Vertex AI Pipelines를 사용하면 서버리스 방식으로 Kubeflow Pipelines SDK 또는 TensorFlow Extended를 사용하여 빌드된 머신러닝(ML) 파이프라인을 실행할 수 있습니다. 이 문서에서는 Vertex AI Pipelines를 사용하여 파이프라인 실행을 시각화, 분석, 비교하는 방법을 설명합니다.
파이프라인 실행 및 예약에 대한 자세한 내용은 파이프라인 실행 가이드를 참조하세요.
Google Cloud Console을 사용하여 파이프라인 실행 시각화
Google Cloud Console을 사용하여 파이프라인 실행을 시각화하는 방법은 다음 안내를 참조하세요.
Google Cloud Console에서 Vertex AI Pipelines를 엽니다.
최근 프로젝트 선택에서 프로젝트 타일을 클릭합니다.
분석하려는 파이프라인 실행의 실행 이름을 클릭합니다.
파이프라인 실행 페이지가 표시되고 파이프라인의 런타임 그래프가 표시됩니다. 파이프라인 요약이 파이프라인 실행 분석 창에 표시됩니다.
- 파이프라인 그래프에 파이프라인의 워크플로 단계가 표시됩니다.
- 파이프라인 요약에는 파이프라인 실행에 대한 기본 정보와 이 파이프라인 실행에 사용된 매개변수가 표시됩니다.
파이프라인 단계 또는 아티팩트에 대해 자세히 알아보려면 런타임 그래프에서 단계 또는 아티팩트를 클릭합니다.
파이프라인 실행 분석 창에 이 파이프라인 단계 또는 아티팩트에 대한 정보가 표시됩니다.
파이프라인 단계의 경우 이 정보에는 실행 세부정보, 단계에 전달된 입력 매개변수, 단계가 파이프라인에 전달한 모든 출력 매개변수가 포함됩니다.
선택한 파이프라인 단계에 대해 자세히 알아보려면 다음 안내를 따르세요.
작업 보기를 클릭하여 작업 세부정보를 확인합니다.
작업 세부정보 페이지에는 이 단계를 실행하는 데 사용되는 머신 유형, 단계가 실행되는 컨테이너 이미지, 이 단계에서 사용되는 암호화 키와 같은 정보가 포함됩니다.
파이프라인 보기를 클릭하여 이 파이프라인 단계에서 생성된 로그를 확인합니다.
로그 창이 나타납니다. 로그를 사용하여 파이프라인 동작을 디버깅합니다.
아티팩트의 경우 이 정보에는 아티팩트의 데이터 유형, 아티팩트가 저장된 위치, 아티팩트의 측정항목이 포함됩니다.
선택한 아티팩트에 대해 자세히 알아보려면 다음 단계를 따르세요.
아티팩트의 URI를 클릭하여 Cloud Storage에서 해당 위치를 엽니다.
ML Metadata에서 열기를 클릭하여 Vertex ML Metadata에서 아티팩트 계보를 확인합니다. 파이프라인 아티팩트 계보에 대한 자세한 내용은 파이프라인 아티팩트 계보 추적을 참고하세요. Vertex ML Metadata를 처음 사용하는 경우 Vertex ML Metadata 소개를 참고하세요.
Google Cloud Console을 사용하여 파이프라인 실행 비교
다음 안내에 따라 Google Cloud Console에서 파이프라인 실행을 비교합니다.
Google Cloud Console에서 Vertex AI Pipelines를 엽니다.
비교할 파이프라인 실행의 체크박스를 선택합니다.
Vertex AI Pipelines 메뉴 바에서 비교를 클릭합니다.
실행 비교 창이 나타납니다.
실행 비교 창에는 파이프라인의 매개변수 및 측정항목이 나열됩니다.
이 정보는 서로 다른 초매개변수 집합이 모델 측정항목에 미치는 영향을 분석하는 등의 분석을 수행하는 데 도움이 됩니다.
다음 단계
- Vertex AI Pipelines 소개를 읽고 ML 워크플로를 조정하는 방법에 대해 자세히 알아보기
- 머신 러닝 파이프라인 빌드 방법 알아보기