Visualiser des résultats d’entraînement dans studio (préversion)
Explorez vos résultats d’expérimentation avec un tableau de bord. Le tableau de bord contient une combinaison de vignettes (visualisations graphiques, tableau de comparaison, Markdown, etc.), offrant une vue dynamique, flexible et personnalisable, qui vous permet d’explorer vos résultats d’expérimentation.
Le tableau de bord vous permet de gagner du temps, de garder vos résultats organisés et de prendre des décisions éclairées, notamment quant à l’opportunité de déployer votre modèle ou de le réentraîner.
Cet article explique comment utiliser et personnaliser votre tableau de bord avec les tâches suivantes :
- Explorer la vue de tableau de bord.
- Modifier les couleurs des travaux.
- Visualiser les travaux d’entraînement.
- Ajouter des graphiques.
- Modifier des graphiques.
- Comparer des travaux d’entraînement à l’aide de la vignette de comparaison.
- Monitorer vos ressources sur l’ensemble des travaux.
- Ajouter une vignette Markdown.
- Créer et enregistrer des vues personnalisées.
Conseil
- Si vous recherchez des informations sur l’utilisation du SDK v1 ou de l’interface CLI v1 Azure Machine Learning, consultez Comment suivre, monitorer et analyser des tâches (v1).
- Si vous recherchez des informations sur le monitoring des tâches d’entraînement à partir de l’interface CLI ou du SDK v2, consultez Suivre des expériences avec MLflow et l’interface CLI v2.
- Si vous recherchez des informations sur la supervision du service Azure Machine Learning et des services Azure associés, consultez Guide pratique pour superviser Azure Machine Learning.
- Si vous recherchez des informations sur le monitoring des modèles déployés sur des points de terminaison en ligne, consultez Analyser les points de terminaison en ligne.
Important
Les éléments marqués (préversion) dans cet article sont actuellement en préversion publique. La préversion est fournie sans contrat de niveau de service et n’est pas recommandée pour les charges de travail en production. Certaines fonctionnalités peuvent être limitées ou non prises en charge. Pour plus d’informations, consultez Conditions d’Utilisation Supplémentaires relatives aux Évaluations Microsoft Azure.
Prérequis
Vous devez disposer des éléments suivants :
-
Pour utiliser Azure Machine Learning, vous avez besoin d’un espace de travail. Si vous n’en avez pas, suivez la procédure Créer les ressources nécessaires pour commencer pour créer un espace de travail et en savoir plus sur son utilisation.
Exécuter un ou plusieurs travaux dans votre espace de travail pour que des résultats soient disponibles dans le tableau de bord. Suivez le Tutoriel : Entraîner un modèle dans Azure Machine Learning si vous n’avez pas encore de travaux.
Activez cette fonctionnalité d’évaluation dans le panneau d’aperçu.
Explorer la vue de tableau de bord
Nous allons à présent voir vos travaux dans le studio :
- Sélectionnez Travaux dans le panneau de navigation de gauche.
- Sélectionnez Toutes les expériences pour voir tous les travaux d’une expérience ou Toutes les tâches pour voir tous les travaux soumis dans l’espace de travail.
Vous êtes maintenant dans la vue de tableau de bord par défaut. Vous y trouvez votre liste de travaux concentrée dans la barre latérale gauche et le contenu du tableau de bord à droite.
Si vous sélectionnez une expérience spécifique, vous accédez automatiquement à la vue de tableau de bord.
Vue de liste de travaux
La barre latérale gauche présente une vue réduite de votre liste de travaux. Vous pouvez la filtrer, ajouter des colonnes et épingler des colonnes en cliquant sur l’icône correspondante en regard de la barre de recherche.
L’épinglage de colonnes simplifie la vue de liste en affichant uniquement les colonnes que vous avez épinglées. Vous pouvez également modifier la largeur de la liste de travaux pour voir plus ou moins d’informations.
Pour les travaux de balayage et AutoML, vous pouvez facilement identifier le meilleur essai et le meilleur modèle avec l’étiquette Meilleur en regard du nom d’affichage du travail concerné. Ceci simplifie les comparaisons entre ces travaux.
Sections
Le tableau de bord est constitué de sections qui peuvent être utilisées pour organiser différentes vignettes et informations.
Par défaut, vous trouverez toutes vos métriques d’entraînement journalisées dans la section Métriques personnalisées et l’utilisation des ressources dans la section Métriques de ressource.
Vous pouvez effectuer les actions suivantes :
- Changez le nom d’une section en pointant dessus et en cliquant sur l’icône en forme de crayon.
- Déplacez les sections vers le haut et vers le bas et supprimez celles dont vous n’avez plus besoin.
- Masquez/affichez des vignettes et organisez-les dans une section.
Vignettes
Les vignettes ont différents types de contenu (graphique en courbes, graphique à barres, nuage de points et Markdown, par exemple) et peuvent être ajoutées à une section pour constituer un tableau de bord.
Par défaut, les sections Métriques personnalisées et Métriques de ressource génèrent des vignettes de graphique pour chacune des métriques.
Pour trouver facilement la vignette avec la métrique qui vous intéresse le plus, utilisez la barre de recherche afin de rechercher des vignettes spécifiques en fonction des noms de métriques que vous avez journalisés.
Modifier les couleurs des travaux
Une couleur par défaut est attribuée à chaque travail visualisé dans votre tableau de bord, à partir de la palette de couleurs système.
Vous pouvez conserver les couleurs attribuées ou tirer parti du sélecteur de couleurs pour changer facilement les couleurs des travaux affichés dans les graphiques.
Pour ouvrir le sélecteur de couleurs, sélectionnez le point de couleur en regard du travail. Modifiez ensuite la couleur en utilisant la palette, les valeurs RVB ou le code hexadécimal.
Visualiser des travaux
Sélectionnez l’icône en forme d’œil pour afficher ou masquer des travaux dans la vue de tableau de bord et affiner les résultats pour voir uniquement ceux qui vous intéressent le plus. Cela vous offre la flexibilité nécessaire pour gérer votre liste de travaux et explorer différents groupes de travaux à visualiser.
Pour réduire la liste afin d’afficher uniquement les travaux visualisés dans le tableau de bord, cliquez sur l’œil, en haut, pour Afficher uniquement les travaux visualisés.
Pour réinitialiser et commencer à choisir un nouvel ensemble de travaux à visualiser, vous pouvez cliquer sur l’œil, en haut, pour Ne visualiser aucun travail afin d’effacer tous les travaux du tableau de bord. Ensuite, sélectionnez le nouvel ensemble de travaux.
Ajouter des graphiques
Créez un graphique personnalisé à ajouter à votre vue de tableau de bord si vous souhaitez obtenir un tracé pour un ensemble de métriques ou avec un style spécifique. Azure Machine Learning studio prend en charge les graphiques en courbes, à barres, en nuage de points et en coordonnées parallèles, que vous pouvez ajouter à votre vue.
Modifier des graphiques
Ajoutez le lissage des données, ignorez les valeurs hors norme et modifiez l’axe X pour tous les graphiques dans votre vue de tableau de bord avec l’éditeur de graphique global.
Vous pouvez également effectuer ces actions pour un graphique individuel en sélectionnant l’icône en forme de crayon afin de personnaliser des graphiques spécifiques selon vos préférences. Vous pouvez aussi modifier le style de type de trait et de marqueur pour les graphiques en courbes et en nuage de points respectivement.
Comparer vos travaux d’entraînement à l’aide de la vignette Comparer
Comparez les métriques, paramètres et étiquettes journalisés entre vos travaux visualisés côte à côte dans ce tableau de comparaison. Par défaut, le système définit une base de référence permettant de voir facilement les différences entre les valeurs de métriques des différents travaux.
Modifiez la base de référence en pointant sur le nom d’affichage et en cliquant sur l’icône « base de référence ». L’affichage des différences uniquement réduit le nombre de lignes dans le tableau pour ne faire apparaître que celles qui présentent des valeurs différentes. Vous pouvez ainsi repérer facilement les facteurs qui ont contribué aux résultats.
Monitorer vos ressources sur l’ensemble des travaux
Faites défiler l’écran vers le bas, jusqu’à la section Métriques de ressource, pour voir l’utilisation de vos ressources entre les travaux. Cette vue offre des insights sur les ressources de votre travail sur une période continue de 30 jours.
Remarque
Cette vue prend uniquement en charge le calcul géré par Azure Machine Learning. Les travaux avec un runtime de moins de 5 minutes n’ont pas suffisamment de données pour remplir cette vue.
Ajouter une vignette Markdown
Ajoutez des vignettes Markdown à votre vue de tableau de bord pour résumer les insights, ajouter des commentaires, prendre des notes, etc. Il s’agit d’un excellent moyen d’ajouter un contexte et des références, à votre propre attention et à celle de votre équipe si vous partagez cette vue.
Créer et enregistrer des vues personnalisées
Après avoir appliqué des modifications à la liste de travaux et au tableau de bord, enregistrez toutes ces personnalisations comme Affichage personnalisé pour pouvoir reprendre facilement votre travail par la suite. Sélectionnez Options d’affichage>Enregistrer comme nouvel affichage pour enregistrer une vue personnalisée.
Les utilisateurs disposant d’autorisations d’espace de travail peuvent modifier ou consulter l’affichage personnalisé. Partagez également la vue personnalisée avec les membres de l’équipe pour une meilleure collaboration en sélectionnant Partager l’affichage.
Notes
Vous ne pouvez pas enregistrer de modifications apportées à la Vue par défaut, mais vous pouvez les enregistrer dans votre propre Affichage personnalisé. Utilisez les Options d’affichage pour gérer vos vues et notamment créer, modifier, renommer ou supprimer des vues.
Étapes suivantes
- Pour découvrir comment organiser et suivre vos travaux d’apprentissage, consultez Organiser et suivre les travaux d’apprentissage.
- Pour savoir comment enregistrer les mesures de vos expériences, consultez Enregistrer des métriques pendant les tâches d’entraînement.
- Pour découvrir comment superviser les ressources et les journaux dans Azure Machine Learning, consultez Supervision d’Azure Machine Learning.