Écrire et visualiser des pipelines DVC

Introduction au versionnage des données avec DVC

Ravi Bhadauria

Machine Learning Engineer

Pipelines DVC

  • Suite d'étapes définissant le flux de travail Machine Learning et ses dépendances

    • Versionnées et suivies avec Git

  • Définies dans le fichier dvc.yaml

    • Données d'entrée et scripts (deps)
    • Paramètres (params)
    • Commandes d'exécution des étapes (cmd)
    • Artéfacts de sortie (outs)
      • Données spéciales p. ex. metrics et plots
Introduction au versionnage des données avec DVC

Ajout de l'étape de prétraitement

  • Créer des étapes avec dvc stage add
dvc stage add \
-n preprocess \
-p params.yaml:preprocess \
-d raw_data.csv \
-d preprocess.py \
-o processed_data.csv \
python3 preprocess.py

stages:
  preprocess:
    cmd: python3 preprocess.py
    params:
      # Keys from params.yaml
      - params.yaml
        - preprocess
    deps:
    - preprocess.py
    - raw_data.csv
    outs:
    - processed_data.csv
Introduction au versionnage des données avec DVC

Ajout des étapes d'entraînement et d'évaluation

  • Ajouter un entraînement en utilisant la sortie de l'étape précédente
dvc stage add \
-n train_and_evaluate \
-p train_and_evaluate \
-d train_and_evaluate.py \
-d processed_data.csv \
-o plots.png \
-o metrics.json \
python3 train_and_evaluate.py
  • Graphe orienté acyclique (DAG)
stages:
  train_and_evaluate:
    cmd: python3 train_and_evaluate.py
    params:
      # Skip specifying parameter file
      # Defaulted to params.yaml
      - train_and_evaluate
    deps:
    - processed_data.csv
    - train_and_evaluate.py
    outs:
    - plots.png
    - metrics.json
Introduction au versionnage des données avec DVC

Mettre à jour des étapes

  • Exécuter dvc stage add plusieurs fois
ERROR: Stage 'train_and_evaluate' 
already exists in 'dvc.yaml'.
Use '--force' to overwrite.
  • Utiliser dvc stage add --force
dvc stage add --force \
-n train_and_evaluate \
-p train_and_evaluate \
-d train_and_evaluate.py \
-d processed_data.csv \
-o plots.png \
-o metrics.json \
python3 train_and_evaluate.py
Introduction au versionnage des données avec DVC

Visualiser des pipelines DVC

# Afficher le DAG dans le terminal
dvc dag

# Afficher le DAG jusqu'à une étape donnée
dvc dag <target>

            +------------+     
            | preprocess |     
            +------------+     
                   *           
                   *           
                   *           
        +--------------------+ 
        | train_and_evaluate | 
        +--------------------+
Introduction au versionnage des données avec DVC

Visualiser des pipelines DVC

# Afficher les sorties comme nœuds
dvc dag --outs

                    +-------------------------------+              
                    | processed_dataset/weather.csv |              
                    +-------------------------------+              
                          ***               ***                    
                       ***                     ***                 
                     **                           **               
          +--------------+                    +-----------+ 
          | metrics.json |                    | plots.png | 
          +--------------+                    +-----------+
Introduction au versionnage des données avec DVC

Visualiser des pipelines DVC

dvc dag --dot

strict digraph  {
"preprocess";
"train_and_evaluate";
"preprocess" -> "train_and_evaluate";
}

Un DAG DVC à deux étapes tracé sous forme de graphe depuis un fichier DOT

1 https://dreampuf.github.io/GraphvizOnline/
Introduction au versionnage des données avec DVC

Passons à la pratique !

Introduction au versionnage des données avec DVC

Preparing Video For Download...