如何使用专用于GCP的TFX SDK实施Kubeflow“运行参数”？

问题描述

我目前正在使用Kubeflow作为协调器。协调器实际上是GCP上托管的AI平台管道的实例。如何使用Tensorflow Extended SDK创建运行时参数？我怀疑这是我应该使用的类，但是文档不是很有意义，也没有提供任何示例。 https://www.tensorflow.org/tfx/api_docs/python/tfx/orchestration/data_types/RuntimeParameter

类似下面的图片。

解决方法

例如，您要添加模块文件位置作为运行时参数，该参数将传递到TFX管道中的转换组件。

首先设置setup_pipeline.py并定义模块文件参数：

# setup_pipeline.py

from typing import Text
from tfx.orchestration import data_types,pipeline
from tfx.orchestration.kubeflow import kubeflow_dag_runner
from tfx.components import Transform

_module_file_param = data_types.RuntimeParameter(
    name='module-file',default=
    '/tfx-src/tfx/examples/iris/iris_utils_native_keras.py',ptype=Text,)

接下来，定义一个函数，该函数指定管道中使用的组件并传递参数。

def create_pipeline(...,module_file):
    # setup components:
    ...

    transform = Transform(
         ...
         module_file=module_file
      )
     ...

    components = [...,transform,...]

    return pipeline.Pipeline(
          ...,components=components
    )

最后，设置Kubeflow DAG运行器，以便它将参数传递到create_pipeline函数。有关更完整的示例，请参见here。

if __name__ == "__main__":

    # instantiate a kfp_runner
    ...

    kfp_runner = kubeflow_dag_runner.KubeflowDagRunner(
        ...
    )

    kfp_runner.run(
        create_pipeline(...,module_file=_module_file_param
      ))

然后，您可以运行python -m setup_pipeline，这将生成指定管道配置的yaml文件，然后您可以将其上传到Kubeflow GCP界面。