Naplózás engedélyezése az Azure Machine Tanulás tervezői folyamatokban

Ebből a cikkből megtudhatja, hogyan adhat hozzá naplózási kódot a tervezői folyamatokhoz. Azt is megtudhatja, hogyan tekintheti meg ezeket a naplókat az Azure Machine Tanulás Studio webportálján.

A metrikák SDK-létrehozási felülettel történő naplózásáról az Azure Machine-Tanulás kísérletfuttatások és metrikák monitorozása című témakörben olvashat bővebben.

Naplózás engedélyezése Python-szkript végrehajtásával

A Python-szkript végrehajtása összetevővel engedélyezheti a naplózást a tervezői folyamatokban. Bár ezzel a munkafolyamattal bármilyen értéket naplózhat, különösen hasznos, ha metrikákat naplóz a Modell kiértékelése összetevőből, hogy nyomon kövesse a modellek teljesítményét a futtatások során.

Az alábbi példa bemutatja, hogyan naplózhatja két betanított modell átlagos négyzetes hibáját a Modell kiértékelése és a Python-szkriptek végrehajtása összetevővel.

1. CsatlakozásPython-szkript összetevő végrehajtása a Modell kiértékelése összetevő kimenetére.

   

2. Illessze be a következő kódot az Execute Python Script code editorba a betanított modell átlagos abszolút hibájának naplózásához. Hasonló mintával bármilyen más értéket naplózhat a tervezőben:

   ÉRVÉNYES:Python SDK azureml v1

   # dataframe1 contains the values from Evaluate Model
   def azureml_main(dataframe1=None, dataframe2=None):
       print(f'Input pandas.DataFrame #1: {dataframe1}')
   
       from azureml.core import Run
   
       run = Run.get_context()
   
       # Log the mean absolute error to the parent run to see the metric in the run details page.
       # Note: 'run.parent.log()' should not be called multiple times because of performance issues.
       # If repeated calls are necessary, cache 'run.parent' as a local variable and call 'log()' on that variable.
       parent_run = Run.get_context().parent
   
       # Log left output port result of Evaluate Model. This also works when evaluate only 1 model.
       parent_run.log(name='Mean_Absolute_Error (left port)', value=dataframe1['Mean_Absolute_Error'][0])
       # Log right output port result of Evaluate Model. The following line should be deleted if you only connect one Score component to the` left port of Evaluate Model component.
       parent_run.log(name='Mean_Absolute_Error (right port)', value=dataframe1['Mean_Absolute_Error'][1])
   
       return dataframe1,
   

Ez a kód az Azure Machine Tanulás Python SDK-t használja az értékek naplózásához. A Run.get_context() használatával lekéri az aktuális futtatás környezetét. Ezután a run.parent.log() metódussal naplózza az értékeket a környezetbe. Az összetevő futtatása helyett az értékeket a szülőfolyamat-futtatásra naplózza parent .

A Python SDK értékek naplózásához való használatával kapcsolatos további információkért lásd: Naplózás engedélyezése az Azure Machine-ben Tanulás betanítási futtatások.

Naplók megtekintése

A folyamat futtatása után a Mean_Absolute_Error a Kísérletek lapon tekintheti meg.

1. Lépjen a Feladatok szakaszra .

2. Válassza ki a kísérletet.

3. Válassza ki a megtekinteni kívánt feladatot a kísérletben.

4. Válassza a Metrikák lehetőséget.

   

További lépések

Ebben a cikkben megtanulta, hogyan használhatja a naplókat a tervezőben. A következő lépésekért tekintse meg az alábbi kapcsolódó cikkeket:

• Ismerje meg, hogyan háríthatja el a tervezői folyamatokat, lásd : Hibakeresés és az ML-folyamatok hibaelhárítása.
• Megtudhatja, hogyan naplózhat metrikákat a Python SDK használatával az SDK szerzői felületén, lásd: Naplózás engedélyezése az Azure Machine-ben Tanulás betanítási futtatások.
• Megtudhatja, hogyan használható a Python-szkript végrehajtása a tervezőben.