MLOps Academy · บทเรียน

ติดตั้ง MLflow และเริ่มติดตามผล

เริ่มเซิร์ฟเวอร์ติดตามผลและชี้โค้ดของคุณไปยังเซิร์ฟเวอร์นั้น

บทเรียน 1 จาก 413 ขั้นตอน

ติดตั้ง MLflow และเริ่มติดตามผล เป็นบทเรียน MLOps Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน MLOps Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน

เหตุใดจึงต้องติดตาม

คุณทำการทดลองหลายสิบครั้งและลืมว่าการตั้งค่าใดให้คะแนนดีที่สุด MLflowจะบันทึกการเรียกใช้ทุกครั้ง เพื่อไม่ให้ผลลัพธ์ใดสูญหายอีก

ติดตั้ง

MLflow เป็นเพียงแพ็กเกจ Python หนึ่งคำสั่ง pip install จะติดตั้งไลบรารี API สำหรับติดตาม และส่วนติดต่อผู้ใช้บนเว็บในตัวสำหรับดูการเรียกใช้

pip install mlflow

เซิร์ฟเวอร์ติดตาม

เซิร์ฟเวอร์ติดตามคือที่จัดเก็บการเรียกใช้ เริ่มทำงานในเครื่อง แล้วเซิร์ฟเวอร์จะให้บริการ API พร้อมแดชบอร์ดที่พอร์ต 5000

mlflow server --host 127.0.0.1 --port 5000

ชี้โค้ดของคุณไปที่เซิร์ฟเวอร์

บอก MLflow ว่าเซิร์ฟเวอร์อยู่ที่ใดด้วย set_tracking_uri หลังจากนี้ การเรียกใช้ทุกครั้งที่คุณบันทึกจะถูกส่งไปยังเซิร์ฟเวอร์นั้น

import mlflow
mlflow.set_tracking_uri("http://127.0.0.1:5000")

การเรียกใช้คืออะไร

การเรียกใช้คือการทำงานหนึ่งครั้งของโค้ดฝึกโมเดล โดยรวมพารามิเตอร์ที่คุณเลือก ตัวชี้วัดที่ได้รับ และไฟล์ที่บันทึกไว้

เริ่มการเรียกใช้

ครอบการฝึกของคุณด้วย start_run MLflow จะเปิดการเรียกใช้ กำหนด ID เฉพาะให้ และปิดอย่างเรียบร้อยเมื่อส่วนบล็อกสิ้นสุด

with mlflow.start_run():
    train_model()

การทดลองจัดกลุ่มการเรียกใช้

การทดลองคือโฟลเดอร์ที่มีชื่อสำหรับการเรียกใช้ที่เกี่ยวข้องกัน ตั้งค่าไว้เพื่อให้ความพยายามสร้างโมเดลการเลิกใช้บริการทั้งหมดอยู่รวมกัน แทนที่จะกระจัดกระจาย

mlflow.set_experiment("churn-model")

จัดเก็บการเรียกใช้ไว้ที่ใด

เบื้องหลัง MLflow จะเขียนข้อมูลกำกับของการเรียกใช้ลงใน แหล่งจัดเก็บเบื้องหลัง เช่น ฐานข้อมูล SQLite หรือ Postgres เพื่อให้ข้อมูลยังคงอยู่หลังเริ่มระบบใหม่

โหมดไฟล์ในเครื่อง

ยังไม่มีเซิร์ฟเวอร์ใช่ไหม MLflow จะใช้โฟลเดอร์ mlruns ในเครื่องแทน เหมาะสำหรับการทดสอบอย่างรวดเร็ว แต่เซิร์ฟเวอร์ที่ใช้ร่วมกันเหมาะกับทีมมากกว่า

เปิดส่วนติดต่อผู้ใช้

ดูทุกสิ่งที่คุณบันทึกไว้ใน ส่วนติดต่อผู้ใช้ของ MLflow เพียงเปิด URL ของเซิร์ฟเวอร์ในเบราว์เซอร์เพื่อดูการเรียกใช้เป็นตารางที่เรียงลำดับได้

การติดตามคือขั้นแรก

การติดตามคือรากฐานของ MLOps เมื่อการเรียกใช้ทุกครั้งถูก เก็บบันทึกไว้ คุณจะสามารถเปรียบเทียบ ทำซ้ำผลลัพธ์ และนำโมเดลไปใช้งานจริงได้อย่างมั่นใจ

ตรวจสอบสั้น ๆ

มาตรวจสอบกันว่าคุณเชื่อมต่อโค้ดกับ MLflow อย่างไร

ตอบคำถามในบทเรียนแบบโต้ตอบ

สรุปทบทวน

คุณติดตั้ง MLflow เริ่ม เซิร์ฟเวอร์ติดตาม ชี้โค้ดไปที่เซิร์ฟเวอร์ และเปิดการเรียกใช้แล้ว ตอนนี้การทดลองทุกครั้งมีที่จัดเก็บของตนเอง ✅

เริ่มต้นได้ฟรี

เรียนรู้ Python ด้วย AI tutor — ฟรี

เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป

คอร์ส: 30
บทเรียน: 120

เริ่มเรียนฟรี ดูหลักสูตรเต็ม

คำถามที่พบบ่อย

บทเรียน “ติดตั้ง MLflow และเริ่มติดตามผล” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “ติดตั้ง MLflow และเริ่มติดตามผล” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส MLOps Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “ติดตั้ง MLflow และเริ่มติดตามผล”

เริ่มเซิร์ฟเวอร์ติดตามผลและชี้โค้ดของคุณไปยังเซิร์ฟเวอร์นั้น คุณปฏิบัติ MLOps Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน

คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน MLOps Academy หรือไม่

ไม่จำเป็นต้องมีประสบการณ์มาก่อน MLOps Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน

บทเรียน “ติดตั้ง MLflow และเริ่มติดตามผล” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน MLOps Academy นี้ได้ไหม

ได้ บทเรียน MLOps Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

← กลับไปที่ MLOps Academy