Ta przeglądarka nie jest już obsługiwana.
Przejdź na przeglądarkę Microsoft Edge, aby korzystać z najnowszych funkcji, aktualizacji zabezpieczeń i pomocy technicznej.
Analityk danych chce uruchomić skrypt jako zadanie polecenia w celu wytrenowania modelu PyTorch, ustawiając rozmiar partii i hiperparametry szybkości nauki na określone wartości przy każdym uruchomieniu zadania. Co należy zrobić przez analityka danych?
Utwórz wiele plików skryptów — jeden dla każdego rozmiaru partii i kombinacji szybkości nauki, której chcesz użyć.
Ustaw właściwości rozmiaru partii i szybkości nauki zadania polecenia przed przesłaniem zadania.
Dodaj argumenty dotyczące rozmiaru partii i szybkości nauki do skryptu i ustaw je we właściwości polecenia zadania polecenia.
Analityk danych wytrenował model w notesie. Model należy trenować na nowo co tydzień, wykorzystując nowe dane. Co analityk danych powinien zrobić, aby kod był gotowy do produkcji?
Skopiuj i wklej kod z każdej komórki do skryptu.
Przekonwertuj kod na jedną funkcję w skrycie, który odczytuje dane i trenuje model.
Przekonwertuj kod na wiele funkcji w skrycie, który odczytuje dane i trenuje model.
Analityk danych trenuje model regresji i chce śledzić wydajność modelu, przechowując główny błąd średniokwadratowy (RMSE) przy użyciu przebiegu eksperymentu. Której metody można użyć do rejestrowania wartości RMSE?
mlflow.log_param()
mlflow.log_artifact()
mlflow.log_metric()
Kiedy analityk danych włącza automatyczne rejestrowanie MLflow, gdzie można znaleźć wszystkie zasoby modelu?
W folderze modelu w obszarze Dane wyjściowe i dzienniki.
W folderze outputs w obszarze Dane wyjściowe i dzienniki.
W folderze modelu w obszarze Metryki.
Przed sprawdzeniem pracy musisz odpowiedzieć na wszystkie pytania.
Czy ta strona była pomocna?
Potrzebujesz pomocy dotyczącej tego tematu?
Chcesz spróbować użyć asystenta Ask Learn, aby wyjaśnić ten temat lub uzyskać instrukcje, które go dotyczą?