Crea una pipeline

Vertex AI Pipelines ti consente di orchestrare i tuoi flussi di lavoro di machine learning (ML) in modo serverless. Prima che Vertex AI Pipelines possa orchestrare il tuo flusso di lavoro ML, devi descrivere il flusso di lavoro come una pipeline. Le pipeline ML sono flussi di lavoro ML portatili e scalabili basati su container e servizi Google Cloud.

Questa guida descrive come iniziare a creare pipeline ML.

Quale SDK per le pipeline devo utilizzare?

Vertex AI Pipelines può eseguire pipeline create utilizzando uno dei seguenti SDK:

  • SDK Kubeflow Pipelines 1.8 o versioni successive (è consigliata la versione 2)

  • TensorFlow Extended 0.30.0 o versioni successive

Se utilizzi TensorFlow in un flusso di lavoro ML che elabora terabyte di dati strutturati o dati di testo, ti consigliamo di creare la pipeline utilizzando TFX.

Per altri casi d'uso, ti consigliamo di creare la pipeline utilizzando l'SDK Kubeflow Pipelines. Creando una pipeline con l'SDK Kubeflow Pipelines, puoi implementare il flusso di lavoro creando componenti personalizzati o riutilizzando componenti predefiniti, ad esempio i componenti della pipeline di Google Cloud. I componenti della pipeline di Google Cloud semplificano l'utilizzo dei servizi Vertex AI come AutoML nella tua pipeline.

Questa guida descrive come creare pipeline utilizzando l'SDK Kubeflow Pipelines.

Prima di iniziare

Prima di creare ed eseguire le pipeline, segui le istruzioni riportate di seguito per configurare il progetto Google Cloud e l'ambiente di sviluppo.

  1. Per preparare il tuo progetto Google Cloud a eseguire pipeline di ML, segui le istruzioni riportate nella guida alla configurazione del progetto Google Cloud.

  2. Installa la versione 2 o successive dell'SDK Kubeflow Pipelines.

    pip install --upgrade kfp>=2,<3

  1. Per utilizzare il client Python di Vertex AI nelle tue pipeline, installa le librerie client di Vertex AI 1.7 o versioni successive.

  2. Per utilizzare i servizi Vertex AI nelle tue pipeline, installa l'SDK Google Cloud Pipeline Components.

Iniziare a creare una pipeline

Per orchestrare il flusso di lavoro ML su Vertex AI Pipelines, devi prima descrivere il flusso di lavoro come pipeline. L'esempio seguente mostra come utilizzare i componenti della pipeline di Google Cloud con Vertex AI per creare un set di dati, addestrare un modello con AutoML ed eseguire il deployment del modello addestrato per le previsioni.

Prima di eseguire il seguente esempio di codice, devi configurare l'autenticazione.

Come configurare l'autenticazione

Per configurare l'autenticazione, devi creare una chiave dell'account di servizio e impostare una variabile di ambiente per il percorso della chiave dell'account di servizio.

  1. Crea un account di servizio:

    1. Nella console Google Cloud, vai alla pagina Crea account di servizio.

      Vai a Crea account di servizio

    2. Inserisci un nome nel campo Nome account di servizio.
    3. (Facoltativo) Nel campo Descrizione account di servizio, inserisci una descrizione.
    4. Fai clic su Crea.
    5. Fai clic sul campo Seleziona un ruolo. In Tutti i ruoli, seleziona Vertex AI > Utente Vertex AI.

    6. Fai clic su Fine per creare l'account di servizio.

      Non chiudere la finestra del browser. Lo utilizzerai nel passaggio successivo.

  2. Crea una chiave dell'account di servizio per l'autenticazione:

    1. Nella console Google Cloud, fai clic sull'indirizzo email dell'account di servizio che hai creato.
    2. Fai clic su Chiavi.
    3. Fai clic su Aggiungi chiave, quindi su Crea nuova chiave.
    4. Fai clic su Crea. Un file della chiave JSON viene scaricato sul computer.
    5. Fai clic su Chiudi.
  3. Concedi al nuovo account di servizio l'accesso all'account di servizio che utilizzi per eseguire le pipeline.
    1. Fai clic su per tornare all'elenco degli account di servizio.

    2. Fai clic sul nome dell'account di servizio che utilizzi per eseguire le pipeline. Viene visualizzata la pagina Dettagli account di servizio.

      Se hai seguito le istruzioni nella guida per configurare il progetto per Vertex AI Pipelines, si tratta dello stesso account di servizio che hai creato nella sezione Configurare un account di servizio con autorizzazioni granulari. In caso contrario, Vertex AI utilizza l'account di servizio predefinito di Compute Engine per eseguire le pipeline. L'account di servizio predefinito di Compute Engine è denominato come segue: PROJECT_NUMBER-compute@developer.gserviceaccount.com

    3. Fai clic sulla scheda Autorizzazioni.
    4. Fai clic su Concedi accesso. Viene visualizzato il riquadro Aggiungi entità.
    5. Nella casella Nuove entità, inserisci l'indirizzo email dell'account di servizio che hai creato in un passaggio precedente.
    6. Nell'elenco a discesa Ruolo, seleziona Account di servizio > Utente account di servizio.
    7. Fai clic su Salva.

  4. Imposta la variabile di ambiente GOOGLE_APPLICATION_CREDENTIALS sul percorso del file JSON contenente la chiave dell'account di servizio. Questa variabile si applica solo alla sessione di shell corrente, quindi se apri una nuova sessione, imposta di nuovo la variabile.

    Esempio: Linux o macOS

    Sostituisci [PATH] con il percorso del file JSON contenente la chiave dell'account di servizio. 

    export GOOGLE_APPLICATION_CREDENTIALS="[PATH]"

    Ad esempio:

    export GOOGLE_APPLICATION_CREDENTIALS="/home/user/Downloads/service-account-file.json"

    Esempio: Windows

    Sostituisci [PATH] con il percorso del file JSON che contiene la chiave dell'account di servizio e [FILE_NAME] con il nome del file.

    Con PowerShell:

    $env:GOOGLE_APPLICATION_CREDENTIALS="[PATH]"

    Ad esempio:

    $env:GOOGLE_APPLICATION_CREDENTIALS="C:\Users\username\Downloads\[FILE_NAME].json"

    Con il prompt dei comandi:

    set GOOGLE_APPLICATION_CREDENTIALS=[PATH]

Definisci il flusso di lavoro utilizzando il pacchetto DSL Kubeflow Pipelines

Il pacchetto kfp.dsl contiene il linguaggio specifico del dominio (DSL) che puoi utilizzare per definire e interagire con le pipeline e i componenti.

I componenti della pipeline di Kubeflow sono funzioni factory che creano i passaggi della pipeline. Ogni componente descrive gli input, gli output e l'implementazione del componente. Nell'esempio di codice in basso, ds_op è un componente.

I componenti vengono utilizzati per creare i passaggi della pipeline. Quando viene eseguita una pipeline, i passaggi si susseguono man mano che i dati da cui dipendono diventano disponibili. Ad esempio, un componente di addestramento potrebbe prendere un file CSV come input e usarlo per addestrare un modello.

import kfp
from google.cloud import aiplatform
from google_cloud_pipeline_components.v1.dataset import ImageDatasetCreateOp
from google_cloud_pipeline_components.v1.automl.training_job import AutoMLImageTrainingJobRunOp
from google_cloud_pipeline_components.v1.endpoint import EndpointCreateOp, ModelDeployOp

project_id = PROJECT_ID
pipeline_root_path = PIPELINE_ROOT

# Define the workflow of the pipeline.
@kfp.dsl.pipeline(
    name="automl-image-training-v2",
    pipeline_root=pipeline_root_path)
def pipeline(project_id: str):
    # The first step of your workflow is a dataset generator.
    # This step takes a Google Cloud Pipeline Component, providing the necessary
    # input arguments, and uses the Python variable `ds_op` to define its
    # output. Note that here the `ds_op` only stores the definition of the
    # output but not the actual returned object from the execution. The value
    # of the object is not accessible at the dsl.pipeline level, and can only be
    # retrieved by providing it as the input to a downstream component.
    ds_op = ImageDatasetCreateOp(
        project=project_id,
        display_name="flowers",
        gcs_source="gs://cloud-samples-data/vision/automl_classification/flowers/all_data_v2.csv",
        import_schema_uri=aiplatform.schema.dataset.ioformat.image.single_label_classification,
    )

    # The second step is a model training component. It takes the dataset
    # outputted from the first step, supplies it as an input argument to the
    # component (see `dataset=ds_op.outputs["dataset"]`), and will put its
    # outputs into `training_job_run_op`.
    training_job_run_op = AutoMLImageTrainingJobRunOp(
        project=project_id,
        display_name="train-iris-automl-mbsdk-1",
        prediction_type="classification",
        model_type="CLOUD",
        dataset=ds_op.outputs["dataset"],
        model_display_name="iris-classification-model-mbsdk",
        training_fraction_split=0.6,
        validation_fraction_split=0.2,
        test_fraction_split=0.2,
        budget_milli_node_hours=8000,
    )

    # The third and fourth step are for deploying the model.
    create_endpoint_op = EndpointCreateOp(
        project=project_id,
        display_name = "create-endpoint",
    )

    model_deploy_op = ModelDeployOp(
        model=training_job_run_op.outputs["model"],
        endpoint=create_endpoint_op.outputs['endpoint'],
        automatic_resources_min_replica_count=1,
        automatic_resources_max_replica_count=1,
    )

Sostituisci quanto segue:

  • PROJECT_ID: il progetto Google Cloud in cui viene eseguita questa pipeline.

  • PIPELINE_ROOT_PATH: specifica un URI Cloud Storage a cui può accedere il tuo account di servizio delle pipeline. Gli artefatti delle esecuzioni della pipeline vengono archiviati nella directory principale della pipeline.

    La radice della pipeline può essere impostata come argomento dell'annotazione @kfp.dsl.pipeline nella funzione della pipeline oppure può essere impostata quando chiami create_run_from_job_spec per creare un'esecuzione della pipeline.

Compila la pipeline in un file YAML

Dopo aver definito il flusso di lavoro della pipeline, puoi procedere con la compilazione della pipeline in formato YAML. Il file YAML include tutte le informazioni per l'esecuzione della pipeline su Vertex AI Pipelines.

from kfp import compiler

compiler.Compiler().compile(
    pipeline_func=pipeline,
    package_path='image_classif_pipeline.yaml'
)

Invia l'esecuzione della pipeline

Dopo aver compilato il flusso di lavoro della pipeline in formato YAML, puoi utilizzare il client Python di Vertex AI per inviare ed eseguire la pipeline.

import google.cloud.aiplatform as aip

# Before initializing, make sure to set the GOOGLE_APPLICATION_CREDENTIALS
# environment variable to the path of your service account.
aip.init(
    project=project_id,
    location=PROJECT_REGION,
)

# Prepare the pipeline job
job = aip.PipelineJob(
    display_name="automl-image-training-v2",
    template_path="image_classif_pipeline.yaml",
    pipeline_root=pipeline_root_path,
    parameter_values={
        'project_id': project_id
    }
)

job.submit()

Sostituisci quanto segue:

  • PROJECT_REGION: la regione in cui viene eseguita questa pipeline.

Nell'esempio precedente:

  1. Una pipeline Kubeflow è definita come funzione Python. La funzione è annotata con il decorator @kfp.dsl.pipeline, che specifica il nome e il percorso principale della pipeline. Quest'ultimo indica la posizione in cui sono archiviati gli artefatti della pipeline.
  2. I passaggi del flusso di lavoro della pipeline vengono creati utilizzando i componenti della pipeline di Google Cloud. Utilizzando gli output di un componente come input di un altro componente, il flusso di lavoro della pipeline viene definito come grafo. Ad esempio, training_job_run_op dipende dall'output dataset di ds_op.
  3. La pipeline viene compilata utilizzando kfp.compiler.Compiler.
  4. L'esecuzione di una pipeline deve essere eseguita su Vertex AI Pipelines utilizzando il client Python di Vertex AI. Quando esegui una pipeline, puoi eseguire l'override del nome e del percorso principale della pipeline. Le esecuzioni della pipeline possono essere raggruppate utilizzando il nome della pipeline. L'override del nome della pipeline è utile per distinguere tra le esecuzioni della pipeline in produzione e quelle sperimentali.

Per scoprire di più sulla creazione di pipeline, leggi la sezione Creare pipeline Kubeflow e segui gli esempi e i tutorial.

(Facoltativo) Testa una pipeline in locale

Dopo aver definito le pipeline e i componenti, puoi testare il codice del componente eseguendolo nel tuo ambiente di creazione locale. Se esegui la pipeline o un componente in locale, puoi identificare e risolvere potenziali problemi prima di creare un'esecuzione della pipeline in un ambiente remoto, ad esempio Vertex AI Pipelines. Per saperne di più sull'esecuzione locale di pipeline e componenti, consulta la sezione Esecuzione locale nella documentazione di KFP.

Questa pagina mostra come definire ed eseguire una pipeline composta da due attività.

Configura l'ambiente locale

  1. (Facoltativo) Installa Docker.

  2. Utilizza il seguente esempio di codice per definire una pipeline semplice:

    from kfp import dsl

# Define a component to add two numbers.
@dsl.component
def add(a: int, b: int) -> int:
    return a + b

# Define a simple pipeline using the component.
@dsl.pipeline
def addition_pipeline(x: int, y: int, z: int) -> int:
    task1 = add(a=x, b=y)
    task2 = add(a=task1.output, b=z)
    return task2.output

Richiamare un'esecuzione locale

Inizializza una sessione locale utilizzando la funzione local.init(). Quando utilizzi local.init(), l'SDK KFP esegue localmente le pipeline e i componenti quando li chiami.

Quando utilizzi local.init(), devi specificare un tipo di programma. Il tipo di runner indica in che modo KFP deve eseguire ogni attività.

Utilizza il seguente esempio per specificare il DockerRunner tipo di runner per l'esecuzione di ogni attività in un contenitore. Per ulteriori informazioni sui runner locali supportati da KFP, consulta la sezione Runner locali nella documentazione di KFP.

from kfp import local

local.init(runner=local.DockerRunner())

pipeline_task = addition_pipeline(x=1, y=2, z=3)

Utilizza il seguente codice per visualizzare l'output dell'attività della pipeline al momento dell'esecuzione locale:

print(f'Result: {pipeline_task.output}')

Creazione di pipeline Kubeflow

Per creare una pipeline, segui la procedura riportata di seguito.

  1. Progetta la pipeline come una serie di componenti. Per favorire la riusabilità, ogni componente deve avere una singola responsabilità. Se possibile, progetta la pipeline in modo da riutilizzare componenti collaudati come i componenti della pipeline di Google Cloud.

    Scopri di più sulla progettazione delle pipeline.

  2. Crea tutti i componenti personalizzati necessari per implementare il flusso di lavoro di ML utilizzando l'SDK Kubeflow Pipelines. I componenti sono insiemi di codice autonomi che eseguono un passaggio del flusso di lavoro ML. Utilizza le seguenti opzioni per creare i componenti della pipeline.

  3. Crea la pipeline come funzione Python.

    Scopri di più sulla definizione della pipeline come funzione Python.

  4. Utilizza il compilatore dell'SDK Kubeflow Pipelines per compilare la pipeline.

    from kfp import compiler

compiler.Compiler().compile(
    pipeline_func=PIPELINE_FUNCTION,
    package_path=PIPELINE_PACKAGE_PATH)

    Sostituisci quanto segue:

    • PIPELINE_FUNCTION: il nome della funzione della pipeline.
    • PIPELINE_PACKAGE_PATH: il percorso in cui memorizzare la pipeline compilata.

  5. Esegui la pipeline utilizzando la console Google Cloud o Python.

Accesso alle risorse Google Cloud in una pipeline

Se non specifichi un account di servizio quando esegui una pipeline, Vertex AI Pipelines utilizza l'account di servizio predefinito di Compute Engine per eseguire la pipeline. Vertex AI Pipelines utilizza anche un account di servizio dell'esecuzione della pipeline per autorizzare la pipeline ad accedere alle risorse Google Cloud. L'account di servizio predefinito di Compute Engine ha il ruolo Editor del progetto per impostazione predefinita. Ciò potrebbe concedere alle tue pipeline un accesso eccessivo alle risorse Google Cloud nel tuo progetto Google Cloud.

Ti consigliamo di creare un account di servizio per eseguire le pipeline e poi concedere a questo account autorizzazioni granulari alle risorse Google Cloud necessarie per l'esecuzione della pipeline.

Scopri di più sull'utilizzo di Identity and Access Management per creare un account di servizio e gestire l'accesso concesso a un account di servizio.

Mantenere aggiornate le pipeline

I client SDK e le immagini container che utilizzi per creare ed eseguire le pipeline vengono aggiornati periodicamente a nuove versioni per correggere le vulnerabilità di sicurezza e aggiungere nuove funzionalità. Per mantenere aggiornate le pipeline con la versione più recente, consigliamo di procedere nel seguente modo:

Passaggi successivi