An open source platform for the machine learning lifecycle mlflow.org/
контекст
- Предоставьте разработчикам аналогичные преимущества для таких платформ, как Google TFX, Facebook FBLearner Flow и т. д.
- Поддерживаются любые инструменты и алгоритмы
Архитектура проекта
MLflow Tracking
- Запись и запрос экспериментов: код, данные, конфигурация и результаты
- woohoo.ml flow.org/docs/latest…
MLflow Projects
- Упакованный формат, воспроизводимый на любой платформе
- woohoo.ml flow.org/docs/latest…
MLflow Models
- Общий формат для отправки моделей в различные инструменты развертывания
- woohoo.ml flow.org/docs/latest…
Model Registry
- Центральный репозиторий: хранение, аннотирование, обнаружение и управление моделями
- мл flow.org/docs/latest…
Использование проекта
- AnacondaУстановка среды, которая может легко получать пакеты и управлять ими, а также может управлять выпускной версией среды унифицированным образом.
установка млфлоу
pip install mlflow
OR
conda install mlflow
запуск пользовательского интерфейса
- examples/mlflow_tracking.py
cd examples
mlflow ui
запуск модели
# 模型生成
python3 sklearn_logistic_regression/train.py
# API启动
mlflow models serve -m runs:/<Model_id>/model --port 1234
可能报错：mlflow.utils.process.ShellCommandException: Non-zero exitcode: 1
mlflow models serve -m runs:/<Model_id>/model --port 1234 --no-conda
Демонстрация потоковой обработки
считать
- Официально будет представлено (мониторинг MLflow)
- На данном этапе MLFlow по-прежнему является вспомогательным инструментом, аналогичным Pipeline, который определяет инструменты и стандарты Pipeline, но в нем отсутствует концепция платформы ИИ.
- Как интегрироваться со Spark и Docker
That's all!