Bitzu

Machine Learning Associate · Śledzenie MLflow i rejestr modeli

Ręczne logowanie w runie MLflow

Najważniejsze

  • W bloku with mlflow.start_run(): zapisujesz dane samodzielnie: log_param dla hiperparametrów, log_metric dla liczb (opcjonalnie z krokiem), log_artifact dla plików, np. wykresów, oraz mlflow.<flavor>.log_model dla modelu.
  • Autologging robi to za Ciebie dla obsługiwanych bibliotek, ale ręczne wywołania pozwalają dodać własne wartości lub zapisać to, co autolog pomija.

Źródło: https://mlflow.org/docs/latest/python_api/mlflow.html

Przykładowe pytania

Jednokrotny wybór

Które wywołanie zapisuje w bieżącym runie wynik liczbowy, np. RMSE na walidacji?

  1. mlflow.log_param("rmse", 0.82)
  2. mlflow.log_metric("rmse", 0.82)
  3. mlflow.log_artifact("rmse")
  4. mlflow.set_tag("rmse", 0.82)
Pokaż odpowiedź

Odpowiedź: B. mlflow.log_metric("rmse", 0.82)

log_metric zapisuje wartości liczbowe i obsługuje krok. log_param służy do konfiguracji, log_artifact do plików, set_tag do etykiet.

Zaznacz wszystkie poprawne

Które z poniższych można zapisać ręcznie w runie MLflow?

  1. Hiperparametr, np. max_depth
  2. Wartość funkcji straty w każdej epoce z argumentem step
  3. Zakres autoskalowania węzłów klastra
  4. Wytrenowany model przez mlflow.sklearn.log_model
  5. Alias Unity Catalog przez log_param
Pokaż odpowiedź

Odpowiedź: A. Hiperparametr, np. max_depth, B. Wartość funkcji straty w każdej epoce z argumentem step, D. Wytrenowany model przez mlflow.sklearn.log_model

Parametry, metryki (z krokiem) i modele loguje się ręcznie. Zakres autoskalowania klastra ani alias rejestru nie są wywołaniami logowania runu.

Prawda czy fałsz

Wywołanie mlflow.log_param bez aktywnego runu zawsze zgłasza błąd.

Pokaż odpowiedź

Odpowiedź: Fałsz

Fałsz. Bez aktywnego runu API fluent samo go rozpoczyna i loguje do niego. Jawne start_run jest jednak czytelniejsze, bo też kończy run.

Przećwicz 8 pytań z tego tematu w Bitzu

Krótkie lekcje, natychmiastowe wyjaśnienia i powtórki tego, w czym się mylisz. Za darmo na iOS i Androida.

Download on the App StoreGet it on Google Play

Więcej tematów Machine Learning Associate w tym module