MLflow’a Giriş
Weston Bassler
Senior MLOps Engieer

name: project_name python_env: python_env.yaml entry_points:step_1: command: "python train_model.py"step_2: command: "python evaluate_model.py {run_id}" parameters: run_id: type: str default: None
import mlflow # Adım 1 step_1 = mlflow.projects.run( uri='./', entry_point='step_1' )# Adım 2 step_2 = mlflow.projects.run( uri='./', entry_point='step_2' )
import mlflow # Adım 1 step_1 = mlflow.projects.run( uri='./', entry_point='step_1' )print(step_1)
<mlflow.projects.submitted_run.LocalSubmittedRun object at 0x125eac8b0>
step_1.cancel() - Devam eden çalışmayı sonlandırır
step_1.get_status() - Çalışmanın durumunu alır
step_1.run_id - Çalışmanın run_id değeri
step_1.wait() - Çalışmanın bitmesini bekler
import mlflow # Adım 1 step_1 = mlflow.projects.run( uri='./', entry_point='step_1' )# step_1 run_id değişkenini ayarlayın step_1_run_id = step_1.run_id
# Adım 2 step_2 = mlflow.projects.run( uri='./', entry_point='step_2',parameters={ 'run_id': step_1_run_id })

MLflow’a Giriş