安装 Kubeflow Pipelines SDK

本指南介绍如何安装 Kubeflow Pipelines SDK，您可以使用它来构建机器学习流水线。您可以使用 SDK 执行流水线，或者选择将流水线上传到 Kubeflow Pipelines UI 中执行。

SDK 的所有类和方法都在自动生成的 SDK 参考文档 中描述。

注意：如果您运行的是 集成 Tekton 的 Kubeflow Pipelines，而不是默认的 集成 Argo 的 Kubeflow Pipelines，则应使用用于 Tekton 的 Kubeflow Pipelines SDK。

设置 Python 环境

您需要 Python 3.5 或更高版本才能使用 Kubeflow Pipelines SDK。本指南使用 Python 3.7。

如果您尚未设置 Python 3 环境，请立即设置。本指南推荐 Miniconda，但您可以使用您选择的虚拟环境管理器，例如 virtualenv。

按照以下步骤使用 Miniconda 设置 Python 环境

1. 根据您的环境，选择以下方法之一安装 Miniconda

   • Debian/Ubuntu/Cloud Shell

     apt-get update; apt-get install -y wget bzip2
     wget https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh
     bash Miniconda3-latest-Linux-x86_64.sh
     

   • Windows：下载安装程序，并在安装过程中确保选中 Add Miniconda to my PATH environment variable 选项。

   • MacOS：下载安装程序并运行以下命令

     bash Miniconda3-latest-MacOSX-x86_64.sh
     

2. 检查 conda 命令是否可用

   which conda
   

   如果未找到 conda 命令，请将 Miniconda 添加到您的路径中

   export PATH=<YOUR_MINICONDA_PATH>/bin:$PATH
   

3. 创建一个您选择的名称的干净 Python 3 环境。此示例使用 Python 3.7，环境名称为 mlpipeline。

   conda create --name mlpipeline python=3.7
   conda activate mlpipeline
   

安装 Kubeflow Pipelines SDK

运行以下命令安装 Kubeflow Pipelines SDK

pip install kfp==1.8

注意：如果您在安装 Kubeflow Pipelines SDK 时没有使用虚拟环境（例如 conda），您可能会收到以下错误

ERROR: Could not install packages due to an EnvironmentError: [Errno 13] Permission denied: '/usr/local/lib/python3.5/dist-packages/kfp-<version>.dist-info'
Consider using the `--user` option or check the permissions.

如果出现此错误，请使用 --user 选项安装 kfp

pip install kfp==1.8

此命令会将 dsl-compile 和 kfp 二进制文件安装到 ~/.local/bin 下，在某些 Linux 发行版（如 Ubuntu）中，此路径不包含在 PATH 中。您可以通过将以下内容附加到 .bashrc 文件末尾的新行中，将 ~/.local/bin 添加到您的 PATH 中

export PATH=$PATH:~/.local/bin

成功安装后，应可以使用 dsl-compile 命令。您可以使用此命令进行验证

which dsl-compile

响应应类似于此

/<PATH_TO_YOUR_USER_BIN>/miniconda3/envs/mlpipeline/bin/dsl-compile

下一步

• 了解如何使用 SDK.
• 构建组件和流水线.
• UI 入门.
• 理解流水线概念.