mlflow的搭建使用是怎样的，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。mlflow是Databrick开源的机器学习管理平台，它很好的解藕了算法训练 香港云主机和算法模型服务，使得算法工程师专注于模型的训练，而不需要过多的关注于服务的,
而且在我们公司已经有十多个服务稳定运行了两年多。mlflow的搭建主要是mlflow tracking server的搭建，tracking server主要是用于模型的元数据以及模型的数据存储
我们这次以minio作为模型数据的存储后台，mysql作为模型元数据的存储，因为这种模式能满足线上的需求，不仅仅是用于测试minio的搭建
MinIO的搭建使用，并且创建名为mlflow的bucket，便于后续操作mlflow的搭建
访问localhost:5002, 就能看到如下界面:
mlflow tracking server的启动conda的安装
参照install conda,根据自己的系统安装不同的conda环境mlfow tracking server安装拷贝以下的wine.py文件注意：
1.mlflow.set_tracking_uri("http://localhost:5002") 设置为刚才启动的mlflow tracking server的地址
2.mlflow.set_experiment('http_metrics_test') 设置实验的名字
3.安装该程序所依赖的python包
4.如果不是在同一个conda环境中，还得执行便于python客户端上传模型文件以及模型元数据
直接执行 python wine.py 如果成功，访问mlflow tracking server ui下有如下
点击 2020-10-30 10:34:38，如下：
在同一个conda环境中执行命令其中e69aed0b22fb45debd115dfc09dbc75a为mlflow tracking server ui中的run id如遇到ModuleNotFoundError: No module named ‘sklearn’
执行 pip install scikit-learn==0.19.1
遇到ModuleNotFoundError: No module named ‘scipy’
执行pip install scipy请求访问该model启动的服务:输出 [5.455573233630147] 则表明该模型服务成功部署看完上述内容，你们掌握mlflow的搭建使用是怎样的的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注开发云行业资讯频道，感谢各位的阅读！
这篇文章给大家分享的是有关大数据开发中hive有什么用的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。引语大数据开发之路漫漫其修远兮，吾将上下而求索。很多入门大数据的小伙伴，可能第一个接触到的，就是一只可爱的“小象”，也就是我们的大数…
免责声明：本站发布的图片视频文字，以转载和分享为主，文章观点不代表本站立场，本站不承担相关法律责任；如果涉及侵权请联系邮箱：360163164@qq.com举报，并提供相关证据，经查实将立刻删除涉嫌侵权内容。
微信扫一扫 
