File HTML e markdown di output

Vertex AI Pipelines fornisce un insieme di tipi di visualizzazione predefiniti per valutare il risultato di un job della pipeline (ad es. Metrics,ClassificationMetrics). Tuttavia, in molti casi è necessaria una visualizzazione personalizzata. Vertex AI Pipelines fornisce due approcci principali per generare gli elementi di visualizzazione personalizzati: file Markdown e HTML.

Importa le dipendenze richieste

Nell'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 anche scrivere contenuti HTML nel percorso dell'elemento. In questo esempio viene utilizzata una variabile stringa per rappresentare i contenuti 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)

Elemento HTML nella console Google Cloud:

Elemento HTML nella console

Informazioni sugli elementi HTML nella console Google Cloud:

Informazioni sugli elementi HTML nella console

Fai clic su "Visualizza HTML" per aprire il file HTML in una nuova scheda

Informazioni sugli elementi HTML nella console

Output Markdown

Per esportare un file Markdown, definisci un componente con l'elemento Output[Markdown]. Devi anche scrivere i contenuti Markdown nel percorso dell'artefatto. In questo esempio viene utilizzata una variabile stringa per rappresentare i contenuti 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)

Elemento Markdown nella console Google Cloud:

Elemento Markdown nella console

Informazioni sugli elementi Markdown nella console Google Cloud:

Informazioni sugli elementi Markdown nella console

Crea la tua pipeline

Dopo aver definito il componente con l'artefatto HTML o Markdown, crea e 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 relativo a questa esecuzione nella console Google Cloud. Questo grafico include gli elementi HTML e Markdown che hai dichiarato nei componenti corrispondenti. Puoi selezionare questi elementi per visualizzare una visualizzazione dettagliata.