mlflow:本地演示的MLflow简介以及如何在AWS上进行设置

【文件属性】：

文件名称：mlflow:本地演示的MLflow简介以及如何在AWS上进行设置

文件大小：1.59MB

文件格式：ZIP

更新时间：2024-06-08 18:58:52

mlflow mlflow-tracking-server mlflow-tracking JupyterNotebook

如何使用MLflow来管理机器学习生命周期 在此仓库中，我尝试使用MLflow进行以下操作： 跟踪基于以下内容的机器学习实验： 指标 超参数 执行运行的源脚本 代码版本 笔记和评论 比较彼此之间的不同运行 在本地和AWS上设置跟踪服务器 使用MLflow模型部署模型 本地快速入门 要执行代码： 安装pipenv以使用mlflow运行虚拟环境（这样更干净） pip install pipenv 克隆项目 git clone [e-mail]:ahmedbesbes/mlflow.git 安装依赖项 cd mlflow/ pipenv install . 在本地启动跟踪服务器 mlflow ui 启动培训（或记录到MLflow的任何代码） python train.py 访问以检查MLflow ui上的运行 在AWS上启动跟踪服务器 如果您是开发人员或数据科学

【文件预览】：
mlflow-main
----images()
--------s3-console.png(418KB)
--------runs.png(232KB)
--------mlflow.png(39KB)
--------runs-remote.png(544KB)
--------artifacts-s3.png(381KB)
----data()
--------aug_test.csv(206KB)
--------sample_submission.csv(20KB)
--------aug_train.csv(1.87MB)
----Pipfile(224B)
----Pipfile.lock(69KB)
----src()
--------conda.yaml(140B)
--------MLproject(168B)
--------train.py(3KB)
----.gitignore(44B)
----README.md(3KB)
----notebooks()
--------1_EDA.ipynb(6KB)