監視並分析 Studio 中的作業

可以使用 Azure Machine Learning 工作室來監視、組織和追蹤作業，以進行定型和實驗。您的 ML 作業記錄會有助於說明和重複 ML 開發程序。

本文示範如何執行下列工作：

提示

若想尋找使用 Azure Machine Learning SDK v1 或 CLI v1 的相關資訊，請參閱如何追蹤、監視和分析作業 (v1)。
若想尋找從 CLI 或 SDK v2 監視定型作業的相關資訊，請參閱使用 MLflow 和 CLI v2 來追蹤實驗。
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。

若想尋找部署至線上端點的監視模型相關資訊，請參閱監視線上端點。

必要條件

您將需要下列項目：

如要使用 Azure Machine Learning，您必須擁有 Azure 訂閱。如尚未擁有 Azure 訂用帳戶，請在開始之前先建立免費帳戶。試用免費或付費版本的 Azure Machine Learning。
您必須具有 Azure Machine Learning 工作區。在安裝、設定和使用 CLI (v2) 中建立工作區。

作業顯示名稱為可選用且可自訂的名稱，可以為您的作業來提供。若要編輯該作業顯示名稱：

若要在工作室中檢視您的作業：

在 [所有執行] 分頁中，您可以依標記、實驗和計算目標篩選作業清單，並讓組織和工作範圍設定，變得更好。

選取作業來比較、新增圖表或套用篩選，以對分頁進行自訂。這些變更可以另存為 [自訂檢視]，讓您可以輕鬆地返回您的工作。具有工作區權限的使用者可以編輯或檢視自訂檢視。此外，您也可以選取 [共用檢視]，與小組成員共用自訂檢視，以增強共同作業。
若要檢視作業記錄檔，請選取特定的作業，然後在 [輸出 + 記錄檔] 索引標籤中，可以找到作業的診斷和錯誤記錄檔。

作業描述可以新增至作業，以針對作業提供更多內容和資訊。您亦可以從作業清單中搜尋這些描述，並將作業描述新增為作業清單中的資料行。

瀏覽至作業的 [作業詳細資料] 分頁，然後選取編輯或鉛筆圖示，即可新增、編輯或刪除您的作業描述。若要保存作業清單的變更，請將變更儲存至現有的「自訂檢視」或新的「自訂檢視」。作業描述支援 Markdown 格式，允許內嵌影像和深層連結，如下列所示。

Screenshot of how to create a job description.

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

編輯標籤

可以從工作室新增、編輯或刪除作業標記。瀏覽至作業的 [作業詳細資料] 分頁，然後選取編輯或鉛筆圖示，即可新增、編輯或刪除您的作業描述。您也可以從作業清單分頁來搜尋並篩選這些標記。
查詢屬性和標記

可以查詢實驗內的作業，以傳回符合特定屬性和標記的作業清單。

若要搜尋特定作業，請瀏覽至 [所有作業] 清單。您在這裡有兩個選項：
1. 使用 [新增篩選] 按鈕，然後在標記上選取 [篩選]，依指派給作業的標記來篩選您的作業。
  
  OR
2. 透過搜尋作業的中繼資料 (例如執行狀態、描述、實驗名稱和提交者名稱)，以使用搜尋列快速尋找作業。

若發現錯誤，或作業時間過長而無法完成，則可以取消該作業。

若要在工作室中取消作業，請進行下列步驟：