实验跟踪

MLOps 概念

Folkert Stijnman

ML Engineer

机器学习实验

为何实验跟踪很重要？

每个实验可配置以下因素：

在 ML 生命周期中使用实验跟踪

实验跟踪可用于：

• 比较结果
• 复现实验
• 与开发者和相关方协作
• 向相关方汇报结果

如何跟踪实验？

工具	优点	缺点
电子表格	简单易用	需要大量手工操作
专有平台	针对流程的定制方案	需要投入时间与精力
实验跟踪工具	专为实验设计	需要熟悉该工具

 

一个机器学习实验

实验流程

1. 提出假设："我们预计……"
2. 收集图像和标签
3. 定义实验，如模型类型、超参数、数据集
4. 设置实验跟踪
5. 训练机器学习模型
6. 在留出测试集上测试模型
7. 注册最合适的模型
8. 可视化并向团队和相关方汇报，确定下一步

Passons à la pratique !

MLOps 概念