An open source platform for the machine learning lifecycle mlflow.org/
上下文
- 为开发者提供类似谷歌TFX、Facebook FBLearner Flow等平台类似好处
- 可以支持任何工具和算法
项目架构
MLflow Tracking
- 记录和查询实验:代码、数据、配置和结果
- www.mlflow.org/docs/latest…
MLflow Projects
- 可在任何平台上重复运行的打包格式
- www.mlflow.org/docs/latest…
MLflow Models
- 将模型发送到各种部署工具的通用格式
- www.mlflow.org/docs/latest…
Model Registry
- 中央存储库:存储、注释、发现和管理模型
- mlflow.org/docs/latest…
项目使用
- Anaconda环境安装,可以便捷获取包且对包能够进行管理,同时对环境可以统一管理的发行版本
mlflow安装
pip install mlflow
OR
conda install mlflow
UI启动
- examples/mlflow_tracking.py
cd examples
mlflow ui
模型运行
# 模型生成
python3 sklearn_logistic_regression/train.py
# API启动
mlflow models serve -m runs:/<Model_id>/model --port 1234
可能报错:mlflow.utils.process.ShellCommandException: Non-zero exitcode: 1
mlflow models serve -m runs:/<Model_id>/model --port 1234 --no-conda
流处理Demo
思考
- 官方待引入(MLflow Monitoring)
- MLFlow现阶段还是类似Pipeline的辅助工具,定义了Pipeline工具和标准,缺少AI平台概念
- 如何与Spark、Docker做集成
That's all!