Registrar métricas manualmente com os experimentos da Vertex AI

As métricas de série temporal do TensorBoard podem ser registradas manualmente com uma execução de experimentos da Vertex AI. Essas métricas são visualizadas no console de experimentos da Vertex AI ou no app da Web de experimentos do Vertex AI TensorBoard.

Para mais detalhes sobre a geração de registros de métricas e parâmetros, consulte Registrar dados manualmente em uma execução de experimento.

Python

from typing import Dict, Optional

from google.cloud import aiplatform
from google.protobuf import timestamp_pb2


def log_time_series_metrics_sample(
    experiment_name: str,
    run_name: str,
    metrics: Dict[str, float],
    step: Optional[int],
    wall_time: Optional[timestamp_pb2.Timestamp],
    project: str,
    location: str,
):
    aiplatform.init(experiment=experiment_name, project=project, location=location)

    aiplatform.start_run(run=run_name, resume=True)

    aiplatform.log_time_series_metrics(metrics=metrics, step=step, wall_time=wall_time)
  • experiment_name: dê um nome para o experimento.
  • run_name: forneça um nome de execução.
  • metrics: dicionário de onde as chaves são nomes de métricas e valores são valores de métricas.
  • step: opcional. Índice da etapa deste ponto de dados na execução.
  • wall_time: opcional. Carimbo de data/hora de relógio de parede quando esse ponto de dados é gerado pelo usuário final. Se não for fornecido, wall_time será gerado com base no valor de time.time().
  • project: . Esses IDs estão na página de boas-vindas do Cloud de Confiance console.
  • location: local do experimento e instância do TensorBoard. Se o experimento ou o TensorBoard ainda não existirem, eles serão criados neste local.