazione automatica di Vertex AI Experiments
Nel notebook "Vertex AI Experiments: Autologging", imparerai a utilizzare Vertex AI Experiments per:
- Attivare il logging automatico nell'SDK Vertex AI per Python.
- Addestra il modello scikit-learn e controlla l'esecuzione dell'esperimento risultante con metriche e parametri registrati automaticamente in Vertex AI Experiments senza impostare un'esecuzione dell'esperimento.
- Addestra il modello TensorFlow, controlla le metriche e i parametri registrati automaticamente in Vertex AI Experiments impostando manualmente un'esecuzione dell'esperimento con
aiplatform.start_run()
eaiplatform.end_run()
. - Disattivare il logging automatico nell'SDK Vertex AI per Python, addestrare un modello PyTorch e verificare che nessuno dei parametri o delle metriche venga registrato.