Menghasilkan output HTML dan Markdown

Vertex AI Pipelines menyediakan serangkaian jenis visualisasi yang telah ditentukan untuk mengevaluasi hasil tugas pipeline (misalnya, Metrics, ClassificationMetrics). Namun, ada banyak kasus yang memerlukan visualisasi kustom. Vertex AI Pipelines menyediakan dua pendekatan utama untuk menghasilkan output artefak visualisasi kustom: file Markdown dan HTML.

Mengimpor dependensi yang diperlukan

Dalam lingkungan pengembangan, impor dependensi yang diperlukan.

from kfp import dsl
from kfp.dsl import (
    Output,
    HTML,
    Markdown
)

Output HTML

Untuk mengekspor file HTML, tentukan komponen dengan artefak Output[HTML]. Anda juga harus menulis konten HTML ke jalur artefak. Dalam contoh ini, Anda menggunakan variabel string untuk merepresentasikan konten HTML.

@dsl.component
def html_visualization(html_artifact: Output[HTML]):
    public_url = 'https://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)

Artefak HTML di konsol Google Cloud :

Artefak HTML di konsol

Informasi artefak HTML di Google Cloud konsol:

Informasi artefak HTML di konsol

Klik "View HTML" untuk membuka file HTML di tab baru

Informasi artefak HTML di konsol

Output Markdown

Untuk mengekspor file Markdown, tentukan komponen dengan artefak Output[Markdown]. Anda juga harus menulis konten Markdown ke jalur artefak. Dalam contoh ini, Anda menggunakan variabel string untuk merepresentasikan konten Markdown.

@dsl.component
def markdown_visualization(markdown_artifact: Output[Markdown]):
    import urllib.request

    with urllib.request.urlopen('https://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)

Artefak Markdown di konsol Google Cloud :

Artefak Markdown di konsol

Informasi artefak Markdown di konsol Google Cloud :

Informasi artefak Markdown di konsol

Membuat pipeline

Setelah menentukan komponen dengan artefak HTML atau Markdown, buat dan jalankan pipeline yang menggunakan komponen tersebut.

@dsl.pipeline(
    name=f'metrics-visualization-pipeline')
def metrics_visualization_pipeline():
    html_visualization_op = html_visualization()
    markdown_visualization_op = markdown_visualization()

Setelah mengirimkan operasi pipeline, Anda dapat melihat grafik untuk operasi ini di konsol Google Cloud . Grafik ini mencakup artefak HTML dan Markdown yang Anda deklarasikan dalam komponen yang sesuai. Anda dapat memilih artefak ini untuk melihat visualisasi secara mendetail.