開始使用 MLflow 實驗

  • 發行項

此筆記本集合示範如何使用 MLflow 實驗執行來啟動和執行。

MLflow 元件

MLflow 是一個 開放原始碼 平臺，用於管理端對端機器學習生命週期。 MLflow 有三個主要元件：

  • 追蹤
  • 模型
  • 專案

MLflow 追蹤元件可讓您使用下列 API 來記錄和查詢機器模型定型會話（執行）：

MLflow 執行 是與機器學習模型定型程式相關聯的參數、計量、標籤和成品集合。

MLflow 中的實驗是什麼？

實驗 是 MLflow 中組織的主要單位;所有 MLflow 執行都屬於實驗。 每個實驗都可讓您可視化、搜尋及比較執行，以及下載執行成品或元數據以供其他工具分析。 實驗會在裝載 MLflow 追蹤伺服器的 Azure Databricks 中維護。

實驗位於工作區檔案樹狀結構中。 您可以使用您用來管理其他工作區物件的相同工具來管理實驗，例如資料夾、筆記本和連結庫。

MLflow 範例筆記本

下列筆記本示範如何使用 MLflow 追蹤 API 來建立及記錄 MLflow 執行，以及如何使用實驗 UI 來檢視執行。 這些筆記本可在 Python、Scala 和 R 中使用。

Python 和 R 筆記本會使用 筆記本實驗。 Scala 筆記本會在 資料夾中建立實驗 Shared 。

注意

使用 Databricks Runtime 10.4 LTS ML 和更新版本時， 預設會針對 Python 筆記本啟用 Databricks Autologging 。