Это последняя неделя конкурса, и вы запустили почти 30 моделей, и на данный момент они повсюду, и вы не можете найти свою лучшую модель. лист Excel, который у вас был, неполный и вряд ли поможет. Чем вы сейчас занимаетесь? 😥
Миллоу передает привет. Mlflow — это, по сути, платформа с открытым исходным кодом, которая может эффективно обрабатывать и отслеживать весь жизненный цикл конвейера машинного обучения. Лучше всего то, что он совместим с любой библиотекой, и все, что вам нужно, это пара строк!
Прежде чем перейти к конкретному примеру, давайте ознакомимся
с компонентами Mlflow.
1. Отслеживание — вы получаете удобный пользовательский интерфейс и API для отслеживания различных
параметров, метрик, файлов pickle, версий кода и т. д. вашего кода
, которые впоследствии можно использовать для их визуализации. . Вы можете разместить их
на локальном компьютере или даже зарегистрировать их на сервере базы данных!
2. Проекты — используется для упаковки кода. Проект будет
содержать файл кода, список используемых зависимостей и
инструкции по запуску файла.
3. Модели — используется для упаковки моделей в различных вариантах
. Это важно, потому что в разных моделях артефакты
хранятся в разных вариантах, и мы не можем использовать одно
соглашение для каждой модели.
4. Реестр. Он управляет всем жизненным циклом проекта
, начиная с создания модели, управления версиями, перехода между этапами и т. д.
НАСТРАИВАТЬ
1. Установите млфлоу
pip install mlflow
2. Перейдите в каталог, где находится файл кода, и запустите
интерфейс mlflow
Это запустит панель инструментов mlflow, где вам нужно будет регистрировать вещи на вашем локальном конце. Вы не можете использовать реестр моделей в этом случае
пользовательский интерфейс mlflow — backend-store-uri sqlite:///mlflow.db
Это будет делать то же самое, но я использую бэкэнд sqlite3 для хранения всех своих артефактов. Это особенно полезно, когда вы хотите поделиться своими результатами с разными членами команды.
3. Время кодировать!
Теперь вернитесь на панель инструментов, чтобы визуализировать созданный вами прогон.
Здесь вы можете найти все ваши прогоны для эксперимента, а затем вы можете легко отслеживать и визуализировать все метрики/параметры, доступные для модели. Разве это не так здорово!
На этом пока все, увидимся в другом. Также обращайтесь за любыми сомнениями / помощью, я был бы рад помочь
Linkedin — https://www.linkedin.com/in/jino-rohit-6032541b5/