Testen Sie Gemini 1.5-Modelle, unsere neuesten multimodalen Modelle in Vertex AI, und erfahren Sie, was Sie mit einem 1 Mio. Tokenkontextfenster erstellen können. Tesen Sie Gemini 1.5-Modelle, unsere neuesten multimodalen Modelle in Vertex AI, und erfahren Sie, was Sie mit einem 1 Mio. Tokenkontextfenster erstellen können.

Messwerte manuell mit Vertex AI Experiments protokollieren

TensorBoard-Zeitreihenmesswerte können manuell mit einer Vertex AI-Experiments protokolliert werden. Diese Messwerte werden in der Vertex AI Experiments-Konsole oder in der Webanwendung für Vertex AI TensorBoard-Tests visualisiert.

Weitere Informationen zum Logging von Messwerten und Parametern finden Sie unter Daten manuell in einer Testausführung loggen.

Python

from typing import Dict, Optional

from google.cloud import aiplatform
from google.protobuf import timestamp_pb2


def log_time_series_metrics_sample(
    experiment_name: str,
    run_name: str,
    metrics: Dict[str, float],
    step: Optional[int],
    wall_time: Optional[timestamp_pb2.Timestamp],
    project: str,
    location: str,
):
    aiplatform.init(experiment=experiment_name, project=project, location=location)

    aiplatform.start_run(run=run_name, resume=True)

    aiplatform.log_time_series_metrics(metrics=metrics, step=step, wall_time=wall_time)

experiment_name: Geben Sie einen Namen für den Test an.
run_name: Geben Sie einen Ausführungsnamen an.
metrics: Wörterbuch, in dem Schlüssel Messwertnamen und Werte Messwerte sind.
step: Optional. Schrittindex dieses Datenpunkts innerhalb der Ausführung.
wall_time: Optional. Uhrzeit-Zeitstempel, wenn dieser Datenpunkt vom Endnutzer generiert wird. Wenn nicht angegeben, wird wall_time basierend auf dem Wert aus time.time() generiert.
project: Ihre Projekt-ID. Sie finden die Projekt-IDs auf der Begrüßungsseite der Google Cloud Console.
location: Speicherort Ihres Tests und Ihrer TensorBoard-Instanz. Sind Test oder TensorBoard noch nicht vorhanden, so werden diese Elemente an diesem Speicherort erstellt.