Quy trình làm việc

Giới thiệu về MLflow

Weston Bassler

Senior MLOps Engieer

MLflow Projects

Quy trình làm việc

¹ unsplash.com

MLproject

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

Quy trình làm việc

import mlflow

# Bước 1
step_1 = mlflow.projects.run(
    uri='./',
    entry_point='step_1'
)

# Bước 2
step_2 = mlflow.projects.run(
    uri='./',
    entry_point='step_2'
)

Chạy Projects

import mlflow

# Bước 1
step_1 = mlflow.projects.run(
    uri='./',
    entry_point='step_1'
)


print(step_1)

<mlflow.projects.submitted_run.LocalSubmittedRun object at 0x125eac8b0>

Chạy Projects

step_1.cancel() - Dừng lượt chạy hiện tại

step_1.get_status() - Lấy trạng thái lượt chạy

step_1.run_id - run_id của lượt chạy

step_1.wait() - Chờ lượt chạy kết thúc

Chạy Projects

import mlflow

# Bước 1
step_1 = mlflow.projects.run(
    uri='./',
    entry_point='step_1'
)


# Tạo biến lưu run_id của step_1
step_1_run_id = step_1.run_id

# Bước 2
step_2 = mlflow.projects.run(
    uri='./',
    entry_point='step_2',

    parameters={
        'run_id': step_1_run_id
    }

)

Vòng đời ML

Kỹ thuật Mô hình và Đánh giá Mô hình

Hãy thực hành!

Giới thiệu về MLflow