As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Registro de parâmetros e métricas com o Amazon SageMaker Experiments

Este guia mostra como registrar parâmetros e métricas com o Amazon SageMaker Experiments. Um experimento de SageMaker IA consiste em execuções, e cada execução consiste em todas as entradas, parâmetros, configurações e resultados para uma única interação de treinamento de modelo.

Você pode registrar parâmetros e métricas em uma função remota usando o decorador @remote ou a API RemoteExecutor.

Para registrar parâmetros e métricas em uma função remota, escolha um dos seguintes métodos:

As seções a seguir mostram como criar e rastrear linhagens com experimentos de SageMaker IA executados usando os métodos listados anteriormente. As seções também descrevem casos que não são suportados pelo SageMaker treinamento.

Use o decorador @remote para integrar com SageMaker Experimentos

Você pode instanciar um experimento em SageMaker IA ou carregar um experimento de SageMaker IA atual de dentro de uma função remota. As seções a seguir mostram como usar qualquer um dos métodos.

Crie um experimento com SageMaker Experimentos

Você pode criar um experimento executado em um experimento de SageMaker IA. Para fazer isso, você passa o nome do experimento, o nome da execução e outros parâmetros para a função remota.

O exemplo de código a seguir importa o nome do experimento e da execução e os parâmetros a serem registrados durante cada execução. Os parâmetros param_1 e param_2 são registrados ao longo do tempo dentro de um ciclo de treinamento. Os parâmetros comuns poderão incluir tamanho do lote ou épocas. Neste exemplo, as métricas metric_a e metric_b são registradas para uma corrida ao longo do tempo dentro de um ciclo de treinamento. Outras métricas comuns poderão incluir accuracy ou loss.

from sagemaker.remote_function import remote
from sagemaker.experiments.run import Run

# Define your remote function
@remote
def train(value_1, value_2, exp_name, run_name):
    ...
    ...
    #Creates the experiment
    with Run(
        experiment_name=exp_name,
        run_name=run_name,
    ) as run:
        ...
        #Define values for the parameters to log
        run.log_parameter("param_1", value_1)
        run.log_parameter("param_2", value_2) 
        ...
        #Define metrics to log
        run.log_metric("metric_a", 0.5)
        run.log_metric("metric_b", 0.1)


# Invoke your remote function        
train(1.0, 2.0, "my-exp-name", "my-run-name")

Carregue SageMaker os experimentos atuais com um trabalho iniciado pelo decorador @remote

Use a load_run() função da biblioteca SageMaker Experiments para carregar o objeto de execução atual do contexto de execução. Você também pode usar a função load_run() na função remota. Carregue o objeto de execução inicializado localmente pela instrução with no objeto de execução, conforme mostrado no exemplo de código a seguir.

from sagemaker.experiments.run import Run, load_run

# Define your remote function
@remote
def train(value_1, value_2):
    ...
    ...
    with load_run() as run:
        run.log_metric("metric_a", value_1)
        run.log_metric("metric_b", value_2)


# Invoke your remote function
with Run(
    experiment_name="my-exp-name",
    run_name="my-run-name",
) as run:
    train(0.5, 1.0)

Carregar um experimento atual executado em um trabalho iniciado com a API RemoteExecutor

Você também pode carregar um experimento de SageMaker IA atual executado se seus trabalhos tiverem sido iniciados com a RemoteExecutor API. O exemplo de código a seguir mostra como usar a RemoteExecutor API com a load_run função SageMaker Experiments. Você faz isso para carregar um experimento de SageMaker IA atual executado e capturar métricas no trabalho enviado porRemoteExecutor.

from sagemaker.experiments.run import Run, load_run

def square(x):
    with load_run() as run:
        result = x * x
        run.log_metric("result", result)
    return result


with RemoteExecutor(
    max_parallel_job=2,
    instance_type="ml.m5.large"
) as e:
    with Run(
        experiment_name="my-exp-name",
        run_name="my-run-name",
    ):
        future_1 = e.submit(square, 2)

Usos não suportados para SageMaker experimentos ao anotar seu código com um decorador @remote

SageMaker A IA não oferece suporte à passagem Run de um objeto de tipo para uma função @remote ou ao uso de Run objetos globais. Os exemplos a seguir mostram um código que emitirá um SerializationError.

O exemplo de código a seguir tenta passar um objeto de tipo Run para um decorador @remote e gera um erro.

@remote
def func(run: Run):
    run.log_metrics("metric_a", 1.0)
    
with Run(...) as run:
    func(run) ---> SerializationError caused by NotImplementedError

O exemplo de código a seguir tenta usar um objeto run global instanciado fora da função remota. No exemplo de código, a função train() é definida dentro do contexto with Run, fazendo referência a um objeto global executado de dentro. Quando o train() é chamado, ele gera um erro.

with Run(...) as run:
    @remote
    def train(metric_1, value_1, metric_2, value_2):
        run.log_parameter(metric_1, value_1)
        run.log_parameter(metric_2, value_2)
    
    train("p1", 1.0, "p2", 0.5) ---> SerializationError caused by NotImplementedError