البدء في تجارب MLflow
توضح هذه المجموعة من دفاتر الملاحظات كيف يمكنك بدء تشغيل تجربة MLflow وتشغيلها.
مكونات MLflow
MLflow هو نظام أساسي مصدر مفتوح لإدارة دورة حياة التعلم الآلي الشاملة. يحتوي MLflow على ثلاثة مكونات أساسية:
- التتبع
- النماذج
- المشاريع
يتيح لك مكون MLflow Tracking تسجيل جلسات تدريب نموذج الجهاز والاستعلام عنها (يتم تشغيله) باستخدام واجهات برمجة التطبيقات التالية:
تشغيل MLflow هو مجموعة من المعلمات والمقاييس والعلامات والبيانات الاصطناعية المرتبطة بعملية تدريب نموذج التعلم الآلي.
ما هي التجارب في MLflow؟
التجارب هي الوحدة الأساسية للتنظيم في MLflow؛ تنتمي جميع عمليات تشغيل MLflow إلى تجربة. تتيح لك كل تجربة تصور عمليات التشغيل والبحث فيها ومقارنتها، بالإضافة إلى تنزيل البيانات الاصطناعية أو بيانات التعريف للتحليل في أدوات أخرى. يتم الاحتفاظ بالتجارب في خادم تتبع MLflow المستضاف في Azure Databricks.
توجد التجارب في شجرة ملفات مساحة العمل. يمكنك إدارة التجارب باستخدام نفس الأدوات التي تستخدمها لإدارة كائنات مساحة العمل الأخرى مثل المجلدات ودفاتر الملاحظات والمكتبات.
دفاتر ملاحظات مثال MLflow
توضح دفاتر الملاحظات التالية كيفية إنشاء وتسجيل الدخول إلى تشغيل MLflow باستخدام واجهات برمجة تطبيقات تتبع MLflow، بالإضافة إلى كيفية استخدام واجهة مستخدم التجربة لعرض التشغيل. تتوفر دفاتر الملاحظات هذه في Python وSc scala وR.
تستخدم دفاتر ملاحظات Python وR تجربة دفتر ملاحظات. ينشئ دفتر ملاحظات Scala تجربة في Shared المجلد.
إشعار
باستخدام Databricks Runtime 10.4 LTS ML وما فوق، يتم تمكين Databricks Autologging بشكل افتراضي لدفاتر ملاحظات Python.