机器学习模型实验

在创建机器学习模型时，您可能会尝试不同的参数、配置和特征工程来提升模型性能。为了日后能够复现这些实验，您需要有效地跟踪元数据和产物。使用 GitLab 模型实验来直接将参数、指标和产物记录到 GitLab 中。

什么是实验？

在项目中，实验是一组可比较的模型运行的集合。实验可以是长期的（例如，当它们代表一个用例时），也可以是短期的（由合并请求触发的超参数调优结果），但通常包含具有相似参数集的模型运行，这些参数通过相同的指标进行测量。

模型运行

模型运行是机器学习模型训练的一种变体，最终可以提升为模型的版本。

数据科学家的目标是找到参数值能带来最佳模型性能的模型运行，这由给定的指标来体现。

一些示例参数：

• 算法（如线性回归或决策树）。
• 算法的超参数（学习率、树深度、周期数）。
• 包含的特征。

跟踪新实验和运行

实验和试验只能通过 MLflow 客户端兼容性来跟踪。有关如何使用 GitLab 作为 MLflow 客户端后端的更多信息，请参阅 MLflow 客户端兼容性。

探索模型运行

要列出当前活动的实验，请访问 https/-/ml/experiments 或：

1. 在左侧边栏，选择 搜索或转到 并找到您的项目。
2. 选择 分析 > 模型实验。
3. 要显示所有已记录的运行及其指标、参数和元数据，请选择一个实验。
4. 要显示运行的详细信息，请选择 详情。

查看日志产物

试验产物被保存为包。在为运行记录产物后，所有为该运行记录的产物都会列在包注册表中。运行的包名称为 ml_experiment_<experiment_id>，其中版本是运行 IID。产物的链接也可以从 实验运行 列表或 运行详情 中访问。

查看 CI 信息

您可以将运行与创建它们的 CI 作业关联，从而可以快速访问触发该管道的合并请求、管道和用户：

查看已记录的指标

当您运行实验时，GitLab 会记录某些相关数据，包括其指标、参数和元数据。您可以在图表中查看这些指标进行分析。

要查看已记录的指标：

1. 在左侧边栏，选择 搜索或转到 并找到您的项目。
2. 选择 分析 > 模型实验。
3. 选择您要查看的实验。
4. 选择 性能 选项卡。