تكوين MLflow لتعقب النموذج في دفاتر الملاحظات

  • 4 دقائق

العمل في دفتر ملاحظات يتيح لك التجربة التفاعلية والتكرار بسرعة. لجعل هذا التجربة ذات معنى، عليك تتبع ما تجربه. بدون التتبع، من السهل أن تفقد الرؤية لأي تكوين أنتج أي نتيجة.

MLflow هي مكتبة مفتوحة المصدر لتتبع وإدارة تجارب تعلم الآلة الخاصة بك. على وجه الخصوص، تتبع تدفق MLflow هو مكون من مكونات MLflow يسجل كل شيء عن النموذج الذي تدربه، مثل المعلمات، والمقاييس، والقطع الأثرية. هذا يعني أنه يمكنك مقارنة تشغيل جهاز الكمبيوتر المحمول مباشرة مع النماذج التي دربها AutoML، وكل ذلك في مكان واحد.

لاستخدام MLflow في دفاتر Azure Machine Learning، تحتاج إلى تثبيت المكتبات اللازمة وتعيين Azure Machine Learning كمخزن تتبع.

تكوين MLflow في دفاتر الدفاتر

يمكنك إنشاء وتعديل دفاتر ملاحظات داخل Azure Machine Learning أو على جهاز محلي.

استخدام دفاتر Azure Machine Learning

داخل مساحة عمل تعلم الآلة في Azure، يمكنك إنشاء دفاتر ملاحظات وتوصيلها بمثيل حوسبة مدارة من خلال Azure Machine Learning.

عندما تشغل دفتر ملاحظات على نسخة حسابية، يكون MLflow معيدا بالفعل وجاهز للاستخدام.

للتحقق من تثبيت الحزم اللازمة، يمكنك تشغيل الكود التالي:

pip show mlflow
pip show azureml-mlflow

الحزمة mlflow هي مكتبة مفتوحة المصدر. تحتوي الحزمة azureml-mlflow على كود التكامل الخاص ب Azure Machine Learning مع MLflow.

استخدم MLflow على جهاز محلي

عندما تفضل العمل في أجهزة الكمبيوتر المحمولة على جهاز محلي، يمكنك أيضا استخدام MLflow. تحتاج إلى تكوين MLflow من خلال إكمال الخطوات التالية:

  1. قم بتثبيت حزمة mlflow و azureml-mlflow .

    pip install mlflow
pip install azureml-mlflow

  2. انتقل إلى استوديو التعلم الآلي في Azure.

  3. اختر اسم مساحة العمل التي تعمل عليها في الزاوية العلوية اليمنى من الاستوديو.

  4. اختر عرض جميع الخصائص في Azure portal. يفتح تبويب جديد ليأخذك إلى خدمة Azure Machine Learning في بوابة Azure.

  5. انسخ قيمة مؤشر تتبع MLflow.

لقطة شاشة لصفحة نظرة عامة في بوابة Azure تظهر URI لتتبع MLflow.

  1. استخدم الكود التالي في دفتر ملاحظاتك المحلي لتكوين MLflow ليشير إلى مساحة عمل Azure Machine Learning، واضبطه على رابط تتبع مساحة العمل.

    mlflow.set_tracking_uri = "MLFLOW-TRACKING-URI"

نصيحة

تعرف على طرق بديلة لإعداد بيئة التتبع عند العمل على جهاز محلي. على سبيل المثال، يمكنك أيضا استخدام حزمة تطوير التطوير الآلي Azure v2 لبايثون، مع ملف تكوين مساحة العمل، لتعيين رابط مستخدم التتبع.

عندما تقوم بتكوين MLflow لتتبع نتائج نموذجك وتخزينه في مساحة عمل Azure Machine Learning، تكون جاهزا للتجربة في دفتر ملاحظات.