Tous les produits
Search
Centre de documentation

Platform For AI:Experiment management

Dernière mise à jour :Aug 09, 2026

La gestion des expériences utilise TensorBoard pour visualiser et comparer des métriques telles que train_loss et total_flos sur plusieurs tâches d'entraînement. Cette fonctionnalité vous aide à sélectionner la combinaison optimale d'hyperparamètres lors du réglage fin.

Prérequis

Pour visualiser les métriques avec TensorBoard, créez d'abord un compartiment OSS. Pour obtenir des instructions, consultez la rubrique Créer un compartiment dans la console.

Facturation

  • Le service de gestion des expériences est gratuit. Toutefois, l'entraînement d'un modèle dans Model Gallery et l'association de la tâche à une expérience entraînent des frais d'entraînement DLC et de stockage OSS. Pour plus d'informations, consultez les rubriques Facturation DLC et Présentation de la facturation OSS.

  • Jusqu'à cinq instances TensorBoard sont gratuites. Les instances supplémentaires sont facturées.

Associer une tâche d'entraînement à une expérience

Lorsque vous créez une tâche de réglage fin de modèle dans Model Gallery, associez-la à une nouvelle expérience ou à une expérience existante en suivant les étapes ci-dessous :

  1. Sur la page des détails du modèle, cliquez sur Train.

  2. Sur la page des détails du réglage fin, dans la section Experiment Configuration, configurez l'association à l'expérience.

    1. Pour associer la tâche à une nouvelle expérience, sélectionnez Create Experiment et spécifiez le Experiment Name ainsi que le Experiment Output Path.

      Remarque

      Le paramètre Experiment Output Path définit le chemin par défaut pour toutes les données de sortie des tâches associées, y compris les modèles et les journaux TensorBoard.

      Pour personnaliser le chemin de sortie de la tâche, configurez-le dans la section Output Data Configuration. Notez toutefois que la modification du chemin TensorBoard par défaut empêche la comparaison des métriques entre les tâches dans l'instance TensorBoard de l'expérience. Il est recommandé de conserver le chemin par défaut.

    2. Sinon, associez la tâche à des Existing Experiments.

      Sélectionnez une expérience spécifique dans la liste déroulante, par exemple exp-bert.

  3. Configurez les autres paramètres de la tâche de réglage fin. Pour plus d'informations, consultez la rubrique Déploiement et entraînement du modèle.

  4. Cliquez sur Train.

    La page redirige vers la page Task details, où s'affichent le nom de l'expérience associée et les métadonnées de la tâche, telles que les hyperparamètres.

Consulter les expériences et ouvrir TensorBoard

Utilisez TensorBoard pour comparer des métriques telles que train_loss et total_flos pour les tâches d'entraînement associées à la même expérience. Procédez comme suit :

  1. Sur la page d'accueil de Model Gallery, cliquez sur Job Management.

  2. Sur la page Job Management, sous All Experiments, repérez l'expérience cible et cliquez sur Tensorboard dans la colonne Operation.

    Une instance TensorBoard se lance automatiquement.

    La boîte de dialogue View Tensorboard s'affiche, indiquant le Name de l'instance, l'Output Artifact URI, le Status et l'URL. Pendant la création de l'instance, le Status est défini sur Creating et l'URL apparaît sous la forme d'un trait d'union (-). L'URL s'affiche une fois l'instance créée. Utilisez les boutons Delete, Stop ou Close en bas de la boîte de dialogue pour gérer l'instance.

  3. Lorsque le statut de TensorBoard passe à In operation, cliquez sur Go to. L'interface TensorBoard s'ouvre dans un nouvel onglet du navigateur.

    Les métriques spécifiques enregistrées varient selon le modèle.

Comparer les métriques des tâches dans TensorBoard

  1. Modifiez l'axe horizontal du graphique en sélectionnant une option sous Horizontal Axis.

    • STEP : numéro de l'étape d'entraînement.

    • RELATIVE : temps écoulé depuis le début de l'entraînement, en heures. Exemple : 0,5 heure.

    • WALL : heure absolue. Exemple : 10 h 00 le 2 avril 2024.

    Métriques courantes :

    • loss : différence entre les prédictions du modèle et les valeurs réelles.

    • accuracy/precision/recall : métriques de performance du modèle.

  2. Cochez ou décochez la case d'une tâche pour l'inclure ou l'exclure de la comparaison.

  3. Si les valeurs des métriques sont similaires entre les tâches, cliquez sur le bouton situé au centre en bas du graphique pour zoomer sur la zone présentant les différences les plus significatives.

  4. Cliquez sur le bouton le plus à gauche pour afficher le graphique en plein écran.