Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Vertex AI Pipelines vous permet d'exécuter des pipelines de machine learning (ML) créés à l'aide du SDK Kubeflow Pipelines ou de TensorFlow Extended dans une solution sans serveur. Ce document explique comment utiliser Vertex AI Pipelines pour visualiser, analyser et comparer les exécutions de pipelines.
Pour en savoir plus sur l'exécution et la planification de pipelines, consultez le guide sur l'exécution d'un pipeline.
Visualiser les exécutions de pipeline à l'aide de la console Google Cloud
Suivez les instructions ci-dessous pour en savoir plus sur l'utilisation de la console Google Cloud pour visualiser les exécutions de pipeline.
Ouvrez Vertex AI Pipelines dans la console Google Cloud .
Dans Sélectionner un projet récent, cliquez sur la tuile d'un projet.
Cliquez sur le nom de l'exécution de pipeline que vous souhaitez analyser.
La page d'exécution du pipeline apparaît et affiche le graphique d'exécution du pipeline.
Le résumé du pipeline s'affiche dans le volet Analyse de l'exécution du pipeline.
Le graphique du pipeline affiche les étapes du workflow dans le pipeline.
Le récapitulatif du pipeline affiche les informations de base sur l'exécution du pipeline et les paramètres utilisés pour cette exécution.
Pour en savoir plus sur une étape ou un artefact de pipeline, cliquez sur l'étape ou l'artefact dans le graphique d'exécution.
Le volet Analyse de l'exécution du pipeline affiche des informations sur cette étape ou cet artefact de pipeline.
Pour les étapes du pipeline, ces informations incluent des détails de l'exécution, les paramètres d'entrée transmis à l'étape et tous les paramètres de sortie transmis à l'étape.
Pour en savoir plus sur l'étape du pipeline sélectionnée :
Cliquez sur Afficher la tâche pour afficher les détails de la tâche.
La page des détails de la tâche comprend des informations telles que le type de machine utilisé pour exécuter cette étape, l'image de conteneur dans laquelle cette étape s'exécute et la clé de chiffrement utilisée par cette étape.
Cliquez sur Afficher les journaux pour afficher les journaux générés par cette étape de pipeline.
Le volet des journaux s'affiche. Utilisez les journaux pour faciliter le débogage du comportement de votre pipeline.
Pour les artefacts, ces informations incluent le type de données de l'artefact, son emplacement de stockage et les métriques correspondantes.
Pour en savoir plus sur l'artefact sélectionné :
Cliquez sur l'URI de l'artefact pour ouvrir cet emplacement dans Cloud Storage.
Cliquez sur Open in ML Metadata (Ouvrir dans les métadonnées de ML) pour afficher la traçabilité de l'artefact dans Vertex ML Metadata. Pour en savoir plus sur la traçabilité des artefacts de pipeline, consultez Suivre la traçabilité des artefacts de pipeline.
Si vous débutez avec Vertex ML Metadata, consultez la page Présentation de Vertex ML Metadata.
Comparer les exécutions de pipeline à l'aide de la console Google Cloud
Suivez les instructions ci-dessous pour comparer des exécutions de pipeline dans la console Google Cloud .
Ouvrez Vertex AI Pipelines dans la console Google Cloud .
Cochez les cases des exécutions de pipeline que vous souhaitez comparer.
Dans la barre de menus de Vertex AI Pipelines, cliquez sur compare_arrows Comparer.
Le volet Comparer les exécutions s'affiche.
Le volet Comparer les exécutions répertorie les paramètres et les métriques de votre pipeline.
Ces informations vous aident à effectuer une analyse, par exemple analyser la façon dont différents ensembles d'hyperparamètres affectent les métriques d'un modèle.
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/09/04 (UTC).
[[["Facile à comprendre","easyToUnderstand","thumb-up"],["J'ai pu résoudre mon problème","solvedMyProblem","thumb-up"],["Autre","otherUp","thumb-up"]],[["Difficile à comprendre","hardToUnderstand","thumb-down"],["Informations ou exemple de code incorrects","incorrectInformationOrSampleCode","thumb-down"],["Il n'y a pas l'information/les exemples dont j'ai besoin","missingTheInformationSamplesINeed","thumb-down"],["Problème de traduction","translationIssue","thumb-down"],["Autre","otherDown","thumb-down"]],["Dernière mise à jour le 2025/09/04 (UTC)."],[],[],null,["# Visualize and analyze pipeline results\n\n| To learn more,\n| run the \"Build Vertex AI Pipelines that generate model metrics and visualizations, and compare pipeline runs\" notebook in one of the following\n| environments:\n|\n| [Open in Colab](https://colab.research.google.com/github/GoogleCloudPlatform/vertex-ai-samples/blob/main/notebooks/official/pipelines/metrics_viz_run_compare_kfp.ipynb)\n|\n|\n| \\|\n|\n| [Open in Colab Enterprise](https://console.cloud.google.com/vertex-ai/colab/import/https%3A%2F%2Fraw.githubusercontent.com%2FGoogleCloudPlatform%2Fvertex-ai-samples%2Fmain%2Fnotebooks%2Fofficial%2Fpipelines%2Fmetrics_viz_run_compare_kfp.ipynb)\n|\n|\n| \\|\n|\n| [Open\n| in Vertex AI Workbench](https://console.cloud.google.com/vertex-ai/workbench/deploy-notebook?download_url=https%3A%2F%2Fraw.githubusercontent.com%2FGoogleCloudPlatform%2Fvertex-ai-samples%2Fmain%2Fnotebooks%2Fofficial%2Fpipelines%2Fmetrics_viz_run_compare_kfp.ipynb)\n|\n|\n| \\|\n|\n| [View on GitHub](https://github.com/GoogleCloudPlatform/vertex-ai-samples/blob/main/notebooks/official/pipelines/metrics_viz_run_compare_kfp.ipynb)\n\nVertex AI Pipelines lets you run machine learning (ML) pipelines\nthat were built using the Kubeflow Pipelines SDK or TensorFlow Extended in a serverless\nmanner. This document describes how to use Vertex AI Pipelines to\nvisualize, analyze, and compare pipeline runs.\n\nTo learn more about running and scheduling pipelines, read the guide to\n[running a pipeline](/vertex-ai/docs/pipelines/run-pipeline).\n\nVisualize pipeline runs using Google Cloud console\n--------------------------------------------------\n\nUse the following instructions to learn more about using Google Cloud console to\nvisualize pipeline runs.\n\n1. Open Vertex AI Pipelines in Google Cloud console.\n\n [Go to Vertex AI Pipelines](https://console.cloud.google.com/vertex-ai/pipelines?project=_)\n2. In **Select a recent project**, click a project tile.\n\n3. Click the run name of the pipeline run that you want to analyze.\n\n The pipeline run page appears and displays the pipeline's runtime graph.\n The pipeline's summary appears in the **Pipeline run analysis** pane.\n - The pipeline graph shows the workflow steps in the pipeline.\n - The pipeline summary shows the basic information about the pipeline run and the parameters that were used in this pipeline run.\n4. To learn more about a pipeline step or artifact, click the step or artifact\n in the runtime graph.\n\n The **Pipeline run analysis** pane shows information about this pipeline\n step or artifact.\n - For pipeline steps, this information includes execution details, the\n input parameters that were passed to the step, and any output parameters\n that the step passed to the pipeline.\n\n To learn more about the selected pipeline step:\n - Click **View job** to see the job details.\n\n The job details page includes information like the machine type used\n to run this step, the container image that the step runs in, and the\n encryption key used by this step.\n - Click **View logs** to see the logs produced by this pipeline step.\n\n The logs pane appears. Use the logs to help debug the behavior of\n your pipeline.\n - For artifacts, this information includes the data type of the artifact,\n the location where the artifact is stored, and the artifact's metrics.\n\n To learn more about the selected artifact:\n - Click the artifact's **URI** to open that location in Cloud Storage.\n\n - Click **Open in ML Metadata** to view the lineage of the artifact in\n Vertex ML Metadata. For more information about pipeline\n artifact lineage, see [Track the lineage of pipeline artifacts](/vertex-ai/docs/pipelines/lineage).\n If you're new to Vertex ML Metadata, read the [introduction to Vertex ML Metadata](/vertex-ai/docs/ml-metadata/introduction).\n\nCompare pipeline runs using Google Cloud console\n------------------------------------------------\n\nUse the following instructions to compare pipeline runs in Google Cloud console.\n\n1. Open Vertex AI Pipelines in Google Cloud console.\n\n [Go to Vertex AI Pipelines](https://console.cloud.google.com/vertex-ai/pipelines?project=_)\n2. Select the checkboxes of the pipeline runs that you want to compare.\n\n3. In the Vertex AI Pipelines menubar, click\n **compare_arrows\n Compare**.\n\n The **Compare runs** pane appears.\n4. The **Compare runs** pane lists your pipeline's parameters and metrics.\n\n This information helps you to perform analysis, such as analyzing how\n different sets of hyperparameters affect a model's metrics.\n\nWhat's next\n-----------\n\n- Read the [introduction to Vertex AI Pipelines](/vertex-ai/docs/pipelines/introduction) to learn more about orchestrating ML workflows.\n- Learn how to [build a machine learning pipeline](/vertex-ai/docs/pipelines/build-pipeline)."]]
