Tradycyjny przepływ pracy uczenia maszynowego MLflow 3

Przykładowy notatnik

Przykładowy notatnik uruchamia zadanie trenowania modelu, które jest śledzone jako przebieg MLflow, aby utworzyć wytrenowany model, który jest śledzony jako model zarejestrowany przez MLflow.

Tradycyjny notes modelu uczenia maszynowego MLflow 3

Pobierz laptopa

Eksplorowanie parametrów modelu i wydajności przy użyciu interfejsu użytkownika platformy MLflow

Aby zapoznać się z modelem w interfejsie użytkownika platformy MLflow:

1. Kliknij pozycję Eksperymenty na pasku bocznym obszaru roboczego.

2. Znajdź swój eksperyment na liście eksperymentów. Możesz zaznaczyć pole wyboru Tylko moje eksperymenty lub użyć pola wyszukiwania Filtruj eksperymenty , aby filtrować listę eksperymentów.

3. Kliknij nazwę eksperymentu. Strona Uruchomienia otwiera się. Eksperyment zawiera dwa przebiegi MLflow, jeden do trenowania modelu i jeden do oceny modelu.

   

4. Kliknij kartę Modele. Element LoggedModel (elasticnet) jest śledzony na tym ekranie. Można zobaczyć wszystkie parametry i metadane, a także wszystkie metryki powiązane z przebiegami treningu i ewaluacji.

   

5. Kliknij nazwę modelu, aby wyświetlić stronę modelu, która zawiera informacje, takie jak parametry i metryki modelu, a także szczegóły, takie jak jego pochodzenie, odpowiednie zestawy danych i wersje modelu zarejestrowane w Katalogu Unity.

   

6. Notatnik rejestruje model w Unity Catalog. W związku z tym wszystkie parametry modelu i dane dotyczące wydajności są dostępne na stronie wersji modelu w Eksploratorze wykazu. Możesz przejść bezpośrednio do tej strony, klikając na wersję modelu z strony MLflow. Kliknięcie identyfikatora modelu i uruchomienia źródłowego spowoduje powrót do modelu MLflow i strony uruchamiania odpowiednio.

   

Jaka jest różnica między kartą Modele na stronie eksperymentu MLflow a stroną wersji modelu w Eksploratorze wykazu?

Na karcie Modelena stronie eksperymentu i na stronie wersji modelu w Eksploratorze wykazu są wyświetlane podobne informacje o modelu. Te dwa widoki mają różne role w cyklu projektowania i wdrażania modelu.

• Karta Modele na stronie eksperymentu przedstawia wyniki zarejestrowanych modeli z eksperymentu na jednej stronie. Karta Wykresy na tej stronie zawiera wizualizacje ułatwiające porównywanie modeli i wybieranie wersji modelu do zarejestrowania w Katalogu Unity w celu możliwego wdrożenia.
• W Eksploratorze wykazu strona wersji modelu zawiera omówienie wszystkich wyników wydajności i oceny modelu. Na tej stronie przedstawiono parametry modelu, metryki i ślady we wszystkich połączonych środowiskach, w tym w różnych obszarach roboczych, punktach końcowych i eksperymentach. Jest to przydatne w przypadku monitorowania i wdrażania oraz działa szczególnie dobrze w przypadku zadań wdrażania. Proces oceny w zadaniu wdrażania tworzy dodatkowe metryki, które są wyświetlane na tej stronie. Osoba zatwierdzająca dla zadania może następnie przejrzeć tę stronę, aby ocenić, czy zatwierdzić wersję modelu na potrzeby wdrożenia.

Dalsze kroki

Aby dowiedzieć się więcej o LoggedModel śledzeniu wprowadzonym w rozwiązaniu MLflow 3, zobacz następujący artykuł:

• Śledzenie i porównywanie modeli przy użyciu modeli zarejestrowanych przez platformę MLflow.

Aby dowiedzieć się więcej o korzystaniu z platformy MLflow 3 z przepływami pracy uczenia głębokiego, zobacz następujący artykuł:

• Workflow uczenia głębokiego MLflow 3.