Vertex AI Pipelines を使用すると、Kubeflow Pipelines SDK または TensorFlow Extended を使用して構築された機械学習（ML）パイプラインをサーバーレスで実行できます。このドキュメントでは、Vertex AI Pipelines を使用してパイプライン実行を可視化、分析、比較する方法について説明します。
パイプラインの実行とスケジュール設定の詳細については、パイプラインの実行をご覧ください。
Google Cloud Console を使用してパイプライン実行を可視化する
Google Cloud コンソールを使用してパイプライン実行を可視化する方法については、次の手順をご覧ください。
Google Cloud コンソールで Vertex AI Pipelines を開きます。
[最近のプロジェクトの選択] でプロジェクト タイルをクリックします。
分析するパイプライン実行の実行名をクリックします。
パイプラインの実行ページが表示され、パイプラインのランタイム グラフが表示されます。パイプラインのサマリーが [パイプライン実行分析] ペインに表示されます。
- パイプライン グラフには、パイプラインのワークフロー ステップが表示されます。
- パイプラインのサマリーには、パイプライン実行に関する基本情報と、このパイプライン実行で使用されたパラメータが表示されます。
パイプライン ステップまたはアーティファクトの詳細については、ランタイム グラフでステップまたはアーティファクトをクリックしてください。
[パイプライン実行分析] ペインに、このパイプライン ステップまたはアーティファクトに関する情報が表示されます。
パイプライン ステップについては、実行の詳細、ステップに渡された入力パラメータ、ステップがパイプラインに渡した出力パラメータの情報が表示されます。
選択したパイプライン ステップの詳細を確認するには:
[ジョブを表示] をクリックしてジョブの詳細を表示します。
ジョブの詳細ページには、このステップの実行に使用されたマシンタイプ、ステップが実行されているコンテナ イメージ、ステップで使用される暗号鍵などの情報が表示されます。
[ログを表示] をクリックして、このパイプライン ステップで生成されたログを確認します。
ログのペインが表示されます。このログを使用して、パイプラインの動作をデバッグします。
アーティファクトについては、アーティファクトのデータ型、アーティファクトが保存される場所、アーティファクトの指標の情報が表示されます。
選択したアーティファクトの詳細を確認するには:
アーティファクトの URI をクリックして、Cloud Storage 内のその場所を開きます。
[ML Metadata で開く] をクリックして、Vertex ML Metadata でアーティファクトのリネージを表示します。パイプライン アーティファクトのリネージの詳細については、パイプライン アーティファクトのリネージを追跡するをご覧ください。Vertex ML Metadata を初めて使用する場合は、Vertex ML Metadata の概要をご覧ください。
Google Cloud コンソールを使用してパイプライン実行を比較する
Google Cloud コンソールでパイプライン実行を比較するには、次の手順を行います。
Google Cloud コンソールで Vertex AI Pipelines を開きます。
比較するパイプライン実行のチェックボックスをオンにします。
Vertex AI Pipelines メニューバーで、[比較] をクリックします。
[実行の比較] ペインが表示されます。
[実行の比較] ペインに、パイプラインのパラメータと指標が一覧表示されます。
この情報により、ハイパーパラメータの異なるセットがモデルの指標にどのように影響するかを分析できます。
次のステップ
- Vertex AI Pipelines の概要で ML ワークフローのオーケストレーション方法を学習する。
- 機械学習パイプラインの構築方法を学習する。