Visualizar y analizar los resultados de la canalización
Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Vertex AI Pipelines te permite ejecutar canalizaciones de aprendizaje automático (AA) compiladas con el SDK de Kubeflow Pipelines o TensorFlow Extended sin servidores. En este documento, se describe cómo usar Vertex AI Pipelines para visualizar, analizar y comparar las ejecuciones de canalizaciones.
Si deseas obtener más información para ejecutar y programar canalizaciones, lee la guía si deseas ejecutar una canalización.
Visualiza las ejecuciones de canalizaciones con la consola de Google Cloud
Usa las siguientes instrucciones para obtener más información sobre el uso de la consola de Google Cloud para visualizar ejecuciones de canalizaciones.
Abre Vertex AI Pipelines en la Google Cloud consola.
En Selecciona un proyecto reciente, haz clic en el mosaico de un proyecto.
Haz clic en el nombre de la ejecución correspondiente a la ejecución de canalización que deseas analizar.
Aparecerá la página de ejecución de la canalización y el gráfico del entorno de ejecución de la canalización.
El resumen de la canalización aparece en el panel Pipeline run analysis.
El gráfico de canalización muestra los pasos del flujo de trabajo en la canalización.
El resumen de la canalización muestra la información básica sobre la ejecución de la canalización y los parámetros que se usaron en esta ejecución.
Para obtener más información sobre un paso o artefacto de canalización, haz clic en el paso o artefacto en el gráfico del entorno de ejecución.
En el panel Pipeline run analysis, se muestra información sobre este paso o artefacto de canalización.
Para los pasos de canalización, esta información incluye detalles de ejecución, los
parámetros de entrada que se transmitieron al paso y cualquier parámetro de salida
que el paso transmitió a la canalización.
Para obtener más información sobre el paso de canalización seleccionado, haz lo siguiente:
Haz clic en View job para ver los detalles.
La página de detalles del trabajo incluye información como el tipo de máquina que se usa para ejecutar este paso, la imagen de contenedor en la que se ejecuta el paso y la clave de encriptación que utiliza este paso.
Haz clic en View logs para ver los registros generados por este paso de canalización.
Aparecerá el panel de registros. Usa los registros para ayudar a depurar el comportamiento de la canalización.
En el caso de los artefactos, esta información incluye el tipo de datos del artefacto,
la ubicación en la que se almacena el artefacto, y las métricas del artefacto.
Para obtener más información sobre el artefacto seleccionado, sigue estos pasos:
Haz clic en el URI del artefacto para abrir esa ubicación en Cloud Storage.
Selecciona las casillas de verificación de las ejecuciones de canalizaciones que deseas comparar.
En la barra de menú de Vertex AI Pipelines, haz clic en compare_arrows Compare.
Aparecerá el panel Compare runs.
En el panel Compare runs, se muestran los parámetros y las métricas de la canalización.
Esta información te ayuda a realizar un análisis como, por ejemplo, el análisis de cómo diferentes conjuntos de hiperparámetros afectan las métricas de un modelo.
[[["Fácil de comprender","easyToUnderstand","thumb-up"],["Resolvió mi problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Información o código de muestra incorrectos","incorrectInformationOrSampleCode","thumb-down"],["Faltan la información o los ejemplos que necesito","missingTheInformationSamplesINeed","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Otro","otherDown","thumb-down"]],["Última actualización: 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)."]]
