Time consuming report after composition #1257
Conversation
|
All PEP8 errors has been fixed, thanks ❤️ Comment last updated at |
fedot/utilities/industrial_timer.py
Outdated
| from contextlib import contextmanager | ||
|
|
||
|
|
||
| class FedotIndustrialTimer: |
There was a problem hiding this comment.
Видимо надо как-то переименовать
Codecov ReportAttention: Patch coverage is
Additional details and impacted files@@ Coverage Diff @@
## master #1257 +/- ##
==========================================
- Coverage 79.82% 79.80% -0.03%
==========================================
Files 150 150
Lines 10322 10344 +22
==========================================
+ Hits 8240 8255 +15
- Misses 2082 2089 +7 ☔ View full report in Codecov by Sentry. |
|
/fix-pep8 |
There was a problem hiding this comment.
Перед композированием Федот обучается inital pipeline и выдаёт в консоль время его обучения. То же самое происходит, если не включать композирование (передать в API predefined_model=auto, например)
Это время где-то учитывается? Возможно, на стадии 'Data Preprocessing'?
Думаю, может быть полезно вынести это в отдельную строчку отчёта
Соглашусь, что стоит учитывать это.
Не знаю, нужно посмотреть, но навряд ли в обработке.
Не уверен. Может быть есть смысл все заносить в общее время |
Да, можно и так |
There was a problem hiding this comment.
- Мне кажется, для практического применения в целом не так важно знать, сколько времени занимал препроцессинг на каждой стадии обучения (композинг, тюнинг, всё такое). Поэтому выводить суммарное время препроцессинга - это хорошо и удобно, согласен
- Я посмотрел на процесс .fit(), и мне кажется, что можно легко рассчитать время композинга, обернув в таймер строчки, где производится композинг. Тогда fitting = composing + tuning (fit) + остатки
- Самая весомая часть остатков - это метод
train_on_full_dataset. Он может занимать значимое количество времени, потому что обучает модель на всём датасете + может быть информативен и полезен, потому что в связке с Predicting даст понятное представление, сколько времени уже найденная модель фитится, а сколько предиктится. Поэтому можно тоже выводить эту величину в отчёт - И методу
reportне хватает хорошего докстринга, где будет объяснено, что значит и как считается каждая величина. Например, крайне важным будет указать, что Data Preprocessing - это суммарное время препроцессинга за всё время запуска, а Fitting - это сумма композинга, тюнинга и обучения полученной модели на всём датасете
| self.log.message('Final pipeline was fitted') | ||
| else: | ||
| self.log.message('Already fitted initial pipeline is used') | ||
| with fedot_composer_timer.launch_train_inference(): |
There was a problem hiding this comment.
Только комментарий "# Final fit for obtained pipeline on full dataset" лучше не убирать, наверное
fedot/api/main.py
Outdated
| @@ -497,6 +512,28 @@ def explain(self, features: FeaturesType = None, | |||
|
|
|||
| return explainer | |||
|
|
|||
| def return_report(self) -> pd.DataFrame: | |||
| """ Functions returns report of time-consuming. | |||
There was a problem hiding this comment.
Можно немного подправить текст:
Function returns a report on time consumption.
The following steps are presented in this report:
- 'Data Definition (fit)': Time spent on data definition in fit().
- 'Data Preprocessing': Total time spent on preprocessing data, includes fitting and predicting stages.
- 'Fitting (summary)': Total time spent on Composing, Tuning and Training Inference.
- 'Composing': Time spent on searching for the best pipeline.
- 'Train Inference': Time spent on training the pipeline found during composing.
- 'Tuning (composing)': Time spent on hyperparameters tuning in the whole fitting, if with_tune is True.
- 'Tuning (after)': Time spent on .tune() (hyperparameters tuning) after composing.
- 'Data Definition (predict)': Time spent on data definition in predict().
- 'Predicting': Time spent on predicting (inference).
|
|
||
| @property | ||
| def report(self) -> dict: | ||
| """ Return dict with the next columns: |
There was a problem hiding this comment.
Тут то же самое
- 'Data Definition (fit)': Time spent on data definition in fit().
- 'Data Preprocessing': Total time spent on preprocessing data, includes fitting and predicting stages.
- 'Fitting (summary)': Total time spent on Composing, Tuning and Training Inference.
- 'Composing': Time spent on searching for the best pipeline.
- 'Train Inference': Time spent on training the pipeline found during composing.
- 'Tuning (composing)': Time spent on hyperparameters tuning in whole fitting, if
with_tuneis True. - 'Tuning (after)': Time spent on .tune() (hyperparameters tuning) after composing.
- 'Data Definition (predict)': Time spent on data definition in predict().
- 'Predicting': Time spent on predicting (inference).
aPovidlo
force-pushed
the
fi_exp_prep
branch
from
521091c to
d7944b7
Compare
Добавление таймера для подсчета времени выполнения основных процессов во время композирования пайплайна:
После завершения обучения в композировании, можно вызвать метод
return_report()из API, который вернетDataFrameс временем работы конкретной стадии.