MLflow 설치하고 추적 시작하기

수십 번의 실험을 실행하고 어떤 설정에서 가장 좋은 점수가 나왔는지 잊어버리기 쉽습니다. MLflow는 모든 실행을 기록하므로 어떤 결과도 다시 잃어버리지 않습니다.

MLflow는 단순한 Python 패키지입니다. pip 설치 한 번으로 라이브러리, 추적 API, 실행 목록을 살펴볼 수 있는 내장 웹 UI를 얻습니다.

추적 서버는 실행이 저장되는 곳입니다. 서버를 로컬에서 시작하면 포트 5000에서 API와 대시보드를 제공합니다.

set_tracking_uri로 서버의 위치를 MLflow에 알려 주세요. 그러면 기록하는 모든 실행이 해당 서버로 전송됩니다.

실행은 학습 코드가 한 번 실행되는 것입니다. 선택한 매개변수, 얻은 측정 지표, 저장한 모든 파일이 하나로 묶입니다.

학습 코드를 start_run으로 감싸세요. MLflow가 실행을 열고 고유한 ID를 부여하며 블록이 끝나면 깔끔하게 닫습니다.

실험은 관련 실행을 모아 두는 이름 있는 폴더입니다. 실험을 설정하면 모든 이탈 예측 모델 시도가 흩어지지 않고 한곳에 모입니다.

MLflow는 내부적으로 실행 메타데이터를 SQLite나 Postgres 데이터베이스 같은 백엔드 저장소에 기록하므로 다시 시작해도 정보가 유지됩니다.

아직 서버가 없나요? MLflow는 로컬 mlruns 폴더로 대체합니다. 빠른 테스트에는 좋지만 팀 작업에는 공유 서버가 더 적합합니다.

MLflow UI에서 기록한 모든 내용을 살펴보세요. 브라우저에서 서버 URL을 방문하기만 하면 실행 목록을 정렬 가능한 표로 볼 수 있습니다.

추적은 MLOps의 기반입니다. 모든 실행이 수집되면 모델을 자신 있게 비교하고 재현하며 배포 대상으로 승격할 수 있습니다.

MLflow를 설치하고 추적 서버를 시작한 다음 코드를 서버에 연결하고 실행을 열었습니다. 이제 모든 실험에 저장할 곳이 생겼습니다. ✅