azure - start_logging 和 run.get_context 之间的区别

Question

我只是想知道azure ml中start_logging和run.get_context之间的区别。什么时候使用它们？每个函数的目的是什么？

Answer 1

问得好!答案取决于您计划如何创建实验运行:

• 在 Jupyter Notebook 或 iPython session 中以交互方式进行，或者

  Experiment.start_logging()
  

• 作为非交互式脚本，从头到尾运行无需您的干预

  run = Run.get_context()
  run.log("metric_name",metric_value)
  

我想说，习惯使用 pytorch 和 tensorflow 的人倾向于在适合交互式 session 的时代训练他们的模型。

一旦建立了数据清理和训练流程，就可以将其操作为脚本，以便它可以在远程计算集群或管道内运行。

Enable logging in ML training runs docs page有关于 om 的信息

Interactive logging session

Interactive logging sessions are typically used in notebook environments. The method Experiment.start_logging() starts an interactive logging session. Any metrics logged during the session are added to the run record in the experiment. The method run.complete() ends the sessions and marks the run as completed.