注: 以下の翻訳の正確性は検証されていません。AIPを利用して英語版の原文から機械的に翻訳されたものです。

実験

実験は、モデルのトレーニングジョブ中に生成されたメトリクスのコレクションを表すアーティファクトです。

三つの選択された実験を示すサンプルビュー。

モデルトレーニングコードへの実験の統合

実験は、Foundryでモデルを作成するために使用される任意の環境から作成できます。Jupyter® Code WorkspacesとCode RepositoriesのModelOutputクラスは、実験を作成し、書き込むためのフックを提供します。これらの実験はモデルと共に公開され、その後すぐにモデルページで表示可能です。

コードワークスペース

以下のコードスニペットは、Jupyter® Code Workspacesでの実験の使用を示しています：

Copied!1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
from palantir_models.code_workspaces import ModelOutput
# `my-alias`は現在のワークスペース内のモデルへのエイリアスです
model_output = ModelOutput("my-alias")

experiment = model_output.create_experiment(name="my-experiment")

# パラメータを記録
experiment.log_param("learning_rate", 1e-4)

# メトリクスを記録
experiment.log_metric("train/loss", loss)
experiment.log_metric("train/loss", loss, step=step)

# モデルと共に公開してモデルページに保持
model_output.publish(ModelAdapter(model), experiment=experiment)

コードリポジトリ

以下のコードスニペットは、Code Repositoriesでの実験の使用を示しています：

Copied!1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
from transforms.api import configure, transform, Input
from palantir_models.transforms import ModelOutput

@transform(
    input_data=Input("..."),
    model_output=ModelOutput("..."),
)
def compute(input_data, model_output):
    experiment = model_output.create_experiment(name="my-experiment")

    # パラメータを記録
    experiment.log_param("learning_rate", 1e-4)

    # メトリクスを記録
    experiment.log_metric("train/loss", loss)
    # オプションのステップ値を提供することも可能
    experiment.log_metric("train/loss", loss, step=step)

    # モデルと共に公開してモデルページに保持
    model_output.publish(ModelAdapter(model), experiment=experiment)

実験の作成と視覚化についてさらに学ぶ。