Провести эксперимент
Сервис предусматривает управление экспериментами с помощью утилиты MLflow. Она позволяет фиксировать и сравнивать запуски обучения моделей с разными параметрами, а также сохранять и сравнивать результаты обучения и выходные метрики.
Сохранить эксперимент в MLflow
Чтобы использовать MLflow, код обучения модели в точке входа скрипта (if __name__ == "__main__"
) необходимо обернуть в конструкцию:
with mlflow.start_run():
Затем настроить логируемые в MLflow параметры, метрики и модель. См. подробнее в примере на Github.
mlflow.log_param(..)
mlflow.log_metric(..)
mlflow.sklearn.log_model(..)
Все эксперименты и артефакты, созданные утилитой и моделью, можно найти в интерфейсе утилиты.
Важно
Не рекомендуется удалять файлы в каталоге mlflow
.
Удаление может вызывать проблемы при запуске MLflow.
Подключиться к MLflow
- Способ 1
Перейдите в
.Создайте или подключитесь к уже существующему Jupyter Notebook.
В окне Jupyter Servers выберите . Утилита откроется в новой вкладке.
- Способ 2
Чтобы этот способ сработал, должен быть создан хотя бы один Jupyter Server (см. Создать Jupyter Server).
Перейдите на вкладку
. Обратите внимание, что если создано нескольких Jupyter Server, то, когда вы переходите на указанную вкладку, утилита открывается на ресурсах первого по списку Jupyter Server.
Важно
Запуск MLflow может занимать до 60 секунд.
Экземпляр MLflow работает на тех же ресурсах, что и Jupyter Server. MLflow перестанет отображаться в разделе Эксперименты, если удалить все Jupyter Server.
Не рекомендуется обновлять MLflow.
Если вы обновили MLflow, и обновление произошло некорректно, необходимо:
Удалить каталог
/home/jovyan/.local
командой:rm -r .local