Tworzenie i wizualizacja potoków DVC

Wprowadzenie do wersjonowania danych z DVC

Ravi Bhadauria

Machine Learning Engineer

Potoki DVC

Sekwencja etapów definiujących przepływ pracy ML i zależności
- Wersjonowana i śledzona przez Git
Definiowana w pliku dvc.yaml
- Dane wejściowe i skrypty (deps)
- Parametry (params)
- Polecenia wykonania etapów (cmd)
- Artefakty wyjściowe (outs)
  - Dane specjalne, np. metrics i plots

Dodawanie etapu wstępnego przetwarzania

Tworzenie etapów za pomocą 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

Dodawanie etapu trenowania i ewaluacji

Dodanie etapu trenowania na podstawie wyników poprzedniego etapu

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

Skierowany graf acykliczny (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

Aktualizowanie etapów

Wielokrotne uruchamianie dvc stage add

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

Użyj 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

Wizualizacja potoków DVC

# Print DAG on terminal
dvc dag

# Display DAG up to a certain step
dvc dag <target>

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

Wizualizacja potoków DVC

# Display step outputs as nodes
dvc dag --outs

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

Wizualizacja potoków DVC

dvc dag --dot

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

Dwuetapowy DAG DVC przedstawiony jako graf z pliku DOT

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

Czas na ćwiczenia!

Wprowadzenie do wersjonowania danych z DVC