O Vertex AI Pipelines fornece um conjunto de tipos de visualização predefinidos
para avaliar o resultado de um job de pipeline (por exemplo, Metrics,
ClassificationMetrics). No entanto, há muitos casos em que a visualização personalizada é necessária. O Vertex AI Pipelines fornece duas abordagens principais para produzir artefatos de visualização personalizada: arquivos Markdown e HTML.
Importar as dependências necessárias
No seu ambiente de desenvolvimento, importe as dependências necessárias.
from kfp import dsl
from kfp.dsl import (
Output,
HTML,
Markdown
)
HTML de saída
Para exportar um arquivo HTML, defina um componente com o artefato Output[HTML].
Você também precisa gravar conteúdo HTML no caminho do artefato. Neste exemplo, você usa uma variável de string para representar o conteúdo 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)
Artefato HTML no console do Google Cloud:
Informações sobre o artefato HTML no console do Google Cloud:
Clique em "Visualizar HTML" para abrir o arquivo HTML em uma nova guia
Marcação de saída
Para exportar um arquivo Markdown, defina um componente com o artefato Output[Markdown]. Você também precisa gravar conteúdo Markdown no caminho do artefato. Neste exemplo, você usa uma variável de string para representar o conteúdo do 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)
Artefato Markdown no console do Google Cloud:
Informações sobre o artefato Markdown no console do Google Cloud:
Criar o pipeline
Depois de definir seu componente com o artefato HTML ou Markdown, crie e execute um pipeline que use o componente.
@dsl.pipeline(
name=f'metrics-visualization-pipeline')
def metrics_visualization_pipeline():
html_visualization_op = html_visualization()
markdown_visualization_op = markdown_visualization()
Depois de enviar a execução do pipeline, é possível visualizar o gráfico dessa execução no Console do Google Cloud. Esse gráfico inclui os artefatos HTML e Markdown declarados nos componentes correspondentes. Selecione esses artefatos para ter uma visualização detalhada.