Comparer un modèle entraîné et un modèle évalué : notebook

En tant que data scientist, voici mon workflow le plus courant : entraîner un modèle localement (dans mon notebook), consigner les paramètres, consigner les métriques de séries temporelles d'entraînement dans Vertex AI TensorBoard, puis consigner les métriques d'évaluation.

Vous pouvez afficher les exécutions de test associées à une page sur la page "Tests" de la Google Cloud console.

Notebook : comparer les modèles entraînés localement

Pour consulter un exemple de comparaison des modèles, exécutez le ": Track parameters and metrics for locally trained models" notebook dans l'un des environnements suivants :

Ouvrir dans Colab | Ouvrir dans Colab Enterprise | Ouvrir dans Vertex AI Workbench | Afficher sur GitHub

Dans le notebook "Gemini Enterprise Agent Platform: Track parameters and metrics for locally trained models", vous apprendrez à utiliser Vertex AI Experiments pour :

• Enregistrer les paramètres du modèle.
• Consigner la perte et les métriques à chaque epoch dans TensorBoard.
• Enregistrer les métriques d'évaluation.
• Comparer deux exécutions de test.

Contenu pertinent

• Consigner des données dans une exécution de test
• Attribuer une ressource Vertex AI TensorBoard pour la métrique de séries temporelles
• Consigner les métriques de résumé
• Consigner les métriques de séries temporelles
• Consigner les paramètres