Uzyskiwanie dostępu do serwera śledzenia MLflow spoza usługi Azure Databricks
Możesz zalogować się do serwera śledzenia MLflow z własnych aplikacji lub z poziomu interfejsu wiersza polecenia platformy MLflow.
W tym artykule opisano wymagane kroki konfiguracji. Rozpocznij 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 open source.
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:
- Zainstaluj platformę MLflow przy użyciu polecenia
pip install mlflow
. - 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 databricks
śledzenia , uruchom polecenie:
# Replace <your-username> with your Databricks username
export MLFLOW_TRACKING_URI=databricks
mlflow experiments create -n /Users/<your-username>/my-experiment