Platform For AI:Manajemen eksperimen

Prasyarat

Untuk memvisualisasikan metrik dengan TensorBoard, Anda harus terlebih dahulu membuat bucket OSS. Untuk petunjuknya, lihat Create a bucket in the console.

Penagihan

• Manajemen Eksperimen tidak dikenai biaya. Namun, pelatihan model di Model Gallery dan mengaitkan tugas tersebut dengan suatu eksperimen akan dikenai biaya pelatihan DLC serta penyimpanan OSS. Untuk informasi lebih lanjut, lihat DLC billing dan OSS billing overview.

• Hingga lima instans TensorBoard disediakan gratis. Instans tambahan dikenai biaya.

Kaitkan tugas pelatihan dengan eksperimen

Saat membuat tugas fine-tuning model di Model Gallery, Anda dapat mengaitkan tugas tersebut dengan eksperimen baru atau eksperimen yang sudah ada. Ikuti langkah-langkah berikut:

1. Pada halaman detail model, klik Train.

2. Pada halaman detail fine-tuning, di bagian Experiment Configuration, konfigurasikan pengaitan eksperimen.

   1. Untuk mengaitkan tugas dengan eksperimen baru, pilih Create Experiment dan tentukan Experiment Name serta Experiment Output Path.

      Catatan

      Experiment Output Path menetapkan path default untuk semua data keluaran dari tugas yang dikaitkan, termasuk model dan log TensorBoard.

      Untuk menyesuaikan path keluaran tugas, konfigurasikan di bagian Output Data Configuration. Namun, mengubah path default TensorBoard akan mencegah perbandingan metrik lintas tugas dalam instans TensorBoard eksperimen tersebut. Kami menyarankan agar Anda tetap menggunakan path default.

   2. Atau, kaitkan tugas dengan Existing Experiments.

      Pilih eksperimen tertentu dari daftar drop-down, misalnya exp-bert.

3. Konfigurasikan parameter tugas fine-tuning lainnya. Untuk informasi lebih lanjut, lihat Model deployment and training.

4. Klik Train.

   Halaman akan dialihkan ke halaman Task details, tempat nama eksperimen yang dikaitkan dan metadata tugas seperti hiperparameter ditampilkan.

Lihat eksperimen dan buka TensorBoard

Anda dapat menggunakan TensorBoard untuk membandingkan metrik seperti train_loss dan total_flos dari tugas pelatihan yang dikaitkan dengan eksperimen yang sama. Langkah-langkahnya sebagai berikut:

1. Pada halaman utama Model Gallery, klik Job Management.

2. Pada halaman Job Management, di bawah All Experiments, temukan eksperimen target Anda dan klik Tensorboard pada kolom Operation.

   Instans TensorBoard akan diluncurkan secara otomatis.

   Kotak dialog View Tensorboard muncul, menampilkan Name, Output Artifact URI, Status, dan URL instans tersebut. Saat instans sedang dibuat, Status bernilai Creating dan URL ditampilkan sebagai tanda hubung (-). URL akan muncul setelah instans selesai dibuat. Gunakan tombol Delete, Stop, atau Close di bagian bawah kotak dialog untuk mengelola instans tersebut.

3. Setelah status TensorBoard berubah menjadi In operation, klik Go to. Antarmuka TensorBoard akan terbuka di tab browser baru.

   Metrik spesifik yang direkam bervariasi tergantung modelnya.

Bandingkan metrik tugas di TensorBoard

1. Ubah sumbu horizontal grafik dengan memilih opsi di bawah Horizontal Axis.

   • STEP: Nomor langkah pelatihan.

   • RELATIVE: Waktu yang berlalu sejak pelatihan dimulai, dalam satuan jam. Contoh: 0,5 jam.

   • WALL: Waktu absolut berdasarkan jam dinding. Contoh: pukul 10.00 pagi pada 2 April 2024.

   Metrik umum:

   • loss: Selisih antara prediksi model dan ground truth.

   • accuracy/precision/recall: Metrik performa model.

2. Pilih atau kosongkan kotak centang tugas untuk memasukkan atau mengecualikannya dari perbandingan.

3. Jika nilai metrik mirip di berbagai tugas, klik tombol di bagian tengah bawah grafik untuk memperbesar area dengan perbedaan paling signifikan.

4. Klik tombol paling kiri untuk melihat grafik dalam mode layar penuh.