问题标签 [mlmd]

据我了解，TensorFlow 使用MLMD来记录和检索与工作流相关的元数据。这可能包括：

1. 管道组件的结果
2. 关于通过管道组件生成的工件的元数据
3. 有关这些组件执行的元数据
4. 关于管道和相关沿袭信息的元数据

特征：

以上（例如＃1 aka“组件的结果”）是否暗示 MLMD 存储实际数据？（例如，用于 ML 训练的输入特征？）。如果不是，那么管道组件的结果是什么意思？

编排和管道历史：

此外，当将 TFX 与例如 AirFlow 一起使用时，它使用自己的元存储（例如有关 DAG、它们的运行和其他 Airflow 配置（如用户、角色和连接）的元数据），MLMD 是否存储冗余信息？它会取代它吗？

我已经根据这个文档在 GCP 中部署了 Kubeflow Pipelines 。我想使用 Kubeflow 元数据存储来存储和访问我的模型的元数据信息。

在 Kubeflow 的先前版本 v1.2 之前，元数据存储是文档的一部分： https ://v1-2-branch.kubeflow.org/docs/components/metadata/

但是在当前版本 v1.3 中，组件中缺少元数据存储： https ://www.kubeflow.org/docs/components/

请注意，我可以在 GCP 上的 Kubeflow Pipelines 中看到单元“Artifacts”，但是当我尝试通过基于此示例的 API 调用访问它时，使用 metadata.Workspace(...) 我收到此错误： tensorflow.python.framework.errors_impl.UnavailableError: DNS resolution failed for service: https://..../:8080

我在 Kubeflow 的文档中没有找到任何最近的例子。

• 为什么最新版本的 Kubeflow 中缺少元数据存储？
• 关于如何在 GCP 上的 Kubeflow 管道中集成元数据存储有什么建议吗？

我想通过以下命令在我的 python 虚拟环境中安装模型卡工具包： pip install model-card-toolkit

有没有其他方法可以安装模型卡工具包？