我正在使用KUBEFLOW管道用TF训练KERAS模型，我从一个非常简单的开始。

模型训练正常，管道工作正常，但我无法正确使用TENSORBOARD的输出查看器。从留档读取似乎只需在训练容器的根路径中添加一个适当的json文件（/mlpieline-用户界面-metadata. json）就足够了，但即使我这样做，我的实验运行的工件部分也不会出现任何内容（而KERAS日志可以正确查看）。

这是我如何配置它：

MLPipieline-用户界面-Metadata. json（直接从DOCKERFILE添加）

{
    "version": 1,
    "outputs": [
    {
        "type": "tensorboard",
        "source": "/tf-logs"  #Just a placeholder at the moment
    }
    ]
}

管道

import kfp
from kfp import dsl

from kubernetes.client.models import V1EnvVar

def train_op(epochs,batch_size,dropout,first_layer_size,second_layer_size):
    dsl.ContainerOp(
        image='MY-IMAGE',
        name='my-train',
        container_kwargs={"image_pull_policy": "Always", 'env': [
            V1EnvVar('TRAIN_EPOCHS', epochs),
            V1EnvVar('TRAIN_BATCH_SIZE', batch_size),
            V1EnvVar('TRAIN_DROPOUT', dropout),
            V1EnvVar('TRAIN_FIRST_LAYER_SIZE', first_layer_size),
            V1EnvVar('TRAIN_SECOND_LAYER_SIZE', second_layer_size),
            ]},
        command=['sh', '-c', '/src/init_script.sh'],
    ).set_memory_request('2G').set_cpu_request('2')

@dsl.pipeline(
    name='My model pipeline',
    description='Pipeline for model training'
)
def my_model_pipeline(epochs,batch_size,dropout,first_layer_size,second_layer_size):

    train_task = train_op(epochs,batch_size,dropout,first_layer_size,second_layer_size)

if __name__ == '__main__':
    kfp.compiler.Compiler().compile(my_model_pipeline, 'my_model.zip')

我已经尝试访问正在运行的POD（kubectl exec…），并且我验证了该文件实际上位于正确的位置。

顺便说一下，我正在使用KUBEFLOW v0.5