在實驗中新增管道執行作業

Google Cloud 控制台

1. 在 Google Cloud 控制台的 Vertex AI 專區中，前往「Pipelines」頁面。
   前往 Pipelines
2. 在「Region」下拉式選單中，選取要建立管道執行作業的區域。
3. 按一下「add_box」建立執行作業，開啟「建立管道執行作業」窗格。
4. 指定下列執行詳細資料。
   • 在「File」欄位中，按一下「Choose」，開啟檔案選取工具。 前往要執行的已編譯 pipeline JSON 檔案，選取 pipeline，然後按一下「Open」。
   • 管道名稱預設為您在管道定義中指定的名稱。您可以選擇指定其他管道名稱。
   • 指定執行作業名稱，以便唯一識別此管道執行作業。
5. 如要指定這個管道執行作業使用自訂服務帳戶、客戶管理的加密金鑰或對等互連的虛擬私有雲網路，請按一下「進階選項」 (選用)。
   請按照下列操作說明設定進階選項，例如自訂服務帳戶。
   • 如要指定服務帳戶，請從「Service account」下拉式清單中選取服務帳戶。
     如果未指定服務帳戶，Vertex AI Pipelines 會使用預設的 Compute Engine 服務帳戶執行管道。
     進一步瞭解如何設定服務帳戶，以便與 Vertex AI Pipelines 搭配使用。
   • 如要使用客戶管理的加密金鑰 (CMEK)，請選取「使用客戶管理的加密金鑰」。系統會顯示「Select a customer-managed key」下拉式選單。在「Select a customer-managed key」下拉式清單中，選取要使用的金鑰。
   • 如要在這個管道執行作業中使用對等互連虛擬私有雲網路，請在「對等互連虛擬私有雲網路」方塊中輸入虛擬私有雲網路名稱。
6. 按一下「繼續」。
   「Cloud Storage」位置和「管道參數」窗格隨即顯示。
• 必要項目：輸入 Cloud Storage 輸出目錄，例如：gs://location_of_directory。
• 選用：指定要用於這項 pipeline 執行作業的參數。
7. 按一下「提交」，即可建立管道執行作業。
8. 管道提交後，會顯示在管道的 Google Cloud 主控台表格中。
9. 在與管道相關聯的資料列中，依序按一下 more_vert「View more」>「Add to Experiment」
• 選取現有實驗或建立新的實驗。
• 選用：如果實驗執行作業與實驗相關聯，就會顯示在下拉式選單中。選取現有的實驗執行。
10. 按一下 [儲存]。

使用 Google Cloud 控制台比較管道執行作業與實驗執行作業

1. 前往 Google Cloud 控制台的「Experiments」頁面。
   前往「實驗」。
   「實驗」頁面會顯示實驗清單。
2. 選取要新增管道執行作業的實驗。
   畫面上會顯示執行作業清單。
3. 選取要比較的執行作業，然後按一下「比較」
   
4. 按一下「Add run」按鈕。畫面上會顯示執行作業清單
5. 選取要新增的管道執行作業。跑步活動已新增。

Vertex AI SDK for Python {:#sdk-add-pipeline-run}

以下範例使用 PipelineJob API。

from typing import Any, Dict, Optional

from google.cloud import aiplatform


def log_pipeline_job_to_experiment_sample(
    experiment_name: str,
    pipeline_job_display_name: str,
    template_path: str,
    pipeline_root: str,
    project: str,
    location: str,
    parameter_values: Optional[Dict[str, Any]] = None,
):
    aiplatform.init(project=project, location=location)

    pipeline_job = aiplatform.PipelineJob(
        display_name=pipeline_job_display_name,
        template_path=template_path,
        pipeline_root=pipeline_root,
        parameter_values=parameter_values,
    )

    pipeline_job.submit(experiment=experiment_name)

from google.cloud import aiplatform


def log_pipeline_job_sample(
    experiment_name: str,
    run_name: str,
    pipeline_job: aiplatform.PipelineJob,
    project: str,
    location: str,
):
    aiplatform.init(experiment=experiment_name, project=project, location=location)

    aiplatform.start_run(run=run_name, resume=True)

    aiplatform.log(pipeline_job=pipeline_job)