Spaces:
Sleeping
Sleeping
File size: 2,222 Bytes
bf5fb5f |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 |
# ==================================
# Fichier: parameter_logging.py
# ==================================
from functools import singledispatch
from typing import Dict, Any
from base_trainer import BaseTrainer
from trainers.huggingface.huggingface_transformer_trainer import HuggingFaceTransformerTrainer
from trainers.cuml.svm_trainer import SvmTrainer
from trainers.cuml.random_forest_trainer import RandomForestTrainer
from trainers.cuml.logistic_regression_trainer import LogisticRegressionTrainer
from trainers.cuml.linear_regression_trainer import LinearRegressionTrainer
@singledispatch
def get_relevant_params_for_logging(trainer: BaseTrainer) -> Dict[str, Any]:
"""
Méthode générique, par défaut, pour récupérer les paramètres
à logger dans MLflow ou ailleurs.
:param trainer: Trainer dont on veut extraire les paramètres.
:return: Un dictionnaire de paramètres pertinents.
"""
# Par défaut, on récupère la section 'params' du config.model,
# mais l'UML ne précise pas la logique interne.
return trainer.config.model.params
@get_relevant_params_for_logging.register
def _(trainer: HuggingFaceTransformerTrainer) -> Dict[str, Any]:
"""
Cas particulier pour un HuggingFaceTransformerTrainer.
"""
# Extrait les paramètres spécifiques HuggingFace indiqués dans trainer.config.model.params.
return trainer.config.model.params
@get_relevant_params_for_logging.register
def _(trainer: SvmTrainer) -> Dict[str, Any]:
"""
Cas particulier pour un SvmTrainer.
"""
return trainer.config.model.params
@get_relevant_params_for_logging.register
def _(trainer: RandomForestTrainer) -> Dict[str, Any]:
"""
Cas particulier pour un RandomForestTrainer.
"""
return trainer.config.model.params
@get_relevant_params_for_logging.register
def _(trainer: LogisticRegressionTrainer) -> Dict[str, Any]:
"""
Cas particulier pour un LogisticRegressionTrainer.
"""
return trainer.config.model.params
@get_relevant_params_for_logging.register
def _(trainer: LinearRegressionTrainer) -> Dict[str, Any]:
"""
Cas particulier pour un LinearRegressionTrainer.
"""
return trainer.config.model.params
|