Поделиться через


Доступ к серверу отслеживания MLflow извне Azure Databricks

Иногда бывает необходимо войти на сервер отслеживания MLflow из собственных приложений или с помощью интерфейса командной строки (CLI) MLflow.

В этой статье описываются необходимые действия по настройке. Сначала установите MLflow и настройте учетные данные (шаг 1). Затем можно настроить приложение (шаг 2) или CLI MLflow (шаг 3).

Сведения о запуске и входе на сервер отслеживания с открытым кодом см. в документации по MLflow открытый код.

Шаг 1. Настройка среды

Если у вас нет учетной записи Azure Databricks, вы можете бесплатно попробовать Databricks.

Чтобы настроить среду для доступа к серверу отслеживания MLflow, размещенному в Azure Databricks, выполните указанные ниже действия.

  1. Установите MLflow с помощью pip install mlflow.
  2. Настройте проверку подлинности. Выполните одно из следующих действий:
    • Создайте маркер REST API и файл учетных данных с помощью databricks configure --token.

    • Укажите учетные данные с помощью переменных среды:

      # 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="..."
      

Шаг 2. Настройка приложений MLflow

Настройте приложения MLflow для ведения журнала в Azure Databricks, задав для URI отслеживания значение databricks (или databricks://<profileName>, если при создании файла учетных данных вы указали имя профиля с помощью --profile). Например, можно задать для переменной среды MLFLOW_TRACKING_URI значение "databricks".

Шаг 3. Настройка интерфейса командной строки MLflow

Настройте интерфейс командной строки MLflow для взаимодействия с сервером отслеживания Azure Databricks с помощью переменной среды MLFLOW_TRACKING_URI. Например, чтобы создать эксперимент с помощью интерфейса командной строки с URI отслеживания databricks, выполните следующую команду:

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