安装 MLflow 并开始跟踪
启动跟踪服务器，并让您的代码连接到它。
安装 MLflow 并开始跟踪 是 CoddyKit 上的免费 MLOps Academy 课时。 这是第 1 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 MLOps Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 MLOps Academy 课程共包含 4 节课。
为什么要跟踪
您运行了几十个实验，却忘了哪些设置得到了最高分。MLflow会记录每次运行，从此不再丢失任何结果。
安装
MLflow 只是一个 Python 软件包。执行一次pip install即可获得这个库、跟踪 API 和用于浏览运行记录的内置网页界面。
pip install mlflow跟踪服务器
跟踪服务器是存储运行记录的地方。在本地启动后，它会在 5000 端口提供 API 和仪表板。
mlflow server --host 127.0.0.1 --port 5000让代码连接到它
使用set_tracking_uri告诉 MLflow 服务器所在的位置。完成后，您记录的每次运行都会流向该服务器。
import mlflow
mlflow.set_tracking_uri("http://127.0.0.1:5000")什么是运行
一次运行就是训练代码的一次执行。它包含您选择的参数、获得的指标以及保存的所有文件。
启动运行
使用start_run包裹训练代码。MLflow 会打开一次运行，为其分配唯一的 ID，并在代码块结束时将其正常关闭。
with mlflow.start_run():
train_model()实验用于分组运行
实验是一个用于存放相关运行记录的命名文件夹。请设置一个实验，让所有尝试训练流失模型的运行集中在一起，而不是散落各处。
mlflow.set_experiment("churn-model")运行记录存储在哪里
在幕后，MLflow 会将运行元数据写入后端存储，例如 SQLite 或 Postgres 数据库，因此重启后数据仍然存在。
本地文件模式
还没有服务器？MLflow 会退回使用本地的mlruns文件夹。它非常适合快速测试，但对于团队来说，共享服务器更好。
打开界面
在MLflow 界面中浏览您记录的所有内容。只需在浏览器中访问服务器网址，就能以可排序表格的形式查看运行记录。
跟踪是第一步
跟踪是 MLOps 的基础。一旦每次运行都被记录下来，您就能放心地比较、复现和上线模型。
快速检查
我们来检查一下您如何将代码连接到 MLflow。
回顾
您安装了 MLflow，启动了跟踪服务器，让代码连接到它，并打开了一次运行。现在每个实验都有了自己的归属。✅
用 AI 导师学习 Python — 免费
在浏览器中编写并运行真实代码，获得全天候 AI 导师的即时帮助，并在网页或应用中继续学习。
- 课程
- 30
- 课程
- 120
常见问题解答
「安装 MLflow 并开始跟踪」课时是免费的吗？
是的 — 「安装 MLflow 并开始跟踪」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 MLOps Academy 课程的其余内容，请升级到 CoddyKit PRO。 MLOps Academy 课程共包含 4 节课。
「安装 MLflow 并开始跟踪」这节课中我会学到什么？
启动跟踪服务器，并让您的代码连接到它。 你通过在浏览器中直接运行的动手代码来练习 MLOps Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 MLOps Academy 需要有经验吗？
无需任何先前经验。CoddyKit 上的 MLOps Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 1 节课，共 4 节。
「安装 MLflow 并开始跟踪」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 MLOps Academy 课中编写并运行代码吗？
能。每节 MLOps Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。
此课程中的所有课时
- 安装 MLflow 并开始跟踪
- 记录参数、指标和制品
- 在 MLflow 界面中比较运行
- 用一行代码启用自动记录