Azure / Azure/MachineLearningNotebooks

monitor.backfill() in datadrift tutorial is quite time consuming

Abierto
#1,653 0 comentarios 0 reacciones 0 asignados Ver en GitHub
Lenguaje dominante
Jupyter Notebook
Estrellas
4.4k
Forks
2.6k
Métricas de merge de PR
Sin PR fusionados en 30 d

Descripción

Hello Microsoft Team,

I am studying datadrift monitoring and following [Azure datadrift tutorial](https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/work-with-data/datadrift-tutorial/datadrift-tutorial.ipynb) but when I go to `monitor.backfill()` step, it is quite time consuming to execute.

```
from azureml.widgets import RunDetails

backfill = monitor.backfill(dt.datetime.now() - dt.timedelta(weeks=6), dt.datetime.now())

RunDetails(backfill).show()
backfill.wait_for_completion()
```

As you can see in the capture picture. It have been wasting me up to 9h but have not yet completed. My baseline and target data keep the same as example and I run on compute instance with configuration:

```
Virtual machine size
Standard_DS11_v2 (4 cores, 14 GB RAM, 28 GB disk)
```
Can you explain what error happen with this example tutorial?

Guía de contribución

No hay ninguna guía de contribución indexada para este repositorio

Línea de trabajo

Comienza con datadrift-tutorial.ipynb y la celda de monitor.backfill() mostrada en el informe. Ejecuta el mismo backfill de seis semanas en la instancia de cómputo Standard_DS11_v2 indicada e inspecciona la salida de RunDetails y el comportamiento al completarse. Se considera terminado cuando se identifica por qué el backfill del tutorial no se completa en un tiempo razonable o se documenta la corrección necesaria.

Escrito por el modelo de indexación a partir del texto del issue.

Evaluación

Stack tecnológico
python
Área
machine-learning
Tipo de issue
Error
Dificultad
4/5
Tiempo estimado
3-5 días
Estado de actividad
Estancado
Claridad
Necesita aclaración
Aptitud para principiantes
25/100

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.