2.2.1　訓(xùn)練和監(jiān)測(cè)進(jìn)展

下一步是使用Kubeflow Pipeline來(lái)訓(xùn)練模型。我們將使用一個(gè)預(yù)先創(chuàng)建的訓(xùn)練容器[1]來(lái)下載訓(xùn)練數(shù)據(jù)并訓(xùn)練模型。見例2-10，我們?cè)趖rain_pipeline.py中預(yù)建了一個(gè)工作流，在本書GitHub示例倉(cāng)庫(kù)（https://oreil.ly/Kubeflow_for_ML）的ch2文件夾中訓(xùn)練一個(gè)RandomForestClassifier。

例2-10：創(chuàng)建訓(xùn)練工作流示例

如果遇到問(wèn)題，你可以查看Kubeflow故障排除指南（https://oreil.ly/nvNnC）。

如圖2-1所示，Kubeflow用戶界面有幾種不同的訪問(wèn)方式。在本地部署一個(gè)端口轉(zhuǎn)發(fā)是最簡(jiǎn)單的方法：只需運(yùn)行kubectl port-forward svc/istio-ingressgateway -n istio-system 7777:80，然后訪問(wèn)localhost:7777即可。如果你已經(jīng)在GCP上進(jìn)行了部署，可以訪問(wèn)https://<deploy ment_name>.endpoints.<project_name>.cloud.google。否則，你可以通過(guò)運(yùn)行kubectl get ingress -n istio-system來(lái)獲取網(wǎng)關(guān)服務(wù)的地址。

圖2-1：Kubeflow Web用戶界面

單擊“Pipelines”，或者在根URL中添加_/pipeline/，我們就能看到Pipelines的Web用戶界面，如圖2-2所示。

圖2-2：Pipeline Web用戶界面

從這里我們可以上傳Pipeline，之后就可以使用相同的Web用戶界面來(lái)創(chuàng)建Pipeline的運(yùn)行。單擊上傳的Pipeline，你就可以創(chuàng)建一個(gè)運(yùn)行，如圖2-3所示。

圖2-3：Pipeline詳情頁(yè)

[1] 容器來(lái)自這個(gè)GitHub倉(cāng)庫(kù)（https://oreil.ly/f-bO3）。