查看模型架構

本頁面提供如何使用 Cloud Logging 查看 Vertex AI 模型詳細資料的相關資訊。您可以使用記錄功能查看：

• 最終模型的超參數，以鍵/值組合表示。
• 模型訓練和調整期間使用的超參數和物件值，以及目標值。

根據預設，記錄會在 30 天後刪除。

涵蓋以下主題：

1. 查看訓練記錄。
2. 記錄檔欄位。

注意： 模型架構記錄會透過 Cloud Logging 服務提供。如需 Cloud Logging 的一般資訊，請參閱 Cloud Logging 說明文件。

事前準備

您必須先訓練模型，才能查看模型的超參數記錄。

如要執行這項工作，您必須具備以下權限：

• 專案的 logging.logServiceIndexes.list 權限
• 專案的 logging.logServices.list 權限

查看訓練記錄

您可以使用 Google Cloud 控制台存取最終模型的超參數記錄，以及調整試驗的超參數記錄。

1. 前往 Google Cloud 控制台的 Vertex AI「Models」頁面。

   前往「Models」(模型) 頁面

2. 在「Region」下拉式選單中，選取模型所在的地區。

3. 從模型清單中選取所需模型。

4. 選取型號的版本號碼。

5. 開啟「版本詳細資料」分頁。

6. 如要查看最終模型的超參數記錄，請前往「模型超參數」列，然後按一下「模型」。

   1. 只有一個記錄項目。展開酬載，如下所示。詳情請參閱「記錄欄位」。

      

7. 如要查看調整試驗的超參數記錄，請前往「模型超參數」列，然後點選「試驗」。

   1. 每個調整測試都有一個項目。展開酬載，如下所示。詳情請參閱「記錄欄位」。

      

記錄檔欄位

活動記錄的結構在 LogEntry 類型說明文件中提供相關說明，歡迎參閱。

Vertex AI 模型記錄包含以下欄位：

• labels：log_type 欄位設為 automl_tables。
• jsonPayload：記錄項目的具體詳細資料，以 JSON 物件格式提供。詳情請參閱「最終模型超參數記錄的酬載內容」或「調整試驗超參數記錄的酬載內容」。
• timestamp：建立模型或執行試驗的日期和時間。

最終模型超參數記錄的酬載內容

最終模型超參數記錄的 jsonPayload 欄位包含 modelParameters 欄位。這個欄位包含每個模型的項目，這些模型會納入最終的集成模型。每個項目都有 hyperparameters 欄位，內容取決於模型類型。詳情請參閱「超參數清單」。

調整測試的超參數記錄酬載內容

微調試驗超參數記錄的 jsonPayload 欄位包含下列欄位：

欄位	類型	說明
modelStructure	JSON	Vertex AI 模型結構的說明。這個欄位包含 modelParameters 欄位。modelParameters 欄位包含 hyperparameters 欄位，其內容取決於模型類型。詳情請參閱「超參數清單」。
trainingObjectivePoint	JSON	用於模型訓練的最佳化目標。這個項目包含記錄記錄項目時的時間戳記和目標值。

超參數清單

每種模型類型在記錄檔中提供的超參數資料皆不相同。以下各節說明各模型類型的超參數。

梯度提升決策樹模型

• 樹狀 L1 正則化
• 樹狀結構 L2 正則化
• 樹狀結構深度最大值
• 模型類型：GBDT
• 樹狀結構數量
• 樹狀結構複雜度

前饋類神經網路模型

• 中途退出率
• 啟用 batchNorm (True 或 False)
• 啟用嵌入 L1 (True 或 False)
• 啟用嵌入 L2 (True 或 False)
• 啟用 L1 (True 或 False)
• 啟用 L2 (True 或 False)
• 啟用 layerNorm (True 或 False)
• 啟用數值嵌入功能 (True 或 False)
• 隱藏層大小
• 模型類型：nn
• 將數值欄 (True 或 False) 標準化
• 交叉層數
• 隱藏層數
• 略過連線類型 (dense、disable、concat 或 slice_or_padding)

後續步驟

當您準備好使用分類或迴歸模型進行預測時，有兩種方法可供選擇：

• 使用模型進行線上 (即時) 預測。
• 直接從模型取得批次預測。

此外，您還可以：

• 評估模型。
• 查看 Cloud Logging 的一般資訊。
• 您可以將記錄匯出至 BigQuery、Cloud Storage 或 Pub/Sub。如要瞭解如何匯出活動記錄，請參閱 Logging 說明文件中的「設定記錄匯出」一文。