MLflow:n asentaminen: vaiheittaiset ohjeet MLflow-asennuksesta

Vaihe 1: Pythonin asennus

Python on asennettava toimivalle tietokoneelle ennen jatkamista, koska se on koodin kirjoittamisen edellytys MLflow:ssa. Asenna Pythonin uusin versio kannettavaan tietokoneeseen tai tietokoneeseen lataamalla se viralliselta verkkosivustolta. Lue ohjeet huolellisesti ennen asennuksen aloittamista. Muista lisätä Python järjestelmän PATH:iin asennuksen aikana.

Tarkista Pythonin asennus

Varmistaaksesi, että Python on asennettu onnistuneesti henkilökohtaiseen tietokoneeseen, avaa komentokehote (Windows) tai pääte (Linuxissa), kirjoita Python-komento ja paina Enter-painiketta. Komennon onnistuneen suorittamisen jälkeen käyttöjärjestelmä näyttää Python-version pääteikkunassa. Seuraavassa esimerkissä Python 3.11.1 -versio on asennettu määritettyyn tietokoneeseen seuraavan katkelman mukaisesti:

Vaihe 2: Luo virtuaalinen ympäristö

Virtuaaliympäristön tekeminen MLflow-riippuvuuksien erottamiseksi henkilökohtaisista järjestelmän laajuisista Python-paketeista on erinomainen lähestymistapa. Vaikka sitä ei vaadita, yksityisen virtuaaliympäristön määrittäminen MLflow:lle on erittäin suositeltavaa. Voit tehdä tämän avaamalla komentorivin ja siirtymällä projektihakemistoon, jota haluat käsitellä. Voit siirtyä Python-hakemistoon, joka on D-aseman Work-kansiossa, kun käytämme Windowsia. Voit rakentaa virtuaaliympäristön suorittamalla seuraavan komennon:

Edellä mainittu komento käyttää Pythonia ja hyväksyy -m (Make) -kytkimen luodakseen virtuaalisen ympäristön nykyiseen hakemistoon. 'venv' viittaa virtuaaliympäristöön, ja ympäristön nimeä seuraa sitten 'MLFlow-ENV' tässä esimerkissä. Virtuaalinen ympäristö luodaan käyttämällä tätä komentoa seuraavan katkelman mukaisesti:

Jos virtuaaliympäristö on luotu onnistuneesti, voimme tarkistaa 'Työhakemiston' ja havaita, että aiemmin mainittu komento tuotti 'MLFlow-ENV' -kansion, jossa on kolme muuta hakemistoa seuraavilla nimillä:

• Sisältää
• Lib
• Käsikirjoitukset

Edellä mainitun komennon käytön jälkeen Python-kansion hakemistorakenne näyttää tältä - se tuotti virtuaalisen ympäristön, joka on lueteltu seuraavassa:

Vaihe 3: Aktivoi virtuaaliympäristö

Tässä vaiheessa aktivoimme virtuaalisen ympäristön 'Skriptit'-kansiossa sijaitsevan erätiedoston avulla. Seuraava kuvakaappaus osoittaa, että virtuaaliympäristö on toiminnassa onnistuneen aktivoinnin jälkeen:

Vaihe 4: Asenna MLflow

Nyt on aika asentaa MLflow. Kun olet aktivoinut virtuaaliympäristön (jos valitsit sellaisen luomisen), asenna MLflow pip-komennolla seuraavasti:

Seuraava katkelma osoittaa, että MLflow-asennus lataa tarvittavat tiedostot Internetistä ja asentaa ne virtuaaliympäristöön:

MLflow kestää jonkin aikaa Internetin nopeudesta riippuen. Seuraava näyttö näyttää MLflow-asennuksen onnistuneen valmistumisen.

Katkelman viimeinen rivi osoittaa, että uusin pip-versio on nyt saatavilla. loppukäyttäjästä riippuu, päivittääkö se pip vai ei. Asennetun pipin versio näytetään punaisena '22.3.1'. Koska päivitämme pip 23.2.1 -versioon, viimeistele päivitys antamalla seuraava listattu komento:

Seuraavassa näytössä näkyy onnistunut pip-päivitys uusimpaan versioon 23.2.1:

Vaihe 5: Vahvista MLflow-asennus

MLflow-asennuksen tarkistaminen on viimeinen mutta olennainen vaihe. On aika varmistaa, onnistuiko MLflow-asennus vai ei. Voit tarkistaa tietokoneeseen tällä hetkellä asennetun MLflow-version suorittamalla seuraavan komennon:

Seuraava koodinpätkä näyttää, että MLflow:n versio 2.5.0 on asennettu työkoneeseen:

Vaihe 6: Käynnistä MLflow-palvelin (valinnainen vaihe)

Suorita seuraava komento käynnistääksesi MLflow-palvelimen, jotta verkkokäyttöliittymä on käytettävissä:

Seuraava näyttö osoittaa, että palvelin toimii paikallispalvelimella (127.0.0.1) ja portilla 5000:

Palvelin toimii oletusarvoisesti 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 (+) -kuvakkeella 'Kokeilut'-kohdan vieressä lisäkokeiden lisäämiseksi verkkokäyttöliittymän avulla. Tässä on kuvakaappaus MLflow-palvelimen verkkokäyttöliittymästä:

Kuinka vaihtaa palvelinportti

MLflow-palvelin toimii tyypillisesti portilla 5000. Portti voidaan kuitenkin vaihtaa haluttuun numeroon. Noudata näitä ohjeita käynnistääksesi MLflow-palvelimen tietyssä portissa:

Avaa komentokehote, PowerShell tai pääteikkuna.
Paina näppäimistön Windows-näppäintä. Paina sitten 'cmd' tai 'powershell' ja vapauta näppäin.
Ota käyttöön virtuaaliympäristö, johon MLflow on asennettu (olettaen, että se on sellaisen tehnyt).
Korvaa PORT_NUMBER halutulla porttinumerolla käynnistäessäsi MLflow-palvelimen:

mlflow-palvelin – portti PORT_NUMBER

Suorita mlflow-server-7000 demona käynnistääksesi MLflow-palvelimen vaaditussa portissa:

Nyt MLflow-palvelin käyttää määritettyä porttia käynnistämällä verkkoselainsovelluksen ja syöttämällä seuraavan URL-osoitteen päästäksesi Mlflow-verkkokäyttöliittymään. Korvaa PORT_NUMBER pakollisella portin numerolla:

http://localhost:PORT_NUMBER

Edellisessä vaiheessa valittu portti tulee korvata portilla 'PORT_NUMBER' (esimerkiksi: http://localhost:7000 ).

Vaihe 7: Pysäytä MLflow-palvelin

Kun käytät MLflow:ta parametrien kirjaamiseen, kokeilujen seurantaan ja tulosten tutkimiseen web-käyttöliittymän avulla, muista, että MLflow-palvelimen on oltava toiminnassa.

Pysäytä MLflow-palvelimen suorittaminen painamalla 'Ctrl + C' komentokehotteessa tai PowerShellissä, jossa palvelin on käynnissä. Tässä on näyttö, joka näyttää, että palvelimen toiminta lopetettiin onnistuneesti.

Johtopäätös

MLflow:n avulla loppukäyttäjä voi hallita useita koneoppimisprojekteja vankan ja yksinkertaisen kehyksen avulla, jonka avulla voidaan seurata ja vertailla kokeita, kopioida tuloksia ja työskennellä menestyksekkäästi tiimin jäsenten kanssa keskittyäkseen koneoppimismallien luomiseen ja parantamiseen samalla pitää kokeet jäsenneltyinä ja toistettavissa MLflow:n avulla.