บันทึกพารามิเตอร์ เมตริก และอาร์ติแฟกต์
เก็บไฮเปอร์พารามิเตอร์ คะแนน และไฟล์ในแต่ละการทำงาน
บันทึกพารามิเตอร์ เมตริก และอาร์ติแฟกต์ เป็นบทเรียน MLOps Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน MLOps Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน
สามสิ่งที่ต้องบันทึก
ภายในการเรียกใช้ คุณจะเก็บข้อมูลสามประเภท ได้แก่ พารามิเตอร์ที่เลือก ตัวชี้วัดที่วัดได้ และไฟล์ที่สร้างขึ้น
บันทึกพารามิเตอร์
พารามิเตอร์คือข้อมูลนำเข้าที่คุณเลือก เช่น อัตราการเรียนรู้หรือความลึกของต้นไม้ บันทึกไว้ครั้งเดียวเพื่อให้ทราบเสมอว่าการเรียกใช้ถูกตั้งค่าไว้อย่างไร
mlflow.log_param("learning_rate", 0.01)บันทึกพารามิเตอร์หลายรายการพร้อมกัน
มีพจนานุกรมการตั้งค่าทั้งชุดใช่ไหม ใช้ log_params เพื่อบันทึกคีย์และค่าทุกคู่ในการเรียกใช้ครั้งเดียว แทนการเขียนทีละบรรทัด
mlflow.log_params({"max_depth": 6, "n_estimators": 200})บันทึกตัวชี้วัด
ตัวชี้วัดคือตัวเลขที่โมเดลทำได้ เช่น ความแม่นยำหรือค่าความสูญเสีย บันทึกไว้เพื่อจัดอันดับและเปรียบเทียบการเรียกใช้ในภายหลัง
mlflow.log_metric("accuracy", 0.92)ตัวชี้วัดมีขั้นตอนได้
ตัวชี้วัดเปลี่ยนแปลงระหว่างการฝึก ส่ง ขั้นตอนเพื่อบันทึกค่าความสูญเสียในแต่ละยุค แล้ว MLflow จะวาดเส้นโค้งให้คุณตรวจสอบในส่วนติดต่อผู้ใช้
for epoch in range(10):
mlflow.log_metric("loss", loss, step=epoch)สิ่งที่สร้างขึ้นคืออะไร
สิ่งที่สร้างขึ้นคือไฟล์ใด ๆ ที่การเรียกใช้สร้างขึ้น เช่น โมเดลที่บันทึกไว้ แผนภูมิ รูปเมทริกซ์ความสับสน หรือ CSV ของค่าทำนาย
บันทึกสิ่งที่สร้างขึ้น
ใช้ log_artifact เพื่อแนบไฟล์ในเครื่องเข้ากับการเรียกใช้ MLflow จะคัดลอกไฟล์นั้นไปยังแหล่งจัดเก็บสิ่งที่สร้างขึ้น เพื่อให้ไฟล์ยังเชื่อมโยงกับการทดลองนั้น
mlflow.log_artifact("confusion_matrix.png")พารามิเตอร์กับตัวชี้วัด
กฎง่าย ๆ คือ พารามิเตอร์เป็นข้อมูลนำเข้าที่คุณควบคุม ส่วนตัวชี้วัดเป็นผลลัพธ์ที่คุณวัด การบันทึกทั้งสองอย่างทำให้เปรียบเทียบการเรียกใช้ได้อย่างสมบูรณ์
ติดป้ายกำกับการเรียกใช้
เพิ่ม ป้ายกำกับเพื่อใส่หมายเหตุอิสระให้การเรียกใช้ เช่น รุ่นข้อมูลหรือผู้ที่เป็นผู้เริ่มต้น ป้ายกำกับช่วยให้ค้นหาในภายหลังได้ง่ายขึ้นมาก
mlflow.set_tag("data_version", "v3")ทุกอย่างอยู่ในการเรียกใช้
พารามิเตอร์ ตัวชี้วัด และสิ่งที่สร้างขึ้นทุกอย่างจะเชื่อมกับการเรียกใช้ที่กำลังทำงานอยู่ เมื่อปิดการเรียกใช้ ภาพบันทึกนั้นจะถูกตรึงไว้ตลอดไปเพื่อให้คุณกลับมาดูได้
บันทึกให้เร็วและบันทึกให้บ่อย
การบันทึกมีต้นทุนต่ำ แต่การสูญเสียมีต้นทุนสูง เก็บ ทุกสิ่งที่อาจสำคัญไว้ เพราะคุณไม่สามารถสร้างการเรียกใช้ที่ไม่ได้บันทึกขึ้นใหม่ได้
ตรวจสอบสั้น ๆ
มาตรวจสอบกันว่าคุณแยกพารามิเตอร์ออกจากตัวชี้วัดได้
สรุปทบทวน
คุณบันทึก พารามิเตอร์ ตัวชี้วัดพร้อมขั้นตอน สิ่งที่สร้างขึ้น และป้ายกำกับแล้ว ตอนนี้การเรียกใช้มีเรื่องราวครบถ้วน พร้อมเปรียบเทียบกับรายการอื่น ✅
เรียนรู้ Python ด้วย AI tutor — ฟรี
เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป
- คอร์ส
- 30
- บทเรียน
- 120
คำถามที่พบบ่อย
บทเรียน “บันทึกพารามิเตอร์ เมตริก และอาร์ติแฟกต์” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “บันทึกพารามิเตอร์ เมตริก และอาร์ติแฟกต์” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส MLOps Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “บันทึกพารามิเตอร์ เมตริก และอาร์ติแฟกต์”
เก็บไฮเปอร์พารามิเตอร์ คะแนน และไฟล์ในแต่ละการทำงาน คุณปฏิบัติ MLOps Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน MLOps Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน MLOps Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 2 จากทั้งหมด 4 บทเรียน
บทเรียน “บันทึกพารามิเตอร์ เมตริก และอาร์ติแฟกต์” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน MLOps Academy นี้ได้ไหม
ได้ บทเรียน MLOps Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- ติดตั้ง MLflow และเริ่มติดตามผล
- บันทึกพารามิเตอร์ เมตริก และอาร์ติแฟกต์
- เปรียบเทียบการทำงานในหน้าจอ MLflow
- บันทึกอัตโนมัติด้วยโค้ดเพียงหนึ่งบรรทัด