Monitorizar e analisar tarefas no studio
Pode utilizar estúdio do Azure Machine Learning para monitorizar, organizar e controlar os seus trabalhos para preparação e experimentação. O histórico de tarefas de ML é uma parte importante de um processo de desenvolvimento de ML explicável e repetível.
Este artigo mostra como realizar as seguintes tarefas:
- Adicione o nome a apresentar da tarefa.
- Criar uma vista personalizada.
- Adicione uma descrição da tarefa.
- Etiquetar e localizar tarefas.
- Execute a pesquisa no histórico de tarefas.
- Cancelar ou falhar tarefas.
- Monitorizar o estado da tarefa por notificação por e-mail.
- Monitorizar os recursos da tarefa (pré-visualização)
Dica
- Se estiver à procura de informações sobre como utilizar o SDK do Azure Machine Learning v1 ou a CLI v1, veja Como monitorizar, monitorizar e analisar tarefas (v1).
- Se estiver à procura de informações sobre como monitorizar tarefas de preparação da CLI ou do SDK v2, veja Controlar experimentações com o MLflow e a CLI v2.
- Se estiver à procura de informações sobre como monitorizar o serviço Azure Machine Learning e os serviços associados do Azure, veja Como monitorizar o Azure Machine Learning.
Se estiver à procura de informações sobre modelos de monitorização implementados em pontos finais online, consulte Monitorizar pontos finais online.
Pré-requisitos
Precisará dos seguintes itens:
- Para utilizar o Azure Machine Learning, tem de ter uma subscrição do Azure. Se não tiver uma subscrição do Azure, crie uma conta gratuita antes de começar. Experimente a versão gratuita ou paga do Azure Machine Learning.
- Tem de ter uma área de trabalho do Azure Machine Learning. É criada uma área de trabalho em Instalar, configurar e utilizar a CLI (v2).
Nome a apresentar da tarefa
O nome a apresentar da tarefa é um nome opcional e personalizável que pode fornecer para a sua tarefa. Para editar o nome a apresentar da tarefa:
Navegue para a lista Tarefas .
Selecione a tarefa a editar.
Selecione o botão Editar para editar o nome a apresentar da tarefa.
Vista Personalizada
Para ver as suas tarefas no estúdio:
Navegue para o separador Tarefas .
Selecione Todas as experimentações para ver todas as tarefas numa experimentação ou selecione Todas as tarefas para ver todas as tarefas submetidas na Área de Trabalho.
Na página Todas as tarefas , pode filtrar a lista de tarefas por etiquetas, experimentações, destino de computação e muito mais para organizar e definir melhor o seu trabalho.
Faça personalizações na página ao selecionar tarefas para comparar, adicionar gráficos ou aplicar filtros. Estas alterações podem ser guardadas como uma Vista Personalizada para que possa voltar facilmente ao seu trabalho. Os utilizadores com permissões de área de trabalho podem editar ou ver a vista personalizada. Além disso, partilhe a vista personalizada com os membros da equipa para uma colaboração melhorada ao selecionar Partilhar vista.
Para ver os registos de tarefas, selecione uma tarefa específica e, no separador Saídas + registos , pode encontrar registos de diagnósticos e erros para a sua tarefa.
Descrição da tarefa
Uma descrição da tarefa pode ser adicionada a uma tarefa para fornecer mais contexto e informações à tarefa. Também pode procurar nestas descrições na lista de tarefas e adicionar a descrição da tarefa como uma coluna na lista de tarefas.
Navegue para a página Detalhes da Tarefa da sua tarefa e selecione o ícone de edição ou lápis para adicionar, editar ou eliminar descrições da sua tarefa. Para manter as alterações à lista de tarefas, guarde as alterações à Vista Personalizada existente ou a uma nova Vista Personalizada. O formato Markdown é suportado para descrições de tarefas, o que permite que as imagens sejam incorporadas e ligações profundas, conforme mostrado abaixo.
Etiquetar e localizar tarefas
No Azure Machine Learning, pode utilizar propriedades e etiquetas para ajudar a organizar e consultar as suas tarefas para obter informações importantes.
Editar etiquetas
Pode adicionar, editar ou eliminar etiquetas de tarefa do estúdio. Navegue para a página Detalhes da Tarefa da sua tarefa e selecione o ícone de edição ou lápis para adicionar, editar ou eliminar etiquetas para as suas tarefas. Também pode procurar e filtrar estas etiquetas a partir da página da lista de tarefas.
Propriedades e etiquetas de consulta
Pode consultar tarefas numa experimentação para devolver uma lista de tarefas que correspondem a propriedades e etiquetas específicas.
Para procurar tarefas específicas, navegue para a lista Todas as tarefas . A partir daí, tem duas opções:
Utilize o botão Adicionar filtro e selecione filtrar em etiquetas para filtrar as suas tarefas por etiqueta que foi atribuída às tarefas.
OUUtilize a barra de pesquisa para localizar tarefas rapidamente ao procurar nos metadados da tarefa, como o estado da tarefa, as descrições, os nomes das experimentações e o nome do submetidor.
Cancelar ou falhar tarefas
Se notar um erro ou se a tarefa estiver a demorar demasiado tempo a terminar, pode cancelar a tarefa.
Para cancelar uma tarefa no estúdio, siga os seguintes passos:
Aceda ao pipeline em execução na secção Tarefas ou Pipelines .
Selecione o número da tarefa de pipeline que pretende cancelar.
Na barra de ferramentas, selecione Cancelar.
Monitorizar o estado da tarefa por notificação por e-mail
Na portal do Azure, na barra de navegação esquerda, selecione o separador Monitorizar.
Selecione Definições de diagnóstico e, em seguida, selecione + Adicionar definição de diagnóstico.
Na Definição de Diagnóstico,
- em Detalhes da categoria, selecione AmlRunStatusChangedEvent.
- Nos Detalhes de destino, selecione a área de trabalho Enviar para o Log Analytics e especifique a área de trabalho Subscrição e Log Analytics.
Nota
A Área de Trabalho do Azure Log Analytics é um tipo diferente de Recurso do Azure do que a Área de Trabalho do serviço Azure Machine Learning. Se não existirem opções nessa lista, pode criar uma Área de Trabalho do Log Analytics.
No separador Registos , adicione uma nova regra de alerta.
Veja como criar e gerir alertas de registo com o Azure Monitor.
Passos seguintes
- Para saber como registar métricas para as suas experimentações, veja Registar métricas durante as tarefas de preparação.
- Para saber como monitorizar recursos e registos do Azure Machine Learning, veja Monitorizar o Azure Machine Learning.