快速入门

如果您想快速了解 Kubeflow Pipelines 用户界面（UI）并运行一个简单的流水线，请使用本指南。

本快速入门指南旨在演示如何使用 Kubeflow Pipelines 安装自带并在 Kubeflow Pipelines UI 中可见的两个示例。您可以将本指南作为 Kubeflow Pipelines UI 的入门介绍。

部署 Kubeflow 并打开 Kubeflow Pipelines UI

有几种 部署 Kubeflow Pipelines 的选项，请选择最适合您需求的选项。如果您不确定只想尝试 Kubeflow Pipelines，建议从 独立部署 开始。

部署 Kubeflow Pipelines 后，请确保您可以访问 UI。访问 UI 的步骤因您使用的部署方法而异。

运行基本流水线

Kubeflow Pipelines 提供了一些示例，您可以用来快速试用 Kubeflow Pipelines。以下步骤展示了如何运行一个包含一些 Python 操作但不包含机器学习 (ML) 工作负载的基本示例。

1. 在 pipelines UI 上点击示例名称：[教程] Python 组件中的数据传递：

2. 点击 **创建实验**：

3. 按照提示创建一个**实验**，然后创建一个**运行**。该示例为所有需要的参数提供了默认值。以下截图假设您已经创建了一个名为 My experiment 的实验，现在正在创建一个名为 My first run 的运行：

4. 点击 **开始** 运行流水线。

5. 在实验仪表盘上点击运行名称：

6. 通过点击图中的组件和其他 UI 元素来探索运行的图和其他方面：

您可以在 Kubeflow Pipelines 仓库中找到**Python 组件中的数据传递**教程的 源代码。

运行 ML 流水线

本节展示了如何在 pipelines UI 中运行可用的 XGBoost 示例。与上面描述的基本示例不同，XGBoost 示例确实包含 ML 组件。

按照以下步骤运行示例

1. 在 pipelines UI 上点击示例名称：**[演示] XGBoost - 迭代模型训练**：

2. 点击 **创建实验**。

3. 按照提示创建一个实验，然后创建一个运行。

   以下截图显示了运行详情：

4. 点击 **开始** 创建运行。

5. 在实验仪表盘上点击运行名称。

6. 通过点击图中的组件和其他 UI 元素来探索运行的图和其他方面。以下截图显示了流水线运行完成时的部分图：

您可以在 Kubeflow Pipelines 仓库中找到**XGBoost - 迭代模型训练**演示的 源代码。

后续步骤

• 了解 Kubeflow Pipelines 中的 重要概念。
• 本页面向您展示了如何在 Kubeflow Pipelines UI 中运行一些提供的示例。接下来，您可能想从 notebook 运行流水线，或者从代码编译并运行示例。请参阅 使用 Kubeflow Pipelines 示例进行实验 的指南。
• 使用 Kubeflow Pipelines SDK 构建您自己的机器学习流水线。