Monitorare le esecuzioni e gli elementi

Vertex AI Experiments supporta il monitoraggio sia delle esecuzioni sia degli elementi. Le esecuzioni sono passaggi di un flusso di lavoro di ML che includono, a titolo esemplificativo, la preelaborazione dei dati, l'addestramento e la valutazione del modello. Le esecuzioni possono utilizzare elementi come set di dati e produrre elementi come modelli.

Crea artefatto

Il seguente esempio utilizza il metodo create della classe Artifact.

SDK Vertex AI per Python

from typing import Dict, Optional

from google.cloud import aiplatform


def create_artifact_sample(
    schema_title: str,
    project: str,
    location: str,
    uri: Optional[str] = None,
    resource_id: Optional[str] = None,
    display_name: Optional[str] = None,
    schema_version: Optional[str] = None,
    description: Optional[str] = None,
    metadata: Optional[Dict] = None,
):
    artifact = aiplatform.Artifact.create(
        schema_title=schema_title,
        uri=uri,
        resource_id=resource_id,
        display_name=display_name,
        schema_version=schema_version,
        description=description,
        metadata=metadata,
        project=project,
        location=location,
    )
    return artifact
  • schema_title: obbligatorio. Identifica il titolo dello schema utilizzato dalla risorsa.
  • project: il tuo ID progetto. Puoi trovare questi ID nella pagina di benvenuto della console Google Cloud.
  • location: consulta l'elenco delle località disponibili.
  • uri: facoltativo. URI della posizione dell'artefatto.
  • resource_id: facoltativo. La parte resource_id del nome dell'elemento con il formato. Questo valore è univoco a livello globale in un metadataStore:
    projects/123/locations/us-central1/metadataStores/<metadata_store_id>/artifacts/<resource_id>.
  • display_name: facoltativo. Il nome definito dall'utente della risorsa.
  • schema_version: facoltativo. Specifica la versione utilizzata dalla risorsa. Se non viene impostato, viene utilizzata per impostazione predefinita la versione più recente.
  • description: facoltativo. Descrive lo scopo della risorsa da creare.
  • metadata: facoltativo. Contiene le informazioni sui metadati che verranno memorizzate nella risorsa.

Avvia esecuzione

L'esempio seguente utilizza il metodo start_execution.

SDK Vertex AI per Python

from typing import Any, Dict, List, Optional

from google.cloud import aiplatform


def start_execution_sample(
    schema_title: str,
    display_name: str,
    input_artifacts: List[aiplatform.Artifact],
    output_artifacts: List[aiplatform.Artifact],
    project: str,
    location: str,
    resource_id: Optional[str] = None,
    metadata: Optional[Dict[str, Any]] = None,
    schema_version: Optional[str] = None,
    resume: bool = False,
):
    aiplatform.init(project=project, location=location)

    with aiplatform.start_execution(
        schema_title=schema_title,
        display_name=display_name,
        resource_id=resource_id,
        metadata=metadata,
        schema_version=schema_version,
        resume=resume,
    ) as execution:
        execution.assign_input_artifacts(input_artifacts)
        execution.assign_output_artifacts(output_artifacts)
        return execution
  • schema_title: identifica il titolo dello schema utilizzato dalla risorsa.
  • display_name: il nome della risorsa definito dall'utente.
  • input_artifacts: elementi da assegnare come input.
  • output_artifacts: gli elementi come output di questa Esecuzione.
  • project: il tuo ID progetto. Puoi trovarli nella pagina di benvenuto della console Google Cloud.
  • location: consulta l'elenco delle località disponibili.
  • resource_id: facoltativo. La parte resource_id del nome dell'elemento con il formato. È univoco a livello globale in un metadataStore: projects/123/locations/us-central1/metadataStores/<metadata_store_id>/artifacts/<resource_id>.
  • schema_version: facoltativo. Specifica la versione utilizzata dalla risorsa. Se non viene impostato, viene utilizzata per impostazione predefinita la versione più recente.
  • metadata: facoltativo. Contiene le informazioni sui metadati che verranno memorizzate nella risorsa.
  • resume: bool.

    Nota: quando il parametro facoltativo resume è specificato come TRUE, la corsa avviata in precedenza viene ripresa. Se non specificato, il valore predefinito di resume è FALSE e viene creata una nuova esecuzione.

Esempi di notebook