Uzyskiwanie dostępu do serwera śledzenia MLflow spoza usługi Azure Databricks

Możesz zalogować się do serwera śledzenia MLflow z własnych aplikacji lub interfejsu wiersza polecenia platformy MLflow.

W tym artykule opisano wymagane kroki konfiguracji. Zacznij od zainstalowania biblioteki MLflow i skonfigurowania poświadczeń (krok 1). Następnie możesz skonfigurować aplikację (krok 2) lub skonfigurować interfejs wiersza polecenia platformy MLflow (krok 3).

Aby uzyskać informacje na temat uruchamiania i rejestrowania na serwerze śledzenia typu open source, zobacz dokumentację oprogramowania open source platformy MLflow.

Krok 1. Konfigurowanie środowiska

Jeśli nie masz konta usługi Azure Databricks, możesz bezpłatnie wypróbować usługę Databricks.

Aby skonfigurować środowisko w celu uzyskania dostępu do serwera śledzenia MLflow hostowanego w usłudze Azure Databricks:

1. Zainstaluj platformę MLflow przy użyciu polecenia pip install mlflow.
2. Konfigurowanie uwierzytelniania. Wykonaj jedną z czynności:

   • Wygeneruj token interfejsu API REST i utwórz plik poświadczeń przy użyciu polecenia databricks configure --token.

   • Określ poświadczenia za pomocą zmiennych środowiskowych:

     # Configure MLflow to communicate with a Databricks-hosted tracking server
     export MLFLOW_TRACKING_URI=databricks
     # Specify the workspace hostname and token
     export DATABRICKS_HOST="..."
     export DATABRICKS_TOKEN="..."
     

Krok 2. Konfigurowanie aplikacji MLflow

Skonfiguruj aplikacje MLflow, aby logować się do usługi Azure Databricks, ustawiając identyfikator URI śledzenia na databricks, lub databricks://<profileName>, jeśli podczas tworzenia pliku poświadczeń określono nazwę --profile profilu. Na przykład można to osiągnąć, ustawiając zmienną MLFLOW_TRACKING_URI środowiskową na "databricks".

Krok 3. Konfigurowanie interfejsu wiersza polecenia platformy MLflow

Skonfiguruj interfejs wiersza polecenia platformy MLflow do komunikowania się z serwerem śledzenia usługi Azure Databricks ze zmienną środowiskową MLFLOW_TRACKING_URI . Aby na przykład utworzyć eksperyment przy użyciu interfejsu wiersza polecenia z identyfikatorem URI databricksśledzenia , uruchom polecenie:

# Replace <your-username> with your Databricks username
export MLFLOW_TRACKING_URI=databricks
mlflow experiments create -n /Users/<your-username>/my-experiment