work on lab7
Some checks failed
s449288-training/pipeline/head There was a failure building this commit

This commit is contained in:
Kacper 2022-05-06 19:30:15 +02:00
parent 8e23b9517b
commit 3e4bc7479b

View File

@ -4,30 +4,32 @@ from keras.models import save_model
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import sys
from sacred import Experiment
from sacred.observers import FileStorageObserver
from sacred.observers import MongoObserver
# Stworzenie obiektu klasy Experiment do śledzenia przebiegu regresji narzędziem Sacred
ex = Experiment(save_git_info=False)
ex = Experiment()
# Dodanie obserwatora FileObserver
ex.observers.append(FileStorageObserver('runs'))
#Dodanie obserwatora Mongo
#ex.observers.append(MongoObserver(url='mongodb://mongo_user:mongo_password_IUM_2021@localhost:27017', db_name='sacred'))
ex.observers.append(MongoObserver(url='mongodb://mongo_user:mongo_password_IUM_2021@localhost:27017', db_name='sacred'))
# Przykładowa modyfikowalna z Sacred konfiguracja wybranych parametrów treningu
@ex.config
def config():
epochs = 100
units = 1
learning_rate = 0.1
# Reszta kodu wrzucona do udekorowanej funkcji train do wywołania przez Sacred, żeby coś było capture'owane
@ex.capture
def train(epochs, units, learning_rate, _run):
def train(units, learning_rate, _run):
# Pobranie przykładowego argumentu trenowania z poziomu Jenkinsa
EPOCHS_NUM = int(sys.argv[1])
# Wczytanie danych
data_train = pd.read_csv('lego_sets_clean_train.csv')
@ -59,7 +61,7 @@ def train(epochs, units, learning_rate, _run):
history = model.fit(
train_piece_counts,
train_prices,
epochs=epochs,
epochs=EPOCHS_NUM,
verbose=0,
validation_split=0.2
)
@ -74,14 +76,15 @@ def train(epochs, units, learning_rate, _run):
# Zapis modelu do pliku standardowo poprzez metodę kerasa i poprzez metodę obiektu Experiment z Sacred
model.save('lego_reg_model')
ex.add_artifact('lego_reg_model/saved_model.pb')
ex.add_artifact('lego_reg_model_art')
# Przykładowo zwracamy coś w charakterze wyników, żeby było widoczne w plikach zapisanych przez obserwator
hist = pd.DataFrame(history.history)
hist['epoch'] = history.epoch
_run.info["train_results"] = str(hist.tail())
return hist.tail()
_run.log_scalar('final.training.loss', hist['loss'].iloc[-1])
print(hist['loss'].iloc[-1])
print(type(hist['loss'].iloc[-1]))
@ex.automain
def main(units, learning_rate):
print(train())
train()