การเขียนและแสดงผล DVC Pipeline

การจัดการเวอร์ชันข้อมูลด้วย DVC เบื้องต้น

Ravi Bhadauria

Machine Learning Engineer

DVC Pipeline

ลำดับของ stage ที่กำหนด workflow และ dependency ของ Machine Learning
- มีการกำหนดเวอร์ชันและติดตามด้วย Git
กำหนดในไฟล์ dvc.yaml
- ข้อมูล input และสคริปต์ (deps)
- พารามิเตอร์ (params)
- คำสั่งรัน stage (cmd)
- output artifact (outs)
  - ข้อมูลพิเศษ เช่น metrics และ plots

การเพิ่ม stage การประมวลผลข้อมูล

สร้าง stage ด้วย 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

การเพิ่ม stage การเทรนและประเมินผล

เพิ่มขั้นตอนการเทรนโดยใช้ output จาก stage ก่อนหน้า

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:
      # Skip specifying parameter file
      # Defaulted to params.yaml
      - train_and_evaluate
    deps:
    - processed_data.csv
    - train_and_evaluate.py
    outs:
    - plots.png
    - metrics.json

การอัปเดต stage

การรัน dvc stage add ซ้ำหลายครั้ง

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

ใช้ 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

การแสดงผล DVC Pipeline

# Print DAG on terminal
dvc dag

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

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

การแสดงผล DVC Pipeline

# Display step outputs as nodes
dvc dag --outs

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

การแสดงผล DVC Pipeline

dvc dag --dot

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

DVC DAG สองขั้นตอนที่แสดงเป็นกราฟจากไฟล์ DOT

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

มาฝึกกันเถอะ!

การจัดการเวอร์ชันข้อมูลด้วย DVC เบื้องต้น