DVC パイプラインの作成と可視化

DVCによるデータバージョニング入門

Ravi Bhadauria

Machine Learning Engineer

DVC パイプライン

機械学習ワークフローと依存関係を定義するステージ列
- Git でバージョン管理
dvc.yaml に定義
- 入力データとスクリプト（deps）
- パラメータ（params）
- 実行コマンド（cmd）
- 出力（outs）
  - 特殊データ例：metrics と plots

前処理ステージの追加

dvc stage add でステージ作成

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

学習・評価ステージの追加

前ステップの出力を使って学習ステップを追加

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

有向非巡回グラフ（DAG）

stages:
  train_and_evaluate:
    cmd: python3 train_and_evaluate.py
    params:
      # パラメータファイルは省略可
      # 既定は params.yaml
      - train_and_evaluate
    deps:
    - processed_data.csv
    - train_and_evaluate.py
    outs:
    - plots.png
    - metrics.json

ステージの更新

dvc stage add を複数回実行した場合

ERROR: Stage 'train_and_evaluate' 
already exists in 'dvc.yaml'.
Use '--force' to overwrite.

dvc stage add --force を使用

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

DVC パイプラインの可視化

# 端末に DAG を表示
dvc dag

# 指定ステップまでの DAG を表示
dvc dag <target>

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

DVC パイプラインの可視化

# ステップの出力をノードとして表示
dvc dag --outs

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

DVC パイプラインの可視化

dvc dag --dot

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

DOT ファイルから描画した 2 段階の DVC DAG

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

練習しましょう！

DVCによるデータバージョニング入門