Share via

Uzyskiwanie dostępu do serwera śledzenia MLflow spoza usługi Azure Databricks

  • Artykuł

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:

  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