MLflow denemelerini kullanmaya başlama
Bu not defterleri koleksiyonu, MLflow deneme çalıştırmalarıyla çalışmaya nasıl başlayabilirsiniz gösterir.
MLflow bileşenleri
MLflow, uçtan uca makine öğrenmesi yaşam döngüsünü yönetmeye yönelik açık kaynaklı bir platformdur. MLflow'un üç birincil bileşeni vardır:
- İzleme
- Modeller
- Projeler
MLflow İzleme bileşeni, aşağıdaki API'leri kullanarak makine modeli eğitim oturumlarını (çalıştırmaları) günlüğe kaydetmenize ve sorgulamanıza olanak tanır:
MLflow çalıştırması , makine öğrenmesi modeli eğitim süreciyle ilişkili parametreler, ölçümler, etiketler ve yapıtlardan oluşan bir koleksiyondur.
MLflow'da denemeler nelerdir?
Denemeler MLflow'daki birincil kuruluş birimidir; tüm MLflow çalıştırmaları bir denemeye aittir. Her deneme, çalıştırmaları görselleştirmenize, aramanıza ve karşılaştırmanıza ve diğer araçlarda analiz için çalıştırma yapıtlarını veya meta verileri indirmenize olanak tanır. Denemeler, Azure Databricks tarafından barındırılan bir MLflow izleme sunucusunda tutulur.
Denemeler çalışma alanı dosya ağacında bulunur. Denemeleri klasörler, not defterleri ve kitaplıklar gibi diğer çalışma alanı nesnelerini yönetmek için kullandığınız araçlarla yönetirsiniz.
MLflow örnek not defterleri
Aşağıdaki not defterleri, MLflow izleme API'lerini kullanarak bir MLflow çalıştırmasının nasıl oluşturulup günlüğe kaydedildiği ve çalıştırmayı görüntülemek için deneme kullanıcı arabiriminin nasıl kullanılacağı gösterilmektedir. Bu not defterleri Python, Scala ve R'de kullanılabilir.
Python ve R not defterleri bir not defteri denemesi kullanır. Scala not defteri klasörde bir deneme Shared oluşturur.
Not
Databricks Runtime 10.4 LTS ML ve üzeri ile Databricks Autologging, Python not defterleri için varsayılan olarak etkindir.