Suivre les exécutions et les artefacts

Les tests Vertex AI sont compatibles avec le suivi des exécutions et des artefacts. Les exécutions sont des étapes d'un workflow de ML qui incluent, sans s'y limiter, le prétraitement des données, l'entraînement et l'évaluation du modèle. Les exécutions peuvent consommer des artefacts tels que des ensembles de données et produire des artefacts tels que des modèles.

Créer un artefact

L'exemple suivant utilise la méthode create de la classe Artifact.

Python

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 : valeur obligatoire. Identifie le titre de schéma utilisé par la ressource.
  • project : l'ID de votre projet. Vous pouvez trouver ces ID sur la page Accueil de la console Google Cloud.
  • location : consultez la liste des emplacements disponibles.
  • uri : facultatif. URI de l'emplacement de l'artefact.
  • resource_id : facultatif. Partie resource_id du nom de l'artefact avec le format. Cet élément est unique dans un magasin de métadonnées :
    projects/123/locations/us-central1/metadataStores/<metadata_store_id>/artifacts/<resource_id>.
  • display_name : facultatif. Nom défini par l'utilisateur de la ressource.
  • schema_version : facultatif. Spécifie la version utilisée par la ressource. S'il n'est pas défini, la version la plus récente est utilisée par défaut.
  • description : facultatif. Décrit l'objectif de la ressource à créer.
  • metadata : facultatif. Contient les informations de métadonnées qui seront stockées dans la ressource.

Démarrer l'exécution

L'exemple suivant utilise la méthode start_execution.

Python

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 : identifie le titre de schéma utilisé par la ressource.
  • display_name : nom défini par l'utilisateur de la ressource.
  • input_artifacts : artefacts à attribuer en entrée.
  • output_artifacts : artefacts en sortie pour cette exécution.
  • project : ID de votre projet Vous les trouverez sur la page de accueil de la console Google Cloud.
  • location : consultez la liste des emplacements disponibles.
  • resource_id : facultatif. Partie resource_id du nom de l'artefact avec le format. Ce nom est unique dans un magasin de métadonnées : projects/123/locations/us-central1/metadataStores/<metadata_store_id>/artifacts/<resource_id>.
  • schema_version : facultatif. Spécifie la version utilisée par la ressource. S'il n'est pas défini, la version la plus récente est utilisée par défaut.
  • metadata : facultatif. Contient les informations de métadonnées qui seront stockées dans la ressource.
  • resume : bool.

    Remarque : Lorsque le paramètre facultatif resume est défini sur TRUE, l'exécution précédemment lancée reprend. Si ce champ n'est pas spécifié, resume est défini par défaut sur FALSE et une nouvelle exécution est créée.

Exemples de notebooks