我正在探索用于运行机器学习训练作业的顶点AI管道。kubeflow管道文档清楚地说明了如何参数化容器的命令/参数。
是否也可以将输入传递给组件的环境变量或图像名称？组件的这种大摇大摆模式表明可以这样做，但此示例失败：
implementation:
container:
image: {concat: ["us.gcr.io/vcm-ml/emulator", {inputValue: tag}]
# command is a list of strings (command-line arguments).
# The YAML language has two syntaxes for lists and you can use either of them.
# Here we use the "flow syntax" - comma-separated strings inside square brackets.
command: [
python3,
# Path of the program inside the container
/pipelines/component/src/program.py,
--input1-path,
{inputPath: input_1},
--param1,
--output1-path,
]
env:
NAME: {inputValue: env}
inputs:
- {name: tag, type: String}
- {name: env, type: String}
- {name: input_1, type: String, description: 'Data for input_1'}
是否支持将{inputValue}传递给容器. env或容器.tag。或者，是否可以使用V2 pythonDSL添加环境变量或更改图像名称。
抱歉造成混乱。
不幸的是，JsonSchema在这里是错误的（即它与实现不同）。与图像相同。
env实现使用静态映射。image也是静态的。
在Kubeflow管道（v1）中，您可能能够在创建组件实例后将环境变量设置为动态值。但这可能在顶点管道中不起作用。
my_task = my_op(...)
my_task.container.add_env_variable(V1EnvVar(name='MSG', value=task1.outputs["out1"]))
如果这不起作用，您可以在KFP存储库中创建有关env支持的GitHub问题。
对于图像，我们通常建议为不同的图像提供单独的组件文件。
解决方法是一个设置变量的小型包装脚本：
inputs:
- {name: tag, type: String}
- {name: env, type: String}
- {name: input_1, type: String, description: 'Data for input_1'}
implementation:
container:
image: "us.gcr.io/vcm-ml/emulator"
command:
- sh
- -ec
- 'NAME="$0" "$@"' # Set NAME to the first arg and execute the rest
- {inputValue: env}
- python3
# Path of the program inside the container
- /pipelines/component/src/program.py
- --input1-path
- {inputPath: input_1}
- --param1
- --output1-path
