Журналирование параметров, метрик и артефактов

Внутри запуска Вы фиксируете три вида данных: выбранные Вами параметры, измеренные метрики и созданные файлы.

Параметр — это выбранное Вами входное значение, например скорость обучения или глубина дерева. Запишите его один раз, чтобы всегда знать, как был настроен запуск.

У Вас есть целый словарь конфигурации? Используйте log_params, чтобы записать каждый ключ и значение одним вызовом вместо построчной записи.

Метрика — это число, полученное моделью, например точность или значение ошибки. Запишите её, чтобы позже ранжировать и сравнивать запуски.

Метрики меняются в процессе обучения. Передавайте шаг, чтобы записывать значение ошибки на каждой эпохе, а MLflow построит кривую для просмотра в интерфейсе.

Артефакт — это любой файл, созданный запуском: сохранённая модель, график, изображение матрицы ошибок или CSV с прогнозами.

Используйте log_artifact, чтобы прикрепить локальный файл к запуску. MLflow скопирует его в хранилище артефактов, и он останется связанным с этим экспериментом.

Практическое правило: параметр — это входное значение, которым Вы управляете, а метрика — измеряемый выходной результат. Запись обоих типов данных делает запуски полностью сопоставимыми.

Добавьте тег, чтобы пометить запуск произвольной заметкой, например указать версию данных или имя инициатора. Благодаря тегам последующий поиск становится намного проще.

Каждый параметр, метрика и артефакт прикрепляются к активному запуску. Закройте запуск — и этот снимок навсегда сохранится для последующего просмотра.

Записывать дёшево, а терять — дорого. Сохраняйте всё, что может оказаться важным, потому что невозможно восстановить запуск, который Вы не записали.

Проверим, умеете ли Вы отличать параметры от метрик.

Вы записали параметры, метрики с шагами, артефакты и теги. Теперь запуск содержит всю историю и готов к сравнению с остальными. ✅