fasttrackml
v0.6.0
FastTrackML هو واجهة برمجة تطبيقات لقطع المعلمات والمقاييس عند تشغيل رمز التعلم الآلي ، وهو واجهة مستخدم لتصور النتيجة. API عبارة عن بديل لخادم تتبع MLFLOW ، وهو يشحن مع واجهة المستخدم للتصور لكل من MLFLOW و AIM.
كما يوحي الاسم ، فإن التركيز على السرعة - التسجيل السريع ، واسترجاع سريع.
ملحوظة
للاطلاع على الدليل الكامل ، انظر دليل QuickStart الخاص بنا.
يمكن تثبيت FastTrackML وتشغيله مع pip :
pip install fasttrackml
fml serverبدلاً من ذلك ، يمكنك تشغيله داخل حاوية مع Docker:
docker run --rm -p 5000:5000 -ti gresearch/fasttrackmlتحقق من أنه يمكنك رؤية واجهة المستخدم عن طريق التنقل إلى http: // localhost: 5000/.
لمزيد من المعلومات ، --help هو صديقك!
قم بتثبيت حزمة Mlflow Python:
pip install mlflow-skinnyفيما يلي مثال أولي على نص Python:
import mlflow
import random
# Set the tracking URI to the FastTrackML server
mlflow . set_tracking_uri ( "http://localhost:5000" )
# Set the experiment name
mlflow . set_experiment ( "my-first-experiment" )
# Start a new run
with mlflow . start_run ():
# Log a parameter
mlflow . log_param ( "param1" , random . randint ( 0 , 100 ))
# Log a metric
mlflow . log_metric ( "foo" , random . random ())
# metrics can be updated throughout the run
mlflow . log_metric ( "foo" , random . random () + 1 )
mlflow . log_metric ( "foo" , random . random () + 2 )يمكن بناء واختبار FastTrackML داخل حاوية DEV. هذه هي الطريقة الموصى بها لأن البيئة بأكملها تأتي مسبقة مع جميع التبعيات (GO SDK ، Postgres ، Minio ، إلخ) والإعدادات (التنسيق ، linting ، الامتدادات ، إلخ) للبدء على الفور.
إذا كان لديك حساب github ، فيمكنك ببساطة فتح FastTrackML في مساحة CodeSpace GitHub جديدة من خلال النقر على زر "الرمز" الأخضر في الجزء العلوي من هذه الصفحة.
يمكنك بناء وتركيب وإرفاق Debugger بمجرد الضغط على F5. يمكن تشغيل اختبارات الوحدة من مستكشف الاختبار على اليسار. هناك أيضًا العديد من الأهداف داخل Makefile التي يمكن استخدامها (مثل build ، run ، test-go-unit ).
إذا كنت ترغب في العمل محليًا في Visual Studio Code ، فكل ما تحتاجه هو أن يكون لديك Docker وتمديد ملحق Dev Containers.
ما عليك سوى فتح نسختك من FastTrackml في VS Code وانقر فوق "إعادة فتح في الحاوية" عند المطالبة. بمجرد فتح المشروع ، يمكنك متابعة تعليمات GitHub CodeSpaces أعلاه.
مهم
لاحظ أنه على MacOS ، تم احتلال المنفذ 5000 بالفعل ، لذا فإن بعض التعديلات ضرورية.
إذا كانت CLI هي الطريقة التي تتدحرج بها ، فيمكنك تثبيت أداة CLI Dev واتبع التعليمات أدناه.
[! تحذير] لا ينصح هذا الإعداد أو دعمه. هنا يكون التنين!
ستحتاج إلى تحرير ملف .devcontainer/docker-compose.yml وقسم services.db.ports . ستحتاج أيضًا إلى إضافة FML_LISTEN_ADDRESS=:5000 إلى .devcontainer/.env .
يمكنك بعد ذلك إصدار الأمر التالي في نسختك من FastTrackML للاستيقاظ والتشغيل:
devcontainer up على افتراض أنك استنساخ الريبو في دليل يدعى fasttrackml ولم تملأ مع تكوين حاوية Dev ، يمكنك إدخال حاوية Dev مع:
docker compose --project-name fasttrackml_devcontainer exec --user vscode --workdir /workspaces/fasttrackml app zsh إذا كان أي من هذه غير صحيح ، فإليك كيفية تقديم أمر مصمم خصيصًا لإعدادك (يتطلب تثبيت jq ):
devcontainer up | tail -n1 | jq -r ' "docker compose --project-name (.composeProjectName) exec --user (.remoteUser) --workdir (.remoteWorkspaceFolder) app zsh" ' بمجرد الوصول إلى حاوية Dev ، استخدم محرر النصوص المفضل لديك وأهداف Makefile :
vscode ➜ /workspaces/fasttrackml (main) $ vi main.go
vscode ➜ /workspaces/fasttrackml (main) $ emacs .
vscode ➜ /workspaces/fasttrackml (main) $ make runحقوق الطبع والنشر 2022-2023 G-Research
حقوق الطبع والنشر 2019-2022 AIMHUB ، Inc.
حقوق الطبع والنشر 2018 Databricks ، Inc.
مرخصة بموجب ترخيص Apache ، الإصدار 2.0 ("الترخيص") ؛ لا يجوز لك استخدام هذه الملفات إلا في الامتثال للترخيص. يمكنك الحصول على نسخة من الترخيص على
http://www.apache.org/licenses/license-2.0
ما لم يكن مطلوبًا بموجب القانون المعمول به أو الموافقة على الكتابة ، يتم توزيع البرامج الموزعة بموجب الترخيص على أساس "كما هي" ، دون ضمانات أو شروط من أي نوع ، إما صريحة أو ضمنية.
