Sobre os logs de ML

A página Logs de ML, acessível a partir do menu Logs de ML após selecionar um projeto, é uma visualização consolidada de todos os eventos relacionados ao projeto.

Eventos de validação do pacote de ML

Quando um modelo é carregado, se o modelo não estiver marcado como treinável, o AI Fabric validará o arqiuvo .zip carregado em relação aos seguintes requisitos:

• Existe uma pasta raiz não vazia com o mesmo nome do arquivo zip.
• Existe um arquivo requirements.txt.
• Existe um arquivo chamado main.py, que implementa uma classe Main. A classe é validada adicionalmente para implementar uma função predict e uma função __init__ .

Se o modelo estiver marcado como treinável, o AI Fabric validará o arquivo .zip carregado em relação aos seguintes requisitos:

• Existe uma pasta raiz não vazia com o mesmo nome do arquivo zip.
• Existe um arquivo requirements.txt.
• Existe um arquivo chamado main.py, que implementa uma classe Main. A classe é validada adicionalmente para implementar uma função predict e uma função __init__ .
• Um arquivo chamado train.py, que implementa uma classe Main. A classe é validada adicionalmente para implementar uma função __init__, assim como as funções train, evaluate e save.
• Observe que um arquivo train_requirements.txt opcional pode ser adicionado; se não for incluído, a validação ainda será aprovada.

Os logs de ML para essa categoria ilustram os tempos inicial e final da validação e os erros reais da validação, se houver.

Eventos do pipeline

Quando um pipeline é iniciado ou falha, ele é exibido aqui.

Eventos da implantação da ML Skill

Quando uma habilidade é criada, o AI Fabric a implanta. Isso acarreta instalar dependências, executar uma série de verificações e otimizações de segurança, configurar a rede no namespace do tenant, criar um contêiner com um determinado número de réplicas do pacote correspondente e, finalmente, verificar a integridade da habilidade.

Os logs de ML para essa categoria ilustram os tempos inicial e final da implantação e os erros reais da implantação, se houver.

Eventos de previsões da ML Skill

Quando uma habilidade ao vivo está servindo, se houver uma falha de previsão (uma exceção lançada pelo código do Python), a exceção correspondente estará sob esse componente.