共用方式為

啟動、監視及追蹤執行歷程記錄

  • 發行項

適用於：Python SDK azureml v1

適用於：Azure CLI ml 延伸模組 v1

適用於 Python v1 的 Azure Machine Learning SDK 和 Machine Learning CLI 提供各種方法，供您監視、組織及追蹤訓練和實驗的執行。 ML 的執行歷程記錄是可說明且可重複 ML 開發程序的重要部分。

提示

如需有關使用工作室的資訊，請參閱使用工作室追蹤、監視和分析執行。

若使用 Azure Machine Learning SDK v2，請參閱下列文章：

本文示範如何執行下列工作：

  • 監視執行效能。
  • 標記和尋找執行。
  • 對您的執行歷程記錄執行搜尋。
  • 執行取消或失敗。
  • 建立子執行。
  • 透過電子郵件通知來監視執行狀態。

提示

如果您要尋找有關監視 Azure Machine Learning 服務和相關聯 Azure 服務的資訊，請參閱如何監視 Azure Machine Learning。 如果您要尋找針對部署為 Web 服務的模型進行監視的資訊，請參閱收集模型資料和使用 Application Insights 進行監視。

必要條件

您將需要下列項目：

監視執行效能

  • 開始執行及其記錄程序

    適用於：Python SDK azureml v1

    1. 藉由從 azureml.core 套件匯入工作區、實驗、執行及 ScriptRunConfig 類別，設定您的實驗。

      import azureml.core
from azureml.core import Workspace, Experiment, Run
from azureml.core import ScriptRunConfig

ws = Workspace.from_config()
exp = Experiment(workspace=ws, name="explore-runs")

    2. 使用 start_logging() 方法開始執行及其記錄程序。

      notebook_run = exp.start_logging()
notebook_run.log(name="message", value="Hello from run!")

  • 監視執行的狀態

    適用於：Python SDK azureml v1

    • 使用 get_status() 方法取得執行的狀態。

      print(notebook_run.get_status())

    • 若要取得執行識別碼、執行時間和其他有關執行的詳細資料，請使用 get_details() 方法。

      print(notebook_run.get_details())

    • 當您的執行成功完成時，請使用 complete() 方法將其標示為已完成。

      notebook_run.complete()
print(notebook_run.get_status())

    • 如果您使用 Python 的 with...as 設計模式，執行會在執行超出範圍時，自動將本身標示為已完成。 您不需要手動將執行標示為已完成。

      with exp.start_logging() as notebook_run:
    notebook_run.log(name="message", value="Hello from run!")
    print(notebook_run.get_status())

print(notebook_run.get_status())

標記和尋找執行

在 Azure Machine Learning 中，您可以使用屬性和標記來協助組織和查詢執行中的重要資訊。

  • 新增屬性和標記

    適用於：Python SDK azureml v1

    若要將可搜尋的中繼資料新增至您的執行，請使用 add_properties() 方法。 例如，下列程式碼會將 "author" 屬性新增至執行：

    local_run.add_properties({"author":"azureml-user"})
print(local_run.get_properties())

    屬性是不可變的，因此屬性會建立用於進行稽核的永久記錄。 下列程式碼範例會產生錯誤，因為我們已經在上述程式碼中新增 "azureml-user" 作為 "author" 屬性值：

    try:
    local_run.add_properties({"author":"different-user"})
except Exception as e:
    print(e)

    不同於屬性，標記是可變動的。 若要為您實驗的取用者新增可搜尋且有意義的資訊，請使用 tag() 方法。

    local_run.tag("quality", "great run")
print(local_run.get_tags())

local_run.tag("quality", "fantastic run")
print(local_run.get_tags())

    您也可以新增簡單的字串標記。 當這些標記以索引鍵的形式出現在標記字典中時，其值為 None。

    local_run.tag("worth another look")
print(local_run.get_tags())

  • 查詢屬性和標記

    您可以查詢實驗內的執行，以傳回符合特定屬性和標記的執行清單。

    適用於：Python SDK azureml v1

    list(exp.get_runs(properties={"author":"azureml-user"},tags={"quality":"fantastic run"}))
list(exp.get_runs(properties={"author":"azureml-user"},tags="worth another look"))

執行取消或失敗

如果您發現錯誤，或您的執行時間太長而無法完成，您可以取消執行。

適用於：Python SDK azureml v1

若要使用 SDK 取消執行，請使用 cancel() 方法：

src = ScriptRunConfig(source_directory='.', script='hello_with_delay.py')
local_run = exp.submit(src)
print(local_run.get_status())

local_run.cancel()
print(local_run.get_status())

如果您的執行完成，但包含錯誤 (例如，使用了不正確的定型指令碼)，您可以使用 fail() 方法將其標示為失敗。

local_run = exp.submit(src)
local_run.fail()
print(local_run.get_status())

建立子執行

適用於：Python SDK azureml 第 1 版

建立子執行以將相關的執行群組在一起，例如用於不同的超參數微調反覆項目。

注意

您只能使用 SDK 來建立子執行。

這個程式碼範例會使用 child_run() 方法，在提交的執行內使用 hello_with_children.py 指令碼建立五個子執行的批次：

!more hello_with_children.py
src = ScriptRunConfig(source_directory='.', script='hello_with_children.py')

local_run = exp.submit(src)
local_run.wait_for_completion(show_output=True)
print(local_run.get_status())

with exp.start_logging() as parent_run:
    for c,count in enumerate(range(5)):
        with parent_run.child_run() as child:
            child.log(name="Hello from child run", value=c)

注意

當子執行移出範圍時，子執行會自動標示為已完成。

若要有效率地建立許多子執行，請使用 create_children() 方法。 因為每個建立都會導致網路呼叫，所以建立批次的執行比逐一建立執行更有效率。

提交子執行

您也可以從父執行提交子執行。 這可讓您建立父系和子執行的階層。 您無法建立無父系子回合：即使父執行不會執行任何動作，而只是啟動子執行，還是必須建立階層。 所有執行的狀態都是獨立的：即使有一或多個子執行已取消或失敗，父系也可以處於 "Completed" 成功狀態。

您可能會想要讓子執行的執行組態與父執行不同。 例如，您可能會針對父系使用較不強大的 CPU 型組態，同時針對您的子系使用 GPU 型組態。 另一種常見的情況是傳遞每個子系不同的引數和資料。 若要自訂子執行，請為子執行建立 ScriptRunConfig 物件。

重要

若要從遠端計算上的父執行提交子執行，您必須先登入父執行程式碼中的工作區。 根據預設，遠端執行中的執行內容物件沒有提交子執行的認證。 使用服務主體或受控識別認證來登入。 如需有關驗證的詳細資訊，請參閱設定驗證。

下列程式碼：

  • 從工作區 ws 擷取名為 "gpu-cluster" 的計算資源
  • 反覆運算不同的引數值，以傳遞給子 ScriptRunConfig 物件
  • 使用自訂計算資源和引數，建立並提交新的子執行
  • 封鎖直到所有子執行完成為止
# parent.py
# This script controls the launching of child scripts
from azureml.core import Run, ScriptRunConfig

compute_target = ws.compute_targets["gpu-cluster"]

run = Run.get_context()

child_args = ['Apple', 'Banana', 'Orange']
for arg in child_args: 
    run.log('Status', f'Launching {arg}')
    child_config = ScriptRunConfig(source_directory=".", script='child.py', arguments=['--fruit', arg], compute_target=compute_target)
    # Starts the run asynchronously
    run.submit_child(child_config)

# Experiment will "complete" successfully at this point. 
# Instead of returning immediately, block until child runs complete

for child in run.get_children():
    child.wait_for_completion()

若要有效率地建立具有相同組態、引數和輸入的許多子執行，請使用 create_children() 方法。 因為每個建立都會導致網路呼叫，所以建立批次的執行比逐一建立執行更有效率。

在子執行中，您可以檢視父執行識別碼：

## In child run script
child_run = Run.get_context()
child_run.parent.id

查詢子執行

若要查詢特定父系的子執行，請使用 get_children() 方法。 recursive = True 引數可讓您查詢子系和孫系的巢狀樹狀目錄。

print(parent_run.get_children())

記錄到父系或根執行

您可以使用 Run.parent 欄位來存取啟動目前子執行的執行。 使用 Run.parent 的常見使用案例是將記錄結果合併到單一位置。 子執行會以非同步方式執行，而且不保證順序或同步處理不會超過父系等候其子執行完成的能力。

# in child (or even grandchild) run

def root_run(self : Run) -> Run :
    if self.parent is None : 
        return self
    return root_run(self.parent)

current_child_run = Run.get_context()
root_run(current_child_run).log("MyMetric", f"Data from child run {current_child_run.id}")

透過電子郵件通知來監視執行狀態

  1. 在 Azure 入口網站的左側導覽列中，選取 [監視] 索引標籤。

  2. 選取 [診斷設定]，然後選取 [+ 新增診斷設定]。

    電子郵件通知的診斷設定螢幕快照。

  3. 在 [診斷設定] 中，

    1. 在 [類別詳細資料] 底下，選取 [AmlRunStatusChangedEvent]。
    2. 在 [目的地詳細資料] 中，選取 [傳送至 Log Analytics 工作區]，並指定 [訂 用帳戶] 和 [Log Analytics 工作區]。

    注意

    [Azure Log Analytics 工作區] 是與 [Azure Machine Learning service 工作區] 不同類型的 Azure 資源。 如果該清單中沒有任何選項，則您可以建立 Log Analytics 工作區。

    設定電子郵件通知的螢幕快照。

  4. 在 [記錄] 索引標籤中，新增 [新增警示規則]。

    新警示規則的 Screeenshot。

  5. 請參閱如何使用 Azure 監視器來建立和管理記錄警示。

Notebook 範例

下列筆記本示範了此文章中說明的概念：

下一步