Automatiser la journalisation des données dans une exécution de test

La journalisation automatique est une fonctionnalité du SDK Vertex AI qui enregistre automatiquement les paramètres et les métriques des entraînements de modèle dans les tests Vertex AI. Cela peut vous faire gagner du temps et vous faciliter la tâche en éliminant le besoin de consigner manuellement ces données. Actuellement, la journalisation automatique n'est compatible qu'avec la journalisation des paramètres et des métriques.

Journalisation automatique des données

Deux options s'offrent à vous pour automatiser la journalisation des données dans Vertex AI Experiments.

1. Laissez le SDK Vertex AI créer automatiquement des ressources ExperimentRun pour vous.
   
2. Spécifiez la ressource ExperimentRun sur laquelle vous souhaitez que les paramètres et les métriques enregistrés automatiquement soient écrits.
   

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)

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)

La journalisation automatique du SDK Vertex AI utilise la journalisation automatique de MLFlow dans sa mise en œuvre. Les métriques et les paramètres d'évaluation des frameworks suivants sont consignés dans votre ressource ExperimentRun lorsque la journalisation automatique est activée.

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

Afficher les paramètres et les métriques enregistrés automatiquement

Utilisez le SDK Vertex AI pour Python pour comparer les exécutions et obtenir les données d'exécution. La console Google Cloud permet de comparer facilement ces exécutions.

Exemple de notebook pertinent

• Journalisation automatique des données

Article du blog

• Comment automatiser le suivi des tests de ML avec la journalisation automatique des tests Vertex AI