本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 2. 试验
<a name="experimentation"></a>

试验包括试验日志记录、跟踪和指标。这转化为跨平台、源代码控制和开发环境中的试验元数据集成。试验还包括能够通过调试来优化模型性能和准确性。


|  |  | 
| --- |--- |
| **2.1 集成式开发环境** | 集成式开发环境（IDE）直接与云集成。IDE 可以与更大的系统交互并向其提交命令。理想情况下，它支持以下功能：  本地开发   版本控制集成   调试到位，生成的所有日志和构件都进入版本控制   | 
| **2.2 代码版本控制** | 为了帮助确保可重复性和可重用性，所有代码都会提交到具有适当版本控制的源存储库。其中包括基础设施代码、应用程序代码、模型代码，甚至笔记本（如果您选择使用它们）。 | 
| **2.3 跟踪** | 机器学习项目需要能够跟踪和分析机器学习试验的工具。此工具应记录机器学习试验运行期间的所有指标、参数和构件，并将所有元数据记录到中心位置。中心位置将使您能够分析、可视化和审计您运行的所有试验。 | 
| **2.4 跨平台集成** | 试验的历史结果及其所有元数据都可以在系统的其他部分中访问。例如，现有的编排管线可以访问此数据，监控工具也可以访问此数据。 | 
| **2.5 调试：准确性和系统性能** | 一个全面的模型调试框架已到位，用于检查以下运行情况：  查找瓶颈   异常提醒   最大限度地利用资源   帮助分析试验  当训练强度较大时，最大限度地提高吞吐量至关重要，这使得它成为成本优化的必要工具。 |