Über Pipelines

Eine Pipeline ist eine Beschreibung eines Machine Learning-Workflows, einschließlich aller Funktionen im Workflow und der Reihenfolge der Ausführungen dieser Funktionen. Die Pipeline enthält die Definition der Eingaben, die zum Ausführen der Pipeline erforderlich sind, und die von ihr empfangenen Ausgaben.

Eine Pipelineausführung ist eine Ausführung einer Pipeline, die auf einem Code basiert, der vom Benutzer bereitgestellt wurde. Nach Abschluss hat eine Pipelineausführung zugehörige Ausgaben und Protokolle.

Es gibt drei Arten von Pipelines:

• Trainingspipeline – Nimmt als Eingabe ein Paket und ein Dataset und erzeugt eine neue Paketversion.

• Auswertungspipeline – Nimmt als Eingabe eine Paketversion und ein Dataset und erzeugt eine Reihe von Metriken und Protokollen.

• Full Pipeline - runs a processing function, a training pipeline, and immediately after an evaluation pipeline.

  Tipp:

  The examples used to explain these concepts are based on a sample package, tutorialpackage.zip, that you can download by clicking the button below. We recommend you to upload this sample package if it's your first time when you learn about pipelines. Make sure you enable it for training.

  Lesen und sehen Sie, wie Sie ein Paket hochladen.

  Beispielpaket herunterladen

Auf der Seite Pipelines, auf die Sie nach der Auswahl eines Projekts über das Menü Pipelines zugreifen können, können Sie alle Pipelines innerhalb dieses Projekts zusammen mit Informationen über ihren Typ, das zugehörige Paket und seine Version, den Status, die Erstellungszeit, die Dauer und die Punktzahl anzeigen. Hier können Sie neue Pipelines erstellen, auf Details vorhandener Pipelines zugreifen oder Pipelines entfernen.

Pipeline-Status

Eine Pipelineausführung kann einen der folgenden Status haben:

• Geplant –Eine Pipeline, die in der Zukunft starten soll (z. B. jeden Montag um 1 Uhr). Wenn Datum/Uhrzeit für den Start der Ausführung einer Pipeline erreicht sind, wird die Pipeline in die Warteschlange gesetzt, um ausgeführt zu werden.

• Verpackung - Eine Pipeline, die mit dem Erstellen des Docker-Image begonnen hat, auf dem der Auftrag selbst ausgeführt wird. Wenn Sie zum ersten Mal diese bestimmte Version des ML-Pakets trainieren, kann dies bis zu 20 Minuten dauern.

• Wird ausgeführt – Eine Pipeline, die gestartet wurde und ausgeführt wird.

• Fehlgeschlagen – Eine Pipeline, die während der Ausführung fehlgeschlagen ist.

  Hinweis:

  Pipelines können fehlschlagen, wenn die Größe des Datasets den Grenzwert von 50 GB überschreitet.

• Beendet –Eine Pipeline, die ausgeführt wurde, bis der Benutzer die Beendigung explizit aufgerufen hat.

• Erfolgreich – Eine Pipeline, die die Ausführung abgeschlossen hat.

  Hinweis:

  Pipelines werden nach sieben Tagen automatisch beendet, um zu vermeiden, dass sie für längere Zeit hängen bleiben und Lizenzen verbrauchen.