这是我正在尝试的官方教程之一
import kfp
import kfp.dsl as dsl
from kfp.components import create_component_from_func
@create_component_from_func
def confusion_visualization(matrix_uri: str = 'https://raw.githubusercontent.com/kubeflow/pipelines/master/samples/core/visualization/confusion_matrix.csv') -> NamedTuple('VisualizationOutput', [('mlpipeline_ui_metadata', 'UI_metadata')]):
"""Provide confusion matrix csv file to visualize as metrics."""
import json
metadata = {
'outputs' : [{
'type': 'confusion_matrix',
'format': 'csv',
'schema': [
{'name': 'target', 'type': 'CATEGORY'},
{'name': 'predicted', 'type': 'CATEGORY'},
{'name': 'count', 'type': 'NUMBER'},
],
'source': matrix_uri,
'labels': ['rose', 'lily', 'iris'],
}]
}
print('Printing the metadata')
print(metadata)
from collections import namedtuple
visualization_output = namedtuple('VisualizationOutput', [
'mlpipeline_ui_metadata'])
print()
return visualization_output(json.dumps(metadata))
@dsl.pipeline(
name='confusion-matrix-pipeline',
description='A sample pipeline to generate Confusion Matrix for UI visualization.'
)
def confusion_matrix_pipeline():
confusion_visualization_task = confusion_visualization('results.json')
client = kfp.Client()
client.create_run_from_pipeline_func(
confusion_matrix_pipeline,
arguments={}
)
我无法在运行输出或可视化选项卡中看到可视化。它说此步骤中没有可视化。我在这里错过了什么？
我认为您的代码的一个问题是您没有将输出作为文件提供（尝试使用OutputPath）。
来自KubeFlow文档：
该组件还必须导出一个文件输出工件，工件名称为mlpipeline-用户界面-元数据，否则Kubeflow管道UI将无法呈现可视化。
…如果组件将这样的文件写入其容器文件系统，则Kubeflow管道系统提取该文件，Kubeflow管道UI使用该文件生成指定的查看器。元数据指定从何处加载工件数据。Kubeflow管道UI将数据加载到内存中并呈现它。
KubeFlow文档还提供了一个示例，它对我很有用：
def confusion_matrix_viz(mlpipeline_ui_metadata_path: kfp.components.OutputPath()):
import json
metadata = {
'outputs' : [{
'type': 'confusion_matrix',
'format': 'csv',
'schema': [
{'name': 'target', 'type': 'CATEGORY'},
{'name': 'predicted', 'type': 'CATEGORY'},
{'name': 'count', 'type': 'NUMBER'},
],
'source': <CONFUSION_MATRIX_CSV_FILE>,
# Convert vocab to string because for bealean values we want "True|False" to match csv data.
'labels': list(map(str, vocab)),
}]
}
with open(mlpipeline_ui_metadata_path, 'w') as metadata_file:
json.dump(metadata, metadata_file)
因此，您可以尝试像这样修改您的代码：
import kfp
import kfp.dsl as dsl
from kfp.components import create_component_from_func
@create_component_from_func
def confusion_visualization(
matrix_uri: str = 'https://raw.githubusercontent.com/kubeflow/pipelines/master/samples/core/visualization/confusion_matrix.csv',
mlpipeline_ui_metadata_path: kfp.components.OutputPath()
):
"""Provide confusion matrix csv file to visualize as metrics."""
import json
metadata = {
'outputs' : [{
'type': 'confusion_matrix',
'format': 'csv',
'schema': [
{'name': 'target', 'type': 'CATEGORY'},
{'name': 'predicted', 'type': 'CATEGORY'},
{'name': 'count', 'type': 'NUMBER'},
],
'source': matrix_uri,
'labels': ['rose', 'lily', 'iris'],
}]
}
print('Printing the metadata')
print(metadata)
with open(mlpipeline_ui_metadata_path, 'w') as metadata_file:
json.dump(metadata, metadata_file)
@dsl.pipeline(
name='confusion-matrix-pipeline',
description='A sample pipeline to generate Confusion Matrix for UI visualization.'
)
def confusion_matrix_pipeline():
confusion_visualization_task = confusion_visualization('results.json')
client = kfp.Client()
client.create_run_from_pipeline_func(
confusion_matrix_pipeline,
arguments={}
)
