Menulis dan memvisualisasikan pipeline DVC

Pengantar Versioning Data dengan DVC

Ravi Bhadauria

Machine Learning Engineer

Pipeline DVC

Urutan tahap yang mendefinisikan alur kerja Machine Learning dan dependensi
- Di-versi dan dilacak dengan Git
Didefinisikan di file dvc.yaml
- Data masukan dan skrip (deps)
- Parameter (params)
- Perintah eksekusi tahap (cmd)
- Artefak keluaran (outs)
  - Data khusus mis. metrics dan plots

Menambahkan tahap praproses

Buat tahap dengan 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

Menambahkan tahap pelatihan dan evaluasi

Tambah langkah pelatihan menggunakan keluaran dari langkah sebelumnya

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

Directed Acyclic Graph (DAG)

stages:
  train_and_evaluate:
    cmd: python3 train_and_evaluate.py
    params:
      # Lewati penentuan file parameter
      # Default ke params.yaml
      - train_and_evaluate
    deps:
    - processed_data.csv
    - train_and_evaluate.py
    outs:
    - plots.png
    - metrics.json

Memperbarui tahap

Menjalankan dvc stage add beberapa kali

ERROR: Stage 'train_and_evaluate' 
sudah ada di 'dvc.yaml'.
Gunakan '--force' untuk menimpa.

Gunakan 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

Memvisualisasikan pipeline DVC

# Cetak DAG di terminal
dvc dag

# Tampilkan DAG hingga langkah tertentu
dvc dag <target>

            +------------+     
            | preprocess |     
            +------------+     
                   *           
                   *           
                   *           
        +--------------------+ 
        | train_and_evaluate | 
        +--------------------+

Memvisualisasikan pipeline DVC

# Tampilkan keluaran langkah sebagai node
dvc dag --outs

                    +-------------------------------+              
                    | processed_dataset/weather.csv |              
                    +-------------------------------+              
                          ***               ***                    
                       ***                     ***                 
                     **                           **               
          +--------------+                    +-----------+ 
          | metrics.json |                    | plots.png | 
          +--------------+                    +-----------+

Memvisualisasikan pipeline DVC

dvc dag --dot

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

DAG DVC dua tahap digambar sebagai grafik dari file DOT

¹ https://dreampuf.github.io/GraphvizOnline/

Ayo berlatih!

Pengantar Versioning Data dengan DVC