Autolog dengan Satu Baris Kode
Biarkan MLflow mencatat proses sklearn dan PyTorch secara otomatis.
Autolog dengan Satu Baris Kode adalah pelajaran MLOps Academy gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar MLOps Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus MLOps Academy mencakup 4 pelajaran total.
Mencatat secara Manual Itu Membosankan
Memanggil log_param dan log_metric untuk setiap nilai akan cepat terasa membosankan. MLflow autolog menangkap sebagian besar data itu secara otomatis untuk Anda.
Satu Baris untuk Mengaktifkannya
Tambahkan satu pemanggilan sebelum pelatihan dan autolog akan terhubung ke pustaka Anda, lalu mencatat parameter, metrik, dan model dengan sendirinya.
import mlflow
mlflow.autolog()Pencatatan Otomatis Sklearn
Dengan autolog sklearn yang aktif, pemanggilan fit akan mencatat hiperparameter, skor pelatihan, dan estimator yang telah dilatih tanpa kode tambahan.
mlflow.sklearn.autolog()
model.fit(X_train, y_train)Pencatatan Otomatis PyTorch
Untuk pembelajaran mendalam, autolog bekerja melalui PyTorch Lightning, dengan menangkap metrik epoch dan checkpoint saat loop pelatihan berjalan.
mlflow.pytorch.autolog()Proses Dimulai untuk Anda
Autolog dapat memulai suatu proses secara otomatis saat fit dipanggil. Anda bahkan tidak memerlukan blok start_run yang eksplisit untuk skrip sederhana.
Hal yang Dicatat
Secara bawaan, autolog mencatat hiperparameter, metrik evaluasi, model yang telah dilatih, dan sering kali tanda tangan yang menjelaskan input serta output.
Gabungkan Otomatis dan Manual
Autolog dan pencatatan manual dapat digunakan bersama. Biarkan autolog menangkap hal-hal dasar, lalu tambahkan log_metric Anda sendiri untuk skor khusus yang tidak dikenalnya.
mlflow.autolog()
mlflow.log_metric("business_roi", roi)Sesuaikan Hal yang Dicatat
Autolog menerima berbagai opsi. Tanda seperti log_models memungkinkan Anda melewati artefak berukuran besar atau membisukan peringatan agar proses tetap ringan dan cepat.
mlflow.sklearn.autolog(log_models=False)Mendukung Banyak Pustaka
Gagasan yang sama berlaku untuk XGBoost, LightGBM, Keras, dan lainnya. Setiap integrasi mengetahui cara mengambil parameter dan metrik yang tepat untuk Anda.
Kenali Batasannya
Autolog memang praktis, tetapi bukan sihir. Autolog tidak menangkap apa pun yang khusus untuk proyek Anda, jadi catat sendiri metrik domain dan artefak penting.
Jadikan Autolog sebagai Bawaan
Mulailah setiap proyek dengan autolog yang aktif. Anda mendapatkan pelacakan yang kaya secara gratis, lalu menambahkan pencatatan manual hanya jika benar-benar memberi manfaat.
Pemeriksaan Singkat
Mari kita periksa hal-hal yang ditangani dan tidak ditangani oleh autolog.
Ringkasan
Anda telah mengaktifkan autolog, melihatnya menangkap parameter, metrik, dan model secara gratis, serta mempelajari cara menambahkan pencatatan manual pada bagian yang tidak ditanganinya. ✅
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Autolog dengan Satu Baris Kode” gratis?
Ya — teks lengkap “Autolog dengan Satu Baris Kode” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus MLOps Academy, upgrade ke CoddyKit PRO. Kursus MLOps Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Autolog dengan Satu Baris Kode”?
Biarkan MLflow mencatat proses sklearn dan PyTorch secara otomatis. Kamu berlatih MLOps Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai MLOps Academy?
Tidak diperlukan pengalaman sebelumnya. MLOps Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.
Berapa lama pelajaran “Autolog dengan Satu Baris Kode” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran MLOps Academy ini?
Ya. Setiap pelajaran MLOps Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Memasang MLflow dan Mulai Melacak
- Mencatat Parameter, Metrik, dan Artefak
- Membandingkan Proses di UI MLflow
- Autolog dengan Satu Baris Kode