Registrare automaticamente i dati in un'esecuzione dell'esperimento

La registrazione automatica è una funzionalità dell'SDK Vertex AI che registra automaticamente parametri e metriche delle esecuzioni di addestramento dei modelli in Vertex AI Experiments. In questo modo risparmierai tempo e fatica eliminando la necessità di registrare manualmente questi dati. La registrazione automatica supporta solo la registrazione di parametri e metriche.

Dati di Autolog

Esistono due opzioni per la registrazione automatica dei dati in Vertex AI Experiments.

  1. Consenti all'SDK Vertex AI di creare automaticamente risorse ExperimentRun per te.
  2. Specifica la risorsa ExperimentRun in cui vuoi scrivere i parametri e le metriche registrati automaticamente.

Creato automaticamente

L'SDK Vertex AI per Python gestisce la creazione delle risorse ExperimentRun per te. Le risorse ExperimentRun create automaticamente avranno un nome di esecuzione nel seguente formato: {ml-framework-name}-{timestamp}-{uid}, ad esempio: "tensorflow-2023-01-04-16-09-20-86a88".

L'esempio seguente utilizza il metodo init, dalle aiplatform funzioni del pacchetto.

Python

from typing import Optional, Union

from google.cloud import aiplatform


def autologging_with_auto_run_creation_sample(
    experiment_name: str,
    project: str,
    location: str,
    experiment_tensorboard: Optional[Union[str, aiplatform.Tensorboard]] = None,
):
    aiplatform.init(
        experiment=experiment_name,
        project=project,
        location=location,
        experiment_tensorboard=experiment_tensorboard,
    )

    aiplatform.autolog()

    # Your model training code goes here

    aiplatform.autolog(disable=True)
  • experiment_name: fornisci un nome per l'esperimento. Puoi trovare l'elenco degli esperimenti nella console Google Cloud selezionando Esperimenti nella barra di navigazione della sezione.
  • experiment_tensorboard: (facoltativo) fornisci un nome per l'istanza Vertex AI TensorBoard.
  • project: . Puoi trovare questi ID progetto nella pagina di benvenuto della console Google Cloud .
  • location: consulta l'elenco delle località disponibili

Specificato dall'utente

Fornisci i tuoi nomi ExperimentRun e registra metriche e parametri di più esecuzioni di addestramento del modello nella stessa esecuzione dell'esperimento. Qualsiasi metrica dal modello all'esecuzione corrente impostata chiamando aiplatform.start_run("your-run-name") fino a aiplatform.end_run().

L'esempio seguente utilizza il metodo init, dalle funzioni del pacchetto aiplatform.

Python

from typing import Optional, Union

from google.cloud import aiplatform


def autologging_with_manual_run_creation_sample(
    experiment_name: str,
    run_name: str,
    project: str,
    location: str,
    experiment_tensorboard: Optional[Union[str, aiplatform.Tensorboard]] = None,
):
    aiplatform.init(
        experiment=experiment_name,
        project=project,
        location=location,
        experiment_tensorboard=experiment_tensorboard,
    )

    aiplatform.autolog()

    aiplatform.start_run(run=run_name)

    # Your model training code goes here

    aiplatform.end_run()

    aiplatform.autolog(disable=True)
  • experiment_name: fornisci il nome dell'esperimento.
  • run_name: fornisci un nome per l'esecuzione dell'esperimento. Puoi trovare l'elenco degli esperimenti nella console Google Cloud selezionando Esperimenti nel menu di navigazione della sezione.
  • project: . Puoi trovare questi ID progetto nella pagina Benvenuto della console Google Cloud .
  • location: consulta l'elenco delle località disponibili
  • experiment_tensorboard: (facoltativo) fornisci un nome per l'istanza Vertex AI TensorBoard.

L'autologging dell'SDK Vertex AI utilizza l'autologging di MLflow nella sua implementazione. Le metriche e i parametri di valutazione dei seguenti framework vengono registrati in ExperimentRun quando la registrazione automatica è attivata.

  • Fastai
  • Gluon
  • Keras
  • LightGBM
  • PyTorch Lightning
  • Scikit-learn
  • Spark
  • Statsmodels
  • XGBoost

Visualizzare parametri e metriche registrati automaticamente

Utilizza l'SDK Vertex AI per Python per confrontare le esecuzioni e ottenere i dati delle esecuzioni. La consoleGoogle Cloud offre un modo semplice per confrontare queste esecuzioni.

Esempio di notebook pertinente

Blog post