Azure 启动\u日志记录和运行.get\u上下文之间的差异

我只是想知道azure ml中start_日志记录和run.get_上下文之间的区别。

---

何时使用？每个函数的用途是什么？？？

好问题！答案取决于您计划如何创建实验运行，或者：

• 在Jupyter笔记本或iPython会话中交互，或

  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，习惯于使用pytorch和tensorflow的人倾向于在有利于互动会话的时代训练他们的模型

一旦建立了数据清理和培训流程，就可以将其操作到脚本中，这样就可以在远程计算集群或管道中运行

有关于om的信息

交互式日志会话

交互式日志会话通常用于笔记本环境。方法Experiment.start_logging（）启动一个交互式日志会话。会话期间记录的任何指标都将添加到实验中的运行记录中。方法run.complete（）结束会话并将运行标记为已完成

---

只是想进一步介绍一下@Anders Swanson的好答案

start\u logging

将创建一个新的运行，该运行将记录到“云”。即使您处于当前运行中（例如，因为脚本是从管道启动的），也会得到一个新的运行<代码>运行。另一方面，get_context（）将获得您所处的运行，因此，如果您处于管道运行中，则将获得创建的管道。如果您没有运行（例如，您在自己的本地计算机上），则

run.get_context（）

将为您提供一个可以登录的运行对象，但这将不记录到云中，仅打印在termal中

我们使用这样一个函数来获取一个run对象，它总是记录到云上，无论是现有的还是新的。但我仍然不确定这是否是个好主意

def get_或_create_run（实验名称、工作区、get_root_run=True）：
“”“如果我们在当前运行上下文中（即在计算中），则获取当前运行
管道），或使用提供的实验名称创建新运行。如果
get_root_run为真，然后我们遍历到根运行（如果有）
一个
尝试：
运行=运行。获取上下文（允许脱机=False）
LOGGER.debug(
“发现我们处于现有运行中，使用现有的实验和运行”
)
debug（f“现有运行：{run.get_details（）}”）
如果获取根目录，请运行：
debug（“查找根运行”）
当run.parent不是None时：
run=run.parent
除RunEnvironmentException外：
LOGGER.debug(
“发现我们不在现有运行中，正在创建实验并运行”
)
运行=实验（工作空间=工作空间，名称=实验名称）
回程