在 Kedro 中哪里执行节点输出的保存？

Question

在 Kedro 中，我们可以流水线化不同的节点并部分运行一些节点。当我们部分运行一些节点时，我们需要将一些节点的输入保存在某个地方，以便在另一个节点运行时它可以访问前一个节点生成的数据。但是，我们在哪个文件中编写代码——pipeline.py、run.py 还是nodes.py？

例如，我试图将 dir 路径直接保存到变量名“model_path”下的 DataCatalog。

来自 pipeline.py 的片段：

    # A mapping from a pipeline name to a ``Pipeline`` object.

def create_pipelines(**kwargs) -> Dict[str, Pipeline]:

io = DataCatalog(dict(

    model_path=MemoryDataSet()

))

io.save('model_path', "data/06_models/model_test")

print('****', io.exists('model_path'))

pipeline = Pipeline([

    node(

        split_files,

        ["data_csv", "parameters"],

        ["train_filenames", "val_filenames", "train_labels", "val_labels"],

        name="splitting filenames"

    ),

    # node(

    #     create_and_train,

    #     ["train_filenames", "val_filenames", "train_labels", "val_labels", "parameters"],

    #     "model_path",

    #     name="Create Dataset, Train and Save Model"

    # ),

    node(

        validate_model,

        ["val_filenames", "val_labels", "model_path"],

        None,

        name="Validate Model",

    )

]).decorate(decorators.log_time, decorators.mem_profile)

return {

    "__default__": pipeline

}

但是，当我运行 Kedro 时出现以下错误：

ValueError: Pipeline input(s) {'model_path'} not found in the DataCatalog

Answer 1

DataCatalog节点输入在传递给节点函数之前由 Kedro 自动加载。因此，在节点成功生成一些数据后，节点输出将保存到 DataCatalog。DataCatalog 配置默认取自conf/base/catalog.yml.在您的示例model_path中，由Create Dataset, Train and Save Modelnode 生成，然后由Validate Model. 如果在 中找不到所需的数据集定义conf/base/catalog.yml，Kedro 将尝试使用MemoryDataSet. 如果您运行同时包含Create Dataset...和Validate Model节点的管道（假设没有出现其他问题），这将起作用。但是，当您尝试Validate Model单独运行节点时，Kedro 会尝试model_path从内存中读取数据集，而内存中不存在该数据集。所以，TLDR：为了减轻这种情况，您需要：a)model_path通过在您的 中添加以下内容来坚持conf/base/catalog.yml：model_path:  type: TextLocalDataSet  filepath: data/02_intermediate/model_path.txtb)Create Dataset, Train and Save Model至少运行一次节点（及其依赖项）完成 a) 和 b) 后，您应该能够开始Validate Model单独运行。