組織培訓與MLflow運行實驗
實驗是單位組織的模型訓練運行。有兩種類型的實驗:工作區和筆記本。
您可以創建一個工作區實驗從磚機器學習的UI或MLflow API。工作區實驗不與任何筆記本,和任何筆記本電腦可以登錄這些實驗的運行使用實驗實驗ID或名稱。
一個筆記本實驗是與一個特定的筆記本。磚自動創建一個筆記本實驗如果沒有積極實驗當你開始運行使用mlflow.start_run ()。
看到所有的實驗你可以訪問一個工作區,點擊實驗在側邊欄。這個圖標出現隻有當你在的時候機器學習的角色。
創建工作區實驗
本節描述如何使用磚UI創建工作空間實驗。您可以創建一個工作區直接實驗從工作空間或從實驗頁麵。
您還可以使用MLflow API,或者是磚起程拓殖的提供者與databricks_mlflow_experiment。
說明日誌空間實驗運行,明白了日誌的例子筆記本。
點擊工作空間在側邊欄。
導航到文件夾中,您希望創建實驗。
右鍵單擊文件夾並選擇創建> MLflow實驗。
在創建MLflow實驗對話框中,輸入一個名稱為實驗和一個可選的工件位置。如果你不指定一個工件位置,存儲在工件
dbfs: /磚/ mlflow-tracking / < experiment-id >
。磚支持DBFS、S3和Azure Blob存儲工件位置。
在S3中存儲工件,指定一個URI的形式
s3: / / <桶> / <路徑>
。MLflow獲得憑證從集群的訪問S3實例配置文件。構件存儲在S3中不出現在MLflow UI;你必須使用一個對象存儲客戶端下載它們。請注意
MLflow tripwire及以上版本,MLflow工件的最大尺寸在AWS上傳到DBFS 5 TiB。tripwire MLflow版本和低的最大大小MLflow工件在AWS上傳到DBFS 5直布羅陀海峽。
請注意
當你除了DBFS工件存儲在一個位置,工件不出現在MLflow UI。模型存儲在其他位置比DBFS不能注冊在注冊表模型。
點擊創建。一個空的實驗。
您還可以創建一個新的工作區實驗從實驗頁麵。創建一個新的實驗,使用下拉菜單。從下拉菜單中,你可以選擇一個AutoML實驗或一個空白(空的)的實驗。
AutoML實驗。的配置AutoML實驗頁麵出現。使用AutoML信息,看到火車毫升與磚AutoML UI模型。
空白試驗。的創建MLflow實驗對話框出現了。輸入一個名稱和可選的工件位置在對話框中創建一個新的工作區實驗。默認的工件位置
dbfs: /磚/ mlflow-tracking / < experiment-id >
。日誌運行實驗,電話
mlflow.set_experiment ()
與實驗路徑。實驗的道路出現在頁麵頂部的實驗。看到日誌的例子筆記本對細節和一個筆記本。
創建筆記本實驗
當你使用mlflow.start_run()命令在筆記本上運行日誌活動實驗指標和參數。如果沒有實驗是活躍的,磚創建一個筆記本的實驗。一個筆記本實驗共享相同的名稱和ID作為其相應的筆記本。筆記本ID數字標識符的筆記本URL和ID。
對指令記錄筆記本實驗運行,明白了日誌的例子筆記本。
請注意
如果你刪除一個筆記本實驗使用API(例如,MlflowClient.tracking.delete_experiment ()
在Python中),筆記本本身轉移到垃圾文件夾。
視圖的實驗
每個實驗,獲得實驗頁麵上出現。從這個頁麵,您可以查看任何實驗。點擊一個實驗顯示實驗頁麵名稱。
額外的實驗方法來訪問頁麵:
您可以訪問實驗工作區實驗從工作區菜單頁麵。
您可以訪問一個筆記本實驗的實驗頁麵的筆記本。
搜索實驗中,文本的類型過濾實驗場和新聞輸入或單擊放大鏡圖標。實驗列表會發生相應變化,也就是隻顯示那些實驗中包含搜索文本的名字,由,位置,或描述列。
點擊任何實驗表的名稱來顯示其實驗頁麵:
實驗運行頁麵列出了所有相關的實驗。從表中,您可以打開任何的運行頁麵點擊其運行與試驗相關的運行的名字。的源列給你訪問筆記本版本創建。你也可以搜索和過濾器運行指標或參數設置。
查看筆記本的實驗
在筆記本上的側邊欄,單擊實驗圖標。
實驗運行欄出現,顯示了每次運行的總結與筆記本電腦相關聯的實驗,包括運行參數和指標。側邊欄的頂部的名字是筆記本最近記錄運行的實驗(實驗筆記本或工作區實驗)。
從側邊欄,您可以導航到頁麵或直接運行實驗。
查看實驗,點擊在最右邊,旁邊實驗運行。
顯示一個運行的名稱,單擊運行。
管理實驗
您可以重命名、刪除或管理權限的一個實驗自己的實驗頁麵,實驗頁麵,或者工作區菜單。
請注意
您不能直接重命名、刪除或管理權限MLflow實驗是由一個筆記本在磚回購。你必須在回購級別執行這些操作。
在工作區之間複製實驗
遷移MLflow實驗工作區之間,您可以使用社區驅動的開源項目MLflow進出口。
使用這些工具,您可以:
與其他數據共享和協作科學家在同一個或另一個跟蹤服務器。例如,您可以克隆一個實驗從另一個用戶到您的工作區。
從你當地的跟蹤服務器複製MLflow實驗和運行你的磚工作區。
備份關鍵任務的實驗和模型到另一個磚工作區。