Wprowadzenie do projektów MLflow

Wprowadzenie do MLflow

Weston Bassler

Senior MLOps Engineer

Projekty MLflow

  • Odtwarzalne

  • Wielokrotnego użytku

  • Przenośne

Przyspieszenie produktywności

1 unsplash.com
Wprowadzenie do MLflow

MLproject

project/
    MLproject
    train_model.py
    python_env.yaml
    requirements.txt

Repozytorium GitHub

1 github.com
Wprowadzenie do MLflow

Plik MLproject

  • name: - Nazwa projektu

  • entry_points:

    • Polecenie(a) do uruchomienia
    • Pliki .py i .sh
    • Przepływy pracy

  • python_env:

    • Środowisko Python
    • python_env.yaml

YAML

1 wikipedia.org
Wprowadzenie do MLflow

Przykład pliku MLproject

name: salary_model

entry_points:
  main:
    command: "python train_model.py"

python_env: python_env.yaml
Wprowadzenie do MLflow

train_model.py

# Import libraries and modules
import mlflow
import mlflow.sklearn
import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split


# Training Data
df = pd.read_csv('Salary_predict.csv')
X = df[["experience", "age", "interview_score"]]
y = df[["Salary"]]
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size=0.7,random_state=0)
Wprowadzenie do MLflow

train_model.py

# Set Auto logging for Scikit-learn flavor
mlflow.sklearn.autolog()


# Train the model
lr = LinearRegression()
lr.fit(X_train, y_train)
Wprowadzenie do MLflow

python_env.yaml

python: 3.10.8

build_dependencies:
- pip
- setuptools
- wheel

dependencies:
- -r requirements.txt
Wprowadzenie do MLflow

requirements.txt

mlflow
scikit-learn
Wprowadzenie do MLflow

Czas na ćwiczenia!

Wprowadzenie do MLflow

Preparing Video For Download...