完整管道

完整管道用于一次性训练新的机器学习模型并评估此新模型的性能。此外，在训练之前运行预处理步骤，从而允许对经过训练的机器学习模型进行数据操作/训练。

要使用此管道，包必须包含用于处理数据以及训练、评估和保存模型的代码（train.py 文件中的 process_data()、train ()、evaluate() 和 save() 函数）。此代码与数据集或数据集中的子文件夹以及评估数据集（可选）一起生成新的包版本、分数（evaluate() 函数为新版本的模型返回的内容）以及用户想要保留的任何其他输出。

创建完整管道

按此处所述创建新的完整管道。确保提供以下特定于完整管道的信息：

• 在“管道类型”字段中，选择“完整管道运行”。
• 在“选择输入数据集”字段中，选择要从中导入数据以进行完整训练的数据集或文件夹。在管道运行时，该数据集/文件夹中的所有文件应在 data_directory 变量中存储的路径上本地可用。
• （可选）在“选择评估数据集”字段中，选择要从中导入数据以进行评估的数据集或文件夹。在管道运行时，该数据集/文件夹中的所有文件应在 test_data_directory 变量中存储的路径上本地可用。如果未选择任何文件夹，则预计您的管道会将某些内容写入到 process_data 函数的 test_data_directory 变量中存储的目录。如果您未选择文件夹，并且您的 process_data 未写入到 test_data_directory，则传递到评估函数的目录将为空。
• 在“输入参数”部分中，输入管道定义和使用的环境变量（如果有）。环境变量包括：
  • training_data_directory，默认值为 dataset/training：定义管道可在本地访问训练数据的位置。此目录用作 train() 函数的输入。大多数用户将不必通过用户界面覆盖此参数，只需将数据写入到 process_data 函数的 os.environ['training_data_directory'] 中，并且预期可以使用 train(self, data_directory 来调用 os.environ['training_data_directory'] 中的参数 data_directory。
  • test_data_directory，默认值为 dataset/test：定义管道可在本地访问测试数据的位置。此目录用作 evaluate() 函数的输入。大多数用户将不必通过用户界面覆盖此参数，只需将数据写入到 process_data 函数的 os.environ['test_data_directory'] 中，并且预期可以使用 evaluate(self, data_directory 来调用 os.environ['test_data_directory'] 中的参数 data_directory。
  • artifacts_directory，默认值为 artifacts：这定义目录的路径，该目录将保留为与此管道相关的辅助数据。大多数用户（如果不是所有用户）都不必通过用户界面覆盖此参数。管道执行期间可以保存任何内容，包括图像、pdf 和子文件夹。具体而言，代码在路径 os.environ['artifacts_directory'] 指定的目录中写入的所有数据都会在管道运行结束时上传，并且可以从“管道详细信息”页面中查看。
  • save_training_data，默认值为 true：如果设置为 true，则 training_data_directory 文件夹将在管道运行结束时作为管道的输出上传到目录 training_data_directory 下。
  • save_test_data，默认值为 true：如果设置为 true，则 test_data_directory 文件夹将在管道运行结束时作为管道的输出上传到目录 test_data_directory 下。

根据是否选择评估数据集，您可以创建完整管道，如下所示：

显式选择评估数据

观看以下视频，了解如何使用新训练的包版本 1.1 来创建完整管道。请务必选择与输入数据集和评估数据集相同的数据集（在本示例中为教程数据集）。

不显式选择评估数据

观看以下视频，了解如何使用新训练的包版本 1.1 来创建完整管道。选择输入数据集，但取消选择评估数据集。

完整管道运行执行的结果

注意：管道执行可能需要一些时间。稍后请返回以查看其状态。

执行管道后，在“管道”页面中，管道的状态将更改为“成功”。“管道详细信息”页面会显示与管道运行相关的任意文件和文件夹。

• train() 函数在 train.csv 上训练，而不在数据文件夹的未更改内容（example1.txt和 example2.txt）上训练。process_data 可用于根据任何用户定义的参数动态拆分数据。
• 第一个完整管道在包含 example1.txt、example2.txt 和 test.csv 的目录上运行评估。第二个完整管道在仅包含 test.csv 的目录上运行评估。这就是在创建第二个完整管道运行时未显式选择评估集的差异。这样，您可以对 UiPath 机器人中的新数据进行评估，还可以动态拆分项目中已有的数据。
• 每个单独的组件都可以将任意工件（直方图、TensorBoard 日志和分布图等）写入到管道。
• ML 包 zip 文件是由训练管道自动生成的新的包版本。
• artifacts 文件夹（仅在不为空时可见）用于对管道生成的所有工件进行重新分组，并且保存在 artifacts_directory 文件夹下。
• training 文件夹（仅在 save_training_data 设置为 true 时可见）是 training_data_directory 文件夹的副本。
• test 文件夹（仅在 save_training_data 设置为 true 时可见）是 test_data_directory 文件夹的副本。

用于构建自己的完整管道的概念类推

以下是某个包（例如版本 1.1）上的完整管道执行的概念类推，以及版本 1.0 上训练管道的输出。

重要事项：这是一个简化的示例。其目的是说明数据集和包在完整管道中的交互方式。这些步骤仅是概念性步骤，并不代表平台的工作方式。

1. 将包版本 1.1 复制到 ~/mlpackage。
2. 创建名为 ./dataset 的目录。
3. 将输入数据集的内容复制到 ./dataset。
4. 如果用户在“选择评估数据集”字段中设置了某些内容，则复制该评估数据集并将其放在 ./dataset/test 中。
5. 设置环境变量 training_data_directory=./dataset/training 和 test_data_directory=./dataset/test。
6. 执行以下 python 代码：

   from train import Main
   m = Main()
   m.process_data('./dataset')
   m.evaluate(os.environ['test_data_directory'])
   m.train(os.environ['training_data_directory'])
   m.evaluate(os.environ['test_data_directory'])

7. 将 ~/mlpackage 的内容保留为包版本 1.2。如果写入，则保留工件。如果 save_data 设置为 true，则生成数据的快照。
   注意：环境变量 training_data_directory 和 test_data_directory 的存在意味着 process_data 可以使用这些变量来动态拆分数据。

管道输出

_results.json 文件包含管道运行执行的摘要，并显示完整管道的所有输入/输出和执行时间。

{
    "parameters": {
        "pipeline": "< Pipeline_name >",
        "inputs": {
            "package": "<Package_name>",
            "version": "<version_number>",
      "input_data": "<storage_directory>",       
            "evaluation_data": "<storage_directory>/None",
            "gpu": "True/False"
        },
        "env": {
            "key": "value",
            ...
        }
    },
    "run_summary": {
     "execution_time": <time>, #in seconds 
     "start_at": <timestamp>, #in seconds 
     "end_at": <timestamp>, #in seconds 
     "outputs": {
        "previous_score": <previous_score>, #float
        "current_score": <current_score>, #float
        "training_data": "<training_storage_directory>/None", 
        "test_data": "<test_storage_directory>/None",
        "artifacts_data": "<artifacts_storage_directory>",
        "package": "<Package_name>",
        "version": "<new_version>"  
         }
    }
}

模型监管

与其他管道类型一样，如果将参数 save_training_data 设置为 true 并将参数 save_test_data 设置为 true，则可以在快照中保留训练数据和评估数据。