我是 tfx 的新手，正在學(xué)習(xí)組裝管道。我已經(jīng)在 GCP 上的 Kubeflow 中成功構(gòu)建了一個(gè)管道。我想知道如何運(yùn)行多個(gè)訓(xùn)練器，這些訓(xùn)練器將使用相同的 csvexamplegen、轉(zhuǎn)換和 schemagen 在管道中生成不同的輸出/推動(dòng)器。有沒(méi)有人這樣做過(guò)？請(qǐng)?zhí)崆案嬷⒏兄x。  def create_pipeline(    pipeline_name: Text,    pipeline_root: Text,    data_path: Text,    preprocessing_fn: Text,    run_fn: Text,    train_args: trainer_pb2.TrainArgs,    eval_args: trainer_pb2.EvalArgs,    eval_accuracy_threshold: float,    serving_model_dir: Text,    metadata_connection_config: Optional[        metadata_store_pb2.ConnectionConfig] = None) -> pipeline.Pipeline:      trainer_args = {      'run_fn': run_fn,      'transformed_examples': transform.outputs['transformed_examples'],      'schema': schema_gen.outputs['schema'],      'transform_graph': transform.outputs['transform_graph'],      'train_args': train_args,      'eval_args': eval_args,      'custom_executor_spec':          executor_spec.ExecutorClassSpec(trainer_executor.GenericExecutor)}      trainer = Trainer(**trainer_args)      components.append(trainer)return pipeline.Pipeline(      pipeline_name=pipeline_name,      pipeline_root=pipeline_root,      components=components,      enable_cache=True,      metadata_connection_config=metadata_connection_config,      beam_pipeline_args=beam_pipeline_args,  )