Die vollständige Laufkonfiguration erfassen
Speichern Sie Umgebung und Konfiguration, damit ein Lauf vollständig reproduzierbar ist.
Die vollständige Laufkonfiguration erfassen ist eine kostenlose MLOps Academy-Lektion auf CoddyKit. Dies ist Lektion 4 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des MLOps Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der MLOps Academy-Kurs umfasst insgesamt 4 Lektionen.
Festgeschriebene Versionen sind nur die halbe Geschichte
Sie haben Pakete und Seeds festgeschrieben, aber ein Lauf besitzt auch Stellschrauben wie Lernrate und Batch-Größe. Erfassen Sie zusätzlich die vollständige Laufkonfiguration. 🗂️
Keine Werte mehr hartcodieren
In den Code eingebettete Zahlen sind später unsichtbar. Überführen Sie jede anpassbare Stellschraube in eine zentrale Konfiguration, die Sie auf einen Blick lesen können.
Eine YAML-Konfigurationsdatei
Eine kleine config.yaml enthält Ihre Hyperparameter als einfachen, gut lesbaren Text direkt neben Ihrem Code.
lr: 0.001
batch_size: 32
epochs: 10
seed: 42In Python laden
Lesen Sie die Datei beim Start einmal mit yaml.safe_load ein und übergeben Sie die Werte an Ihren Trainingscode.
import yaml
cfg = yaml.safe_load(open('config.yaml'))Die Codeversion erfassen
Die Konfiguration reicht nicht aus, wenn sich der Code geändert hat. Zeichnen Sie den exakten git commit auf, damit Sie wissen, welcher Code den Lauf erzeugt hat.
git rev-parse HEADDie Umgebung erfassen
Speichern Sie mit jedem Lauf einen pip freeze-Snapshot, damit Sie genau wissen, welche Bibliotheksversionen installiert waren.
pip freeze > run_env.txtDie Datenversion als Snapshot erfassen
Derselbe Code mit anderen Daten erzeugt andere Modelle. Protokollieren Sie daher die Datenversion oder den Hash der Daten, die in diesen Lauf eingeflossen sind.
Die Konfiguration in MLflow protokollieren
Tools wie MLflow speichern Ihre Einstellungen als durchsuchbare params und verknüpfen die Konfiguration direkt mit den Metriken des Laufs.
mlflow.log_params(cfg)Über die CLI überschreiben
Tools wie Hydra ermöglichen es Ihnen, jeden Konfigurationswert über die Kommandozeile anzupassen, ohne die Datei überhaupt zu bearbeiten.
python train.py lr=0.01 epochs=20Die Laufartefakte bündeln
Speichern Sie Konfiguration, Umgebung, Commit und Seed gemeinsam als einen Laufdatensatz. Dieses Paket ermöglicht es, ein Ergebnis wiederherzustellen.
Der Reproduzierbarkeitstest
Der echte Test: Übergeben Sie Ihren Laufdatensatz einem Teammitglied, und es erhält dasselbe Modell. Falls nicht, wurde etwas nicht erfasst.
Kurze Überprüfung
Sie haben Ihre Konfiguration und den Seed gespeichert, aber ein erneuter Lauf unterscheidet sich weiterhin. Was fehlt wahrscheinlich?
Zusammenfassung
Sie erfassen jetzt die vollständige Laufkonfiguration: Hyperparameter, Git-Commit, Umgebung, Datenversion und Seed, sodass jeder Lauf zuverlässig neu erstellt werden kann. 📦
Häufig gestellte Fragen
Ist die Lektion „Die vollständige Laufkonfiguration erfassen“ kostenlos?
Ja — der vollständige Text von „Die vollständige Laufkonfiguration erfassen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des MLOps Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der MLOps Academy-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Die vollständige Laufkonfiguration erfassen“?
Speichern Sie Umgebung und Konfiguration, damit ein Lauf vollständig reproduzierbar ist. Du übst MLOps Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um MLOps Academy zu starten?
Keine Vorkenntnisse erforderlich. MLOps Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 4 von 4.
Wie lange dauert die Lektion „Die vollständige Laufkonfiguration erfassen“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser MLOps Academy-Lektion Code schreiben und ausführen?
Ja. Jede MLOps Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- Abhängigkeiten mit requirements.txt festschreiben
- Projekte mit virtuellen Umgebungen isolieren
- Zufallswerte für reproduzierbare Läufe festlegen
- Die vollständige Laufkonfiguration erfassen