Vertex AI Pipelines fornisce un insieme di tipi di visualizzazione predefiniti
per valutare il risultato di un job di pipeline (ad esempio Metrics,
ClassificationMetrics). Tuttavia, in molti casi è necessaria una visualizzazione personalizzata. Vertex AI Pipelines fornisce due approcci
principali per produrre artefatti di visualizzazione personalizzati: Markdown e file HTML.
Importa le dipendenze obbligatorie
Nel tuo ambiente di sviluppo, importa le dipendenze richieste.
from kfp import dsl
from kfp.dsl import (
Output,
HTML,
Markdown
)
HTML di output
Per esportare un file HTML, definisci un componente con l'elemento Output[HTML].
Devi inoltre scrivere contenuti HTML nel percorso dell'elemento. In questo esempio utilizzerai una variabile stringa per rappresentare i contenuti HTML.
@dsl.component
def html_visualization(html_artifact: Output[HTML]):
public_url = 'http://user-images.githubusercontent.com/37026441/140434086-d9e1099b-82c7-4df8-ae25-83fda2929088.png'
html_content = \
'<html><head></head><body><h1>Global Feature Importance</h1>\n<img src="{}" width="97%"/></body></html>'.format(public_url)
with open(html_artifact.path, 'w') as f:
f.write(html_content)
Artefatto HTML nella console Google Cloud:
Informazioni sugli artefatti HTML nella console Google Cloud:
Fai clic su "Visualizza HTML" per aprire il file HTML in una nuova scheda
Markdown di output
Per esportare un file Markdown, definisci un componente con l'artefatto Output[Markdown]. Devi anche annotare i contenuti di Markdown nel percorso dell'elemento. In questo
esempio utilizzi una variabile stringa per rappresentare i contenuti Markdown.
@dsl.component
def markdown_visualization(markdown_artifact: Output[Markdown]):
import urllib.request
with urllib.request.urlopen('http://gist.githubusercontent.com/zijianjoy/a288d582e477f8021a1fcffcfd9a1803/raw/68519f72abb59152d92cf891b4719cd95c40e4b6/table_visualization.md') as table:
markdown_content = table.read().decode('utf-8')
with open(markdown_artifact.path, 'w') as f:
f.write(markdown_content)
Artefatto di annotazione nella console Google Cloud:
Informazioni sugli artefatti di markup nella console Google Cloud:
Crea la tua pipeline
Dopo aver definito il componente con l'artefatto HTML o Markdown, crea ed esegui una pipeline che lo utilizzi.
@dsl.pipeline(
name=f'metrics-visualization-pipeline')
def metrics_visualization_pipeline():
html_visualization_op = html_visualization()
markdown_visualization_op = markdown_visualization()
Dopo aver inviato l'esecuzione della pipeline, puoi visualizzare il grafico per l'esecuzione nella console Google Cloud. Questo grafico include gli artefatti HTML e Markdown che hai dichiarato nei componenti corrispondenti. Puoi selezionare questi artefatti per vedere una visualizzazione dettagliata.