Gérez Amazon SageMaker Experiments dans Studio Classic

Important

Le suivi des SageMaker expériences à l'aide du SDK Experiments Python n'est disponible que dans Studio Classic. Nous vous recommandons d'utiliser la nouvelle expérience Studio et de créer des expériences à l'aide des dernières SageMaker intégrations avec MLflow. L'interface utilisateur MLflow n'est pas intégrée à Studio Classic. Si vous souhaitez utiliser MLflow avec Studio, vous devez lancer l'interface utilisateur MLflow à l'aide du. AWS CLI Pour plus d’informations, consultez Lancez l'interface utilisateur MLflow à l'aide du AWS CLI.

Amazon SageMaker Experiments Classic est une fonctionnalité d'Amazon SageMaker qui vous permet de créer, de gérer, d'analyser et de comparer vos expériences de machine learning dans Studio Classic.

Experiments Classic suit automatiquement les entrées, les paramètres, les configurations et les résultats de vos itérations sous forme d'exécutions. Vous pouvez attribuer, regrouper et organiser ces essais sous forme d'expériences. SageMaker Experiments est intégré à Amazon SageMaker Studio Classic, fournissant une interface visuelle permettant de parcourir vos tests actifs et passés, de comparer les essais selon des indicateurs de performance clés et d'identifier les modèles les plus performants. SageMaker Experiments suit toutes les étapes et tous les artefacts nécessaires à la création d'un modèle, et vous pouvez rapidement revisiter les origines d'un modèle lorsque vous résolvez des problèmes de production ou que vous auditez vos modèles à des fins de vérification de conformité.

Utilisez les SageMaker expériences pour visualiser, gérer, analyser et comparer à la fois les expériences personnalisées que vous créez par programmation et les expériences créées automatiquement à partir de SageMaker tâches.

Exemples de blocs-notes pour Experiments Classic

Les didacticiels suivants montrent comment suivre des exécutions dans le cadre de différentes expériences d'entraînement de modèles. Vous pouvez consulter les tests obtenus dans Studio Classic après avoir exécuté les blocs-notes. Pour un didacticiel présentant les fonctionnalités supplémentaires de Studio Classic, voirVisite classique d'Amazon SageMaker Studio.

Suivre des expériences dans un environnement de bloc-notes

Pour en savoir plus sur le suivi des expériences dans un environnement de bloc-notes, consultez les exemples de bloc-notes suivants :

• Track an experiment while training a Keras model locally (Suivre une expérience tout en entraînant un modèle Keras localement)

• Track an experiment while training a Pytorch model locally or in your notebook (Suivre une expérience tout en entraînant un modèle Pytorch localement ou dans votre bloc-notes)

Suivez les biais et l'explicabilité de vos expériences avec Clarify SageMaker

Pour un step-by-step guide sur le suivi des biais et de l'explicabilité de vos expériences, consultez l'exemple de bloc-notes suivant :

• Équité et explicabilité avec Clarify SageMaker

Suivez les expériences pour les tâches SageMaker de formation à l'aide du mode script

Pour plus d'informations sur le suivi des expériences pour les tâches de SageMaker formation, consultez les exemples de blocs-notes suivants :

• Exécutez une SageMaker expérience avec Pytorch Distributed Data Parallel - Classification des chiffres manuscrits MNIST

• Suivez une expérience tout en entraînant un modèle Pytorch avec un SageMaker Training Job

• Entraînez un TensorFlow modèle avec une tâche de SageMaker formation et suivez-le à l'aide d' SageMaker Experiments

Afficher les expériences et les exécutions

Amazon SageMaker Studio Classic fournit un navigateur d'expériences que vous pouvez utiliser pour consulter les listes d'expériences et d'essais. Vous pouvez choisir l'une de ces entités pour afficher des informations détaillées sur l'entité ou choisir plusieurs entités à comparer. Vous pouvez filtrer la liste des expériences par nom d'entité, type et balises.

Pour afficher les expériences et les exécutions

1. Pour afficher le test dans Studio Classic, dans la barre latérale gauche, sélectionnez Experiments.

   Sélectionnez le nom de l'expérience pour afficher toutes les exécutions associées. Vous pouvez rechercher des expériences en les saisissant directement dans la barre Search (Recherche) ou en filtrant par type d'expérience. Vous pouvez également choisir les colonnes à afficher dans votre expérience ou votre liste d'exécutions.

   Il peut s'écouler un moment avant que la liste ne s'actualise et affiche une nouvelle expérience ou une exécution d'expérience. Vous pouvez cliquer sur Refresh (Actualiser) pour mettre à jour la page. Votre liste d'expériences doit être similaire à ce qui suit :

   

2. Dans la liste d'expériences, double-cliquez sur une expérience pour afficher sa liste d'exécutions.

   Note

   Les tests créés automatiquement par les SageMaker tâches et les conteneurs sont visibles par défaut dans l'interface utilisateur classique d'Experiments Studio. Pour masquer les essais créés par les SageMaker tâches pour une expérience donnée, cliquez sur l'icône des paramètres ( ) et activez l'option Afficher les tâches.

   

3. Double-cliquez sur une exécution pour afficher les informations relatives à une exécution spécifique.

   Dans le volet Overview (Présentation), choisissez l'un des en-têtes suivants pour afficher les informations disponibles sur chaque exécution :

   • Metrics (Métriques) : métriques journalisées pendant une exécution.

   • Charts (Graphiques) : créez vos propres graphiques pour comparer les exécutions.

   • Output artifacts (Artefacts de sortie) : tous les artefacts résultant de l'exécution de l'expérience et l'emplacement des artefacts dans Amazon S3.

   • Rapports de biais — Rapports de biais générés avant ou après l'entraînement à l'aide de Clarify.

   • Explainability (Explicabilité) : rapports d'explicabilité générés à l'aide de Clarify.

   • Debugs (Débogages) : une liste de règles Debugger et des problèmes détectés.

Migrez d'Experiments Classic vers Amazon SageMaker avec MLflow

Les expériences passées créées à l'aide d'Experiments Classic peuvent toujours être consultées dans Studio Classic. Si vous souhaitez conserver et utiliser le code d'expérience antérieur avec MLflow, vous devez mettre à jour votre code d'entraînement pour utiliser le SDK MLflow et réexécuter les expériences d'entraînement. Pour plus d'informations sur la prise en main du SDK MLflow et du plugin AWS MLflow, consultez. Suivez les expériences avec MLflow