Lorsque vous exécutez un pipeline à l'aide de Vertex AI Pipelines, les artefacts et les paramètres de votre exécution de pipeline sont stockés à l'aide de Vertex ML Metadata. Vertex ML Metadata facilite l'analyse de la traçabilité des artefacts de votre pipeline en vous épargnant la difficulté de suivre ses métadonnées.
La traçabilité d'un artefact inclut tous les facteurs qui ont contribué à sa création, ainsi que les artefacts et les métadonnées dérivés de cet artefact. Par exemple, la traçabilité d'un modèle peut inclure les éléments suivants :
- Données d'entraînement, de test et d'évaluation utilisées pour créer le modèle
- Les hyperparamètres utilisés lors de l'entraînement du modèle.
- Métadonnées enregistrées à partir du processus d'entraînement et d'évaluation, telles que la justesse du modèle.
- Artefacts descendant de ce modèle, tels que les résultats des prédictions par lot
Ces métadonnées peuvent vous aider à répondre aux questions suivantes :
- Pourquoi une certaine exécution de pipeline a-t-elle générée un modèle particulièrement préci ?
- Quelle exécution de pipeline a produit le modèle le plus précis et quels hyperparamètres ont été utilisés pour entraîner le modèle ?
- En fonction des étapes de votre pipeline, vous pourrez peut-être utiliser Vertex ML Metadata pour répondre aux questions de gouvernance du système. Par exemple, vous pouvez utiliser les métadonnées pour déterminer quelle version de votre modèle a été en production à un moment donné.
Si vous débutez avec les métadonnées de ML de Vertex, consultez la page Présentation des métadonnées de ML de Vertex.
Utiliser la console Google Cloud pour analyser la traçabilité des artefacts de votre pipeline
Suivez les instructions ci-dessous pour afficher le graphique de traçabilité d'un artefact de pipeline dans la console Google Cloud.
Dans la section Vertex AI de la console Google Cloud, accédez à la page Métadonnées.
Accéder à la page "Métadonnées"
La page "Métadonnées" répertorie les artefacts créés dans le magasin de métadonnées par défaut.
Dans la liste déroulante Région, sélectionnez la région dans laquelle votre exécution a été créée.
Cliquez sur le nom à afficher d'un artefact pour afficher son graphique de traçabilité.
Un graphique statique montrant les artefacts et les exécutions faisant partie de ce graphe de traçabilité s'affiche.
Cliquez sur un artefact ou une exécution pour en savoir plus.
Étape suivante
- Apprenez à exécuter un pipeline.
- Commencez à visualiser et analyser les résultats du pipeline.
- Apprenez à créer un pipeline de machine learning.