Feladatok monitorozása és elemzése a studióban
A Azure Machine Learning stúdió használatával figyelheti, rendszerezheti és nyomon követheti a feladatokat a betanításhoz és a kísérletezéshez. Az ML-feladatelőzmények fontos részét képezik egy magyarázható és megismételhető gépi tanulási fejlesztési folyamatnak.
Ez a cikk a következő feladatok elvégzését mutatja be:
- Adja meg a feladat megjelenítendő nevét.
- Egyéni nézet létrehozása.
- Adjon meg egy feladatleírást.
- Feladatok címkézése és keresése.
- Futtassa a keresést a feladatelőzmények között.
- Feladatok megszakítása vagy meghiúsulása.
- A feladat állapotának figyelése e-mailes értesítéssel.
- A feladat erőforrásainak monitorozása (előzetes verzió)
Tipp
- Ha az Azure Machine Learning SDK v1 vagy a CLI v1 használatával kapcsolatos információkat keres, tekintse meg a feladatok nyomon követését, monitorozását és elemzését (v1) ismertető cikket.
- Ha a parancssori felületről vagy az SDK v2-ből származó betanítási feladatok monitorozásával kapcsolatos információkat keres, tekintse meg a Kísérletek követése az MLflow-val és a CLI v2-vel című cikket.
- Ha az Azure Machine Learning szolgáltatás és a kapcsolódó Azure-szolgáltatások monitorozásával kapcsolatos információkat keres, tekintse meg az Azure Machine Learning monitorozását ismertető cikket.
Ha az online végpontokon üzembe helyezett monitorozási modellekről szeretne információt keresni, tekintse meg az online végpontok monitorozását ismertető cikket.
Előfeltételek
A következő elemekre lesz szüksége:
- Az Azure Machine Learning használatához Azure-előfizetéssel kell rendelkeznie. Ha még nincs Azure-előfizetése, kezdés előtt hozzon létre egy ingyenes fiókot. Próbálja ki az Azure Machine Learning ingyenes vagy fizetős verzióját.
- Rendelkeznie kell egy Azure Machine Learning-munkaterületpel. A munkaterület a parancssori felület (v2) telepítésével, beállításával és használatával kapcsolatos szakaszban jön létre.
Feladat megjelenítendő neve
A feladat megjelenítendő neve nem kötelező és testre szabható név, amelyet megadhat a feladathoz. A feladat megjelenítendő nevének szerkesztése:
Lépjen a Feladatok listára.
Válassza ki a szerkeszteni kívánt feladatot.
Válassza a Szerkesztés gombot a feladat megjelenítendő nevének szerkesztéséhez.
Egyéni nézet
A stúdióban lévő feladatok megtekintése:
Lépjen a Feladatok lapra.
Válassza a Minden kísérlet lehetőséget egy kísérlet összes feladatának megtekintéséhez, vagy válassza a Minden feladat lehetőséget a munkaterületen elküldött összes feladat megtekintéséhez.
A Minden feladat lapon címkék, kísérletek, számítási cél és egyebek alapján szűrheti a feladatok listáját, hogy jobban rendszerezze és hatókörbe rendezze a munkáját.
Az összehasonlítandó feladatok kiválasztásával, diagramok hozzáadásával vagy szűrők alkalmazásával testre szabhatja az oldalt. Ezek a módosítások menthetők egyéni nézetként , így könnyen visszatérhet a munkájához. A munkaterületi engedélyekkel rendelkező felhasználók szerkeszthetik vagy megtekinthetik az egyéni nézetet. Emellett ossza meg az egyéni nézetet a csapattagokkal a jobb együttműködés érdekében a Nézet megosztása lehetőség kiválasztásával.
A feladatnaplók megtekintéséhez válasszon ki egy adott feladatot, és a Kimenetek + naplók lapon keresse meg a feladat diagnosztikai és hibanaplóit.
Feladat leírása
A feladat leírása hozzáadható egy feladathoz, hogy több kontextust és információt nyújtson a feladatnak. A feladatok listájából is kereshet ezekre a leírásokra, és a feladatleírást oszlopként is hozzáadhatja a feladatok listájához.
Lépjen a feladat Feladat részletei lapjára, és válassza a szerkesztés vagy ceruza ikont a feladat leírásainak hozzáadásához, szerkesztéséhez vagy törléséhez. A feladatlista módosításainak megőrzéséhez mentse a módosításokat a meglévő egyéni nézetbe vagy egy új egyéni nézetbe. A Markdown-formátum a feladatleírások esetében támogatott, így a képek beágyazhatók és mély csatolást végezhetnek az alább látható módon.
Feladatok címkézése és keresése
Az Azure Machine Learningben tulajdonságok és címkék használatával rendszerezheti és lekérdezheti a feladatokat fontos információkért.
Címkék szerkesztése
Feladatcímkéket adhat hozzá, szerkeszthet vagy törölhet a studióból. Lépjen a feladat Feladat részletei lapjára, és válassza a szerkesztés vagy ceruza ikont a feladatok címkéinek hozzáadásához, szerkesztéséhez vagy törléséhez. Ezekre a címkékre a feladatlista oldalán is kereshet és szűrhet.
Lekérdezés tulajdonságai és címkéi
A kísérleteken belüli feladatok lekérdezésével visszaadhatja az adott tulajdonságoknak és címkéknek megfelelő feladatok listáját.
Adott feladatok kereséséhez lépjen a Minden feladat listára. Innen két lehetőség közül választhat:
Használja a Szűrő hozzáadása gombot, és válassza a Címkék szűrése lehetőséget a feladatoknak a feladat(ok)hoz rendelt címke alapján történő szűréséhez.
VAGYA keresősáv segítségével gyorsan megkeresheti a feladat metaadatait, például a feladat állapotát, a leírásokat, a kísérletneveket és a beküldő nevét.
Feladatok megszakítása vagy meghiúsulása
Ha hibát észlel, vagy ha a feladat túl sokáig tart, megszakíthatja a feladatot.
A stúdióban lévő feladat megszakításához kövesse az alábbi lépéseket:
Lépjen a futó folyamatra a Feladatok vagy a Folyamatok szakaszban.
Válassza ki a megszakítani kívánt folyamatfeladat számát.
Az eszköztáron válassza a Mégse gombot.
A feladat állapotának figyelése e-mailes értesítéssel
A Azure Portal bal oldali navigációs sávjában válassza a Figyelés lapot.
Válassza a Diagnosztikai beállítások , majd a + Diagnosztikai beállítás hozzáadása lehetőséget.
A diagnosztikai beállításban
- A Kategória részletei területen válassza az AmlRunStatusChangedEvent lehetőséget.
- A Cél részletei területen válassza a Küldés a Log Analyticsbe munkaterületet , és adja meg az Előfizetés és a Log Analytics munkaterületet.
Megjegyzés
Az Azure Log Analytics-munkaterület más típusú Azure-erőforrás, mint az Azure Machine Learning Service-munkaterület. Ha a listában nincsenek lehetőségek, létrehozhat egy Log Analytics-munkaterületet.
A Naplók lapon adjon hozzá egy Új riasztási szabályt.
Tekintse meg , hogyan hozhat létre és kezelhet naplóriasztásokat az Azure Monitorral.
Következő lépések
- A kísérletek metrikáinak naplózásáról további információt a Metrikák naplózása a betanítási feladatok során című témakörben talál.
- Az Azure Machine Learningből származó erőforrások és naplók monitorozásáról az Azure Machine Learning monitorozása című témakörben olvashat.