Registra automaticamente i dati in un'esecuzione dell'esperimento

Il logging automatico 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 puoi risparmiare tempo ed evitare di dover registrare manualmente questi dati. Al momento, il logging automatico supporta solo il logging dei parametri e delle metriche.

Dati di registrazione automatica

Esistono due opzioni per il logging automatico dei dati in Vertex AI Experiments.

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

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)

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)

Il logging automatico dell'SDK Vertex AI utilizza il logging automatico di MLFlow nella sua implementazione. Quando il logging automatico è attivo, le metriche e i parametri di valutazione dei seguenti framework vengono registrati in ExperimentRun.

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

Visualizzare i parametri e le metriche registrati automaticamente

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

Esempio di notebook pertinente

• Dati con log automatico

Blog post

• Come automatizzare il monitoraggio degli esperimenti ML con l'autologgismo di Vertex AI Experiments