MLflow instalēšana: soli pa solim sniegta instrukcija par MLflow instalēšanu

1. darbība: Python instalēšana

Pirms turpināt, Python ir jāinstalē strādājošā datorā, jo tas ir priekšnoteikums koda rakstīšanai MLflow. Instalējiet Python jaunāko versiju klēpjdatorā vai datorā, lejupielādējot to no oficiālās vietnes. Pirms instalēšanas sākšanas uzmanīgi izlasiet instrukcijas. Noteikti pievienojiet Python sistēmas PATH instalēšanas laikā.

Pārbaudiet Python instalēšanu

Lai pārliecinātos, ka Python ir sekmīgi instalēts personālajā datorā, atveriet komandu uzvedni (operētājsistēmā Windows) vai termināli (operētājsistēmā Linux), ievadiet Python komandu un nospiediet taustiņu “Enter”. Pēc veiksmīgas komandas izpildes operētājsistēma termināļa logā parāda Python versiju. Šajā piemērā Python 3.11.1 versija ir instalēta norādītajā datorā, kā parādīts šajā fragmentā:

2. darbība: iestatiet virtuālo vidi

Lieliska pieeja ir izveidot virtuālo vidi, lai atdalītu MLflow atkarības no personīgajām sistēmas mēroga Python pakotnēm. Lai gan tas nav nepieciešams, ir ļoti ieteicams iestatīt privātu virtuālo vidi MLflow. Lai to izdarītu, atveriet komandrindu un dodieties uz projekta direktoriju, kurā vēlaties strādāt. Lai pārietu uz Python direktoriju, kas atrodas D diska mapē “Darbs”, kad mēs izmantojam Windows. Lai izveidotu virtuālo vidi, izpildiet nākamo komandu:

Iepriekš minētā komanda izmanto Python un pieņem slēdzi -m (Make), lai pašreizējā direktorijā izveidotu virtuālo vidi. “venv” attiecas uz virtuālo vidi, un šajā piemērā vides nosaukumam seko “MLFlow-ENV”. Virtuālā vide tiek izveidota, izmantojot šo komandu, kā norādīts šajā fragmentā:

Ja virtuālā vide ir veiksmīgi izveidota, mēs varam pārbaudīt “Darba direktoriju”, lai konstatētu, ka iepriekš minētā komanda radīja mapi “MLFlow-ENV”, kurai ir trīs papildu direktoriji ar šādiem nosaukumiem:

• Iekļaut
• Lib
• Skripti

Pēc iepriekš minētās komandas izmantošanas Python mapes direktoriju struktūra izskatās šādi - tā izveidoja virtuālo vidi, kas norādīta tālāk:

3. darbība: aktivizējiet virtuālo vidi

Šajā darbībā mēs aktivizējam virtuālo vidi, izmantojot pakešfailu, kas atrodas mapē “Skripti”. Šis ekrānuzņēmums parāda, ka virtuālā vide darbojas pēc veiksmīgas aktivizēšanas:

4. darbība: MLflow instalēšana

Tagad ir pienācis laiks instalēt MLflow. Pēc virtuālās vides aktivizēšanas (ja izvēlējāties tādu izveidot), instalējiet MLflow, izmantojot komandu pip šādi:

Šis fragments parāda, ka MLflow instalācija lejupielādē nepieciešamos failus no interneta un instalē tos virtuālajā vidē:

MLflow prasīs kādu laiku, atkarībā no interneta ātruma. Nākamais ekrāns parāda veiksmīgu MLflow instalēšanas pabeigšanu.

Fragmenta pēdējā rindiņa norāda, ka tagad ir pieejama jaunākā pip versija; tas, vai atjaunināt pip vai nē, ir atkarīgs no galalietotāja. Instalētā pip versija tiek parādīta sarkanā krāsā “22.3.1”. Tā kā mēs jauninām pip uz versiju 23.2.1, ievadiet tālāk norādīto komandu, lai pabeigtu atjaunināšanu:

Nākamajā ekrānā tiek parādīta veiksmīgā pip jaunināšana uz jaunāko versiju 23.2.1:

5. darbība: apstipriniet MLflow instalēšanu

MLflow instalācijas pārbaude ir pēdējais, bet būtisks solis. Ir pienācis laiks pārbaudīt, vai MLflow instalēšana ir veiksmīga. Lai pārbaudītu MLflow versiju, kas pašlaik ir instalēta datorā, palaidiet šādu komandu:

Šis fragments parāda, ka darba mašīnā ir instalēta MLflow 2.5.0 versija:

6. darbība: startējiet MLflow serveri (izvēles darbība)

Palaidiet nākamo komandu, lai palaistu MLflow serveri, lai būtu pieejams tīmekļa lietotāja interfeiss:

Šis ekrāns parāda, ka serveris darbojas vietējā resursdatorā (127.0.0.1) un portā 5000:

Serveris pēc noklusējuma darbosies ar ikonu http://localhost:5000. To access the Web Interface for MLflow, browse this URL in the web browser application. The server runs on port number 5000. The “Experiments and Models” menu tabs are present in the MLflow web interface. Similarly, two other links—GitHub and Docs—are on the left side. Click the plus (+) blakus vienumam “Eksperimenti”, lai pievienotu papildu eksperimentus, izmantojot tīmekļa saskarni. Šeit ir MLflow servera tīmekļa lietotāja interfeisa ekrānuzņēmums:

Kā nomainīt servera portu

MLflow serveris parasti darbojas ar portu 5000. Tomēr portu var pārslēgt uz vēlamo numuru. Izpildiet šos norādījumus, lai palaistu MLflow serveri noteiktā portā:

Atveriet komandu uzvedni, PowerShell vai termināļa logu.
Nospiediet tastatūras Windows taustiņu. Pēc tam nospiediet “cmd” vai “powershell” un atlaidiet taustiņu.
Ieslēdziet virtuālo vidi, kurā ir instalēta MLflow (pieņemot, ka tā ir tāda).
Aizstājiet PORT_NUMBER ar vēlamo porta numuru, startējot MLflow serveri:

mlflow servera ports PORT_NUMBER

Palaidiet mlflow-server-7000 kā demonstrāciju, lai palaistu MLflow serveri vajadzīgajā portā:

Tagad norādīto portu izmantos MLflow serveris, palaižot tīmekļa pārlūkprogrammas lietotni un ievadot šādu URL, lai piekļūtu Mlflow tīmekļa lietotāja saskarnei. Aizstāt PORT_NUMBER ar obligāto porta numuru:

http://localhost:PORT_NUMBER

Ports, kas atlasīts iepriekšējā darbībā, ir jāaizstāj ar “PORT_NUMBER” (piemēram: http://localhost:7000 ).

7. darbība: apturiet MLflow serveri

Izmantojot MLflow, lai reģistrētu parametrus, izsekotu eksperimentiem un pārbaudītu rezultātus, izmantojot tīmekļa lietotāja saskarni, ņemiet vērā, ka MLflow serverim ir jādarbojas.

Lai apturētu MLflow servera izpildi, nospiediet 'Ctrl + C' komandu uzvednē vai PowerShell, kurā darbojas serveris. Šeit ir ekrāns, kas parāda, ka servera darbība tika veiksmīgi apturēta.

Secinājums

Izmantojot MLflow, tiešais lietotājs var pārvaldīt vairākus mašīnmācīšanās projektus ar spēcīgu un vienkāršu ietvaru, kas ļauj izsekot un salīdzināt eksperimentus, atkārtot rezultātus un veiksmīgi strādāt ar komandas locekļiem, lai koncentrētos uz mašīnmācīšanās modeļu izveidi un uzlabošanu. saglabājot eksperimentus strukturētus un atkārtojamus, izmantojot MLflow.