Voer een ML-modeltraining-pijplijn uit

DVC-pijplijnen worden gebruikt om reproduceerbaarheid in je project te waarborgen.

In deze oefening bouw je voort op wat je hebt geleerd over het maken van een pijplijn in het bestand dvc.yaml en voer je de stappen uit om via een gestructureerde aanpak een Machine Learning-model te trainen. Je taak is om verschillende varianten van het dvc repro-commando uit te voeren om de nuances ervan te begrijpen.

Deze oefening maakt deel uit van de cursus

Introductie tot dataversiebeheer met DVC

Cursus bekijken

Praktische interactieve oefening

Zet theorie om in actie met een van onze interactieve oefeningen.

Begin met trainen

Deze oefening maakt deel uit van de cursus

Introductie tot dataversiebeheer met DVC

SkillTag.level.intermediateSkillTag.label

4.8+

323 reviews

Begin de cursus gratis

This chapter provides a comprehensive introduction to Data Version Control (DVC), a tool essential for data versioning in machine learning. Learners will explore the motivation behind data versioning, understand its differences from code versioning, and experiment with a simple classification problem. They will review basic Git commands, learn about DVC, and practice setting up a repository. The chapter concludes with an overview of DVC’s features and use cases, including versioning data and models, CI/CD for machine learning, experiment tracking, pipelines, and more.

Exercise 1: Data Versioning Motivation Exercise 2: Anatomy of a Machine Learning Model Exercise 3: Differences Between Data and Code Versioning Exercise 4: Understanding Hyperparameters Exercise 5: Introduction to DVC Exercise 6: Working with Git CLI Exercise 7: Review DVC CLI Exercise 8: DVC features and use cases Exercise 9: DVC pipelines Exercise 10: CI/CD for machine learning

This chapter delves into the setup of DVC, encompassing aspects such as installation, initialization of the repository, and the utilization of the .dvcignore file. It further navigates through the exploration of DVC cache and staging files, imparting knowledge on how to add and remove files, manage caches, and comprehend the underlying mechanisms using the MD5 hash. The chapter also elucidates on DVC remotes, distinguishing them from Git remotes, and guides you on how to add, list, and modify them. Lastly, it teaches you how to interact with these remotes by pushing and pulling data, checking out specific versions, and fetching data to the cache.

Exercise 1: DVC Setup and Initialization Exercise 2: Setting up DVC Exercise 3: .dvcignore Patterns Exercise 4: DVC Cache and Staging Files Exercise 5: Working with DVC Cache Exercise 6: Understanding .dvc Files Exercise 7: Configuring DVC Remotes Exercise 8: Purpose of DVC Remotes Exercise 9: Setup a DVC Remote Exercise 10: Interacting with DVC Remotes Exercise 11: Versioning Data using DVC Remote Exercise 12: Checking out Versioned Data

This chapter focuses on automating ML pipelines using DVC. Learners create a configuration file containing settings and hyperparameters. They also learn about pipeline visualization using directed acyclic graphs and use commands to describe dependencies, commands, and outputs. Execution of DVC pipelines is covered, including local model training and how Git tracks DVC metadata. Additionally, learners explore metrics and plots tracking in DVC, including how to print metrics, create plot files, and compare metrics and plots across different pipeline stages.

Exercise 1: Code organiseren en refactoren Exercise 2: Parameterbestanden in DVC begrijpen Exercise 3: Schrijf een parameterbestand Exercise 4: DVC-pipelines schrijven en visualiseren Exercise 5: Een DVC-pipeline ontwerpen Exercise 6: Een DVC-pijplijn visualiseren Exercise 7: DVC-pijplijnen uitvoeren Exercise 8: Concepten rond DVC-pipeline-uitvoering Exercise 9: Voer een ML-modeltraining-pijplijn uit

Huidige oefening

Exercise 10: Evaluatie: metrics en plots in DVC Exercise 11: DVC-metrics bijhouden Exercise 12: Plots toevoegen aan dvc.yaml Exercise 13: Gefeliciteerd!