Autologging: blocco note

Come parte del team di data science vuoi provare diversi approcci di definizione dei modelli durante la fase di sperimentazione.Per garantire la riproducibilità, ogni approccio ha diversi parametri che devi monitorare manualmente. L'SDK Vertex AI per l'autologging Python, che è una funzionalità di SDK di codice a una riga che sfrutta MLflow, fornisce il monitoraggio automatico dei parametri e delle metriche associati agli esperimenti e alle esecuzioni degli esperimenti Vertex AI.

Blocco note: Autologging degli esperimenti di Vertex AI

Nel blocco note "Vertex AI Experiments: Autologging" imparerai a usare Vertex AI Experiments per:

  • Attiva il logging automatico nell'SDK Vertex AI per Python.
  • Addestra il modello scikit-learn e osserva 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 autologati su Vertex AI Experiments impostando manualmente un'esecuzione di un esperimento con aiplatform.start_run() e aiplatform.end_run().
  • Disabilita il logging automatico nell'SDK Vertex AI per Python, addestra un modello PyTorch e verifica che nessuno dei parametri o delle metriche venga registrato.

Contenuti pertinenti