Als Teil des Data-Science-Teams wollen Sie in der Testphase verschiedene Modellierungsansätze ausprobieren. Um die Reproduzierbarkeit zu sichern, hat jeder Ansatz unterschiedliche Parameter, die Sie manuell erfassen müssen. Das automatische Logging von Agent Platform SDK for Python ist eine einzeilige Code-SDK-Funktion, die MLflow nutzt. Es bietet automatisches Tracking von Messwerten und Parametern für Ihre Tests auf der Gemini Enterprise Agent Platform und für Testläufe.
Notebook: Automatisches Logging von Experimenten auf der Gemini Enterprise Agent Platform
Im Notebook „Experiments on Gemini Enterprise Agent Platform: Autologging“ erfahren Sie, wie Sie Experiments on Gemini Enterprise Agent Platform für folgende Aufgaben nutzen:
- Aktivieren des automatischen Logging im Agent Platform SDK für Python.
- Trainieren des scikit-learn-Modells und Anzeige der resultierenden Testausführung mit Messwerten und Parametern, die automatisch in Experiments auf der Gemini Enterprise Agent Platform protokolliert werden, ohne dass ein Testlauf festgelegt werden müsste.
- Trainieren des TensorFlow-Modells und prüfen automatisch protokollierter Messwerte und Parameter für Experiments auf der Gemini Enterprise Agent Platform, wozu manuell ein Testlauf mit
aiplatform.start_run()undaiplatform.end_run()festgelegt wird. - Deaktivieren des automatischen Logging im Agent Platform SDK für Python, trainieren eines PyTorch-Modells und prüfen, ob keiner der Parameter oder Messwerte protokolliert wird.