Installare MLflow e iniziare il tracking
Avvii il tracking server e configuri il Suo codice per utilizzarlo.
Installare MLflow e iniziare il tracking è una lezione MLOps Academy gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento MLOps Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso MLOps Academy include 4 lezioni in totale.
Perché registrare tutto
Esegue decine di esperimenti e dimentica quali impostazioni hanno prodotto il punteggio migliore. MLflow registra ogni esecuzione, così nessun risultato andrà più perso.
Installare MLflow
MLflow è semplicemente un pacchetto Python. Un comando pip install fornisce la libreria, un'API di monitoraggio e un'interfaccia web integrata per consultare le esecuzioni.
pip install mlflowIl tracking server
Il tracking server è il luogo in cui vengono archiviate le esecuzioni. Ne avvii uno in locale per esporre un'API e una dashboard sulla porta 5000.
mlflow server --host 127.0.0.1 --port 5000Indicare il server nel codice
Indichi a MLflow dove si trova il server con set_tracking_uri. Dopodiché, ogni esecuzione che registra verrà inviata a quel server.
import mlflow
mlflow.set_tracking_uri("http://127.0.0.1:5000")Che cos'è una run
Una run è una singola esecuzione del codice di addestramento. Contiene i parametri scelti, le metriche ottenute e tutti i file salvati.
Avviare una run
Racchiuda l'addestramento in start_run. MLflow apre una run, le assegna un ID univoco e la chiude correttamente al termine del blocco.
with mlflow.start_run():
train_model()Gli esperimenti raggruppano le run
Un experiment è una cartella con un nome per le run correlate. Ne imposti uno, così tutti i tentativi del modello di churn resteranno insieme invece di essere sparsi.
mlflow.set_experiment("churn-model")Dove vengono archiviate le run
Dietro le quinte, MLflow scrive i metadati delle run in un backend store, come un database SQLite o Postgres, così i dati sopravvivono ai riavvii.
Modalità con file locali
Non ha ancora un server? MLflow utilizza una cartella locale mlruns. È ideale per i test rapidi, ma per i team è preferibile un server condiviso.
Aprire l'interfaccia
Consulti tutto ciò che ha registrato nell'MLflow UI. Visiti l'URL del server in un browser per visualizzare le run in una tabella ordinabile.
Il tracking è il primo passo
Il tracking è il fondamento dell'MLOps. Quando ogni run è acquisita, può confrontare, riprodurre e portare i modelli in produzione con fiducia.
Verifica rapida
Verifichiamo come collegare il Suo codice a MLflow.
Riepilogo
Ha installato MLflow, avviato un tracking server, indicato il server nel codice e aperto una run. Ora ogni esperimento ha il suo spazio. ✅
Impara Python con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 30
- Lezioni
- 120
Domande Frequenti
La lezione «Installare MLflow e iniziare il tracking» è gratuita?
Sì — il testo completo di «Installare MLflow e iniziare il tracking» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso MLOps Academy, passa a CoddyKit PRO. Il corso MLOps Academy include 4 lezioni in totale.
Cosa imparerò in «Installare MLflow e iniziare il tracking»?
Avvii il tracking server e configuri il Suo codice per utilizzarlo. Eserciti MLOps Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare MLOps Academy?
Non è richiesta alcuna esperienza precedente. MLOps Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.
Quanto tempo richiede la lezione «Installare MLflow e iniziare il tracking»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione MLOps Academy?
Sì. Ogni lezione MLOps Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Installare MLflow e iniziare il tracking
- Registrare parametri, metriche e artefatti
- Confrontare le esecuzioni nell'interfaccia di MLflow
- Attivare l'autologging con una riga di codice