Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Mit Vertex AI Pipelines können Sie ML-Pipelines ausführen, die mit dem Kubeflow Pipelines SDK oder TensorFlow Extended serverlos erstellt wurden. In diesem Dokument wird beschrieben, wie Vertex AI Pipelines zum Visualisieren, Analysieren und Vergleichen von Pipelineausführungen verwendet werden.
Weitere Informationen zum Ausführen und Planen von Pipelines finden Sie unter Pipeline ausführen.
Pipelineausführungen mit der Google Cloud Console visualisieren
In der folgenden Anleitung erfahren Sie mehr über die Verwendung der Google Cloud Console zur Visualisierung von Pipelineausführungen.
Öffnen Sie Vertex AI Pipelines in der Google Cloud Console.
Klicken Sie unter Kürzliches Projekt auswählen auf eine Projektkachel.
Klicken Sie auf den Namen der Pipelineausführung, die Sie analysieren möchten.
Die Seite zum Ausführen der Pipeline wird angezeigt und zeigt die Laufzeitgrafik der Pipeline an.
Die Zusammenfassung der Pipeline wird im Bereich Pipelineausführungsanalyse angezeigt.
Die Pipelinegrafik zeigt die Workflow-Schritte in der Pipeline.
In der Pipeline-Zusammenfassung werden die grundlegenden Informationen zur Pipelineausführung und die zur Verwendung in der Pipeline verwendeten Parameter angezeigt.
Klicken Sie auf den Schritt oder das Artefakt in der Laufzeitgrafik, um mehr über einen Pipelineschritt oder -artefakt zu erfahren.
Der Bereich Analyse der Pipelineausführung zeigt Informationen zu diesem Pipelineschritt oder -artefakt an.
Für Pipelineschritte umfassen diese Informationen Ausführungsdetails, die an den Schritt übergebenen Eingabeparameter und alle Ausgabeparameter, die der Schritt an die Pipeline übergeben hat.
Weitere Informationen zum ausgewählten Pipelineschritt:
Klicken Sie auf Job ansehen, um die Jobdetails aufzurufen.
Die Seite „Jobdetails“ enthält Informationen wie den Maschinentyp, der zum Ausführen dieses Schritts verwendet wird, das Container-Image, in dem der Schritt ausgeführt wird, und den in diesem Schritt verwendeten Verschlüsselungsschlüssel.
Klicken Sie auf Logs ansehen, um die von diesem Pipelineschritt erstellten Logs aufzurufen.
Der Logbereich wird angezeigt. Verwenden Sie die Logs, um das Verhalten Ihrer Pipeline zu debuggen.
Für Artefakte umfassen diese Informationen den Datentyp des Artefakts, den Speicherort des Artefakts und die Messwerte.
So erhalten Sie weitere Informationen zum ausgewählten Artefakt:
Klicken Sie auf den URI des Artefakts, um diesen Speicherort in Cloud Storage zu öffnen.
Klicken Sie auf In ML-Metadaten öffnen, um die Herkunft des Artefakts in Vertex ML Metadata anzuzeigen. Weitere Informationen zur Herkunft von Pipeline-Artefakten finden Sie unter Herkunft von Pipeline-Artefakten verfolgen.
Wenn Sie mit Vertex ML Metadata noch nicht vertraut sind, lesen Sie die Einführung in Vertex ML Metadata.
Pipelineausführungen mit der Google Cloud -Konsole vergleichen
Gehen Sie nach der folgenden Anleitung vor, um Pipelineausführungen in der Google Cloud Console zu vergleichen.
Öffnen Sie Vertex AI Pipelines in der Google Cloud Console.
Klicken Sie die Kästchen der Pipelineausführungen an, die Sie vergleichen möchten.
Klicken Sie in der Menüleiste von Vertex AI Pipelines auf compare_arrows Vergleichen.
Der Bereich Ausführungen vergleichen wird angezeigt.
Im Bereich Ausführungen vergleichen werden die Parameter und Messwerte Ihrer Pipeline aufgeführt.
Anhand dieser Informationen können Sie Analysen ausführen, z. B. analysieren, wie sich verschiedene Hyperparameter auf die Messwerte eines Modells auswirken.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 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)."]]
