Respuestas correctas
- AAlmacenar el código de entrenamiento en un Cloud Source Repository y etiquetar los commits con el ID del experimento.
- BConstruir una imagen de contenedor personalizada para el entrenamiento y enviarla a Artifact Registry con una etiqueta fija.
- CRegistrar la ruta y la versión del conjunto de datos de entrenamiento en los parámetros del experimento.
Explicación
Almacenar el código de entrenamiento en Cloud Source Repositories y etiquetar los commits con el ID del experimento crea un vínculo inmutable y versionado entre la revisión exacta del código y la ejecución de Vertex AI Experiment, lo cual es esencial para la reproducibilidad. Empaquetar el entorno de entrenamiento en una imagen de contenedor personalizada enviada a Artifact Registry con una etiqueta fija (inmutable) garantiza que cada miembro del equipo ejecute exactamente las mismas dependencias, bibliotecas y tiempo de ejecución, eliminando la desviación del entorno. Registrar la ruta y la versión del conjunto de datos como parámetros de experimento en Vertex AI Experiments captura la instantánea de datos exacta utilizada, por lo que se pueden recuperar y reutilizar las mismas entradas. Compartir una clave de cuenta de servicio es un antipatrón inseguro de gestión de credenciales y no contribuye por sí mismo a la reproducibilidad del código, los datos o el entorno. La optimización de hiperparámetros optimiza el rendimiento del modelo y no garantiza por sí sola que el código, los datos y el entorno estén fijados y sean reproducibles.