fasttrackml
v0.6.0
FastTrackMl ist eine API für Protokollierungsparameter und Metriken beim Ausführen von Code für maschinelles Lernen und eine Benutzeroberfläche zur Visualisierung des Ergebnisses. Die API ist ein Drop-In-Ersatz für den Tracking-Server von MLFlow und wird mit der Visualisierungs-Benutzeroberfläche von MLFlow und AIM geliefert.
Wie der Name schon sagt, liegt der Schwerpunkt auf Geschwindigkeit - schnelles Protokollieren, schnelles Abruf.
Notiz
Die vollständige Anleitung finden Sie in unserem QuickStart -Leitfaden.
FastTrackMl kann installiert und mit pip ausgeführt werden:
pip install fasttrackml
fml serverAlternativ können Sie es mit Docker in einem Container ausführen:
docker run --rm -p 5000:5000 -ti gresearch/fasttrackmlStellen Sie sicher, dass Sie die Benutzeroberfläche sehen können, indem Sie zu http: // localhost: 5000/navigieren.
Für weitere Informationen ist --help ist Ihr Freund!
Installieren Sie das MLFlow Python -Paket:
pip install mlflow-skinnyHier ist ein elementares Beispiel für Python -Skript:
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 )FastTrackMl kann in einem Entwicklercontainer gebaut und getestet werden. Dies ist die empfohlene Möglichkeit, da die gesamte Umgebung mit allen Abhängigkeiten (Go SDK, Postgres, Minio usw.) und Einstellungen (Formatierung, Linie, Erweiterungen usw.) vorkonfiguriert ist, um sofort loszulegen.
Wenn Sie ein GitHub -Konto haben, können Sie FastTrackMl einfach in einem neuen GitHub -Codesspace öffnen, indem Sie oben auf dieser Seite auf die grüne "Code" -Taste klicken.
Sie können den Debugger bauen, rennen und anbringen, indem Sie einfach F5 drücken. Die Unit -Tests können vom Test Explorer links durchgeführt werden. Es gibt auch viele Ziele innerhalb des Makefile , die verwendet werden können (z. B. build , run , test-go-unit ).
Wenn Sie lokal im Visual Studio -Code arbeiten möchten, müssen Sie nur Docker und die Dev Containers -Erweiterung installieren lassen.
Öffnen Sie einfach Ihre Kopie von FastTrackMl in VS -Code und klicken Sie auf "Container wieder öffnen", wenn Sie aufgefordert werden. Sobald das Projekt geöffnet wurde, können Sie den oben genannten Anweisungen der Github -Codenspace befolgen.
Wichtig
Beachten Sie, dass Port 5000 auf macOS bereits besetzt ist, sodass einige Anpassungen erforderlich sind.
Wenn die CLI wie Sie rollen, können Sie das CLI -Tool des Entwicklercontainers installieren und die folgende Anweisung befolgen.
[! Warnung] Dieses Setup wird nicht empfohlen oder unterstützt. Hier werden Drachen!
services.db.ports müssen die .devcontainer/docker-compose.yml Sie müssen auch FML_LISTEN_ADDRESS=:5000 zu .devcontainer/.env hinzufügen.
Sie können dann den folgenden Befehl in Ihrer Kopie von FastTrackMl ausgeben, um zu laufen:
devcontainer up Angenommen, Sie haben das Repo in ein Verzeichnis namens fasttrackml geklont und nicht mit der Dev -Containerkonfiguration gespielt. Sie können den Entwicklercontainer mit:
docker compose --project-name fasttrackml_devcontainer exec --user vscode --workdir /workspaces/fasttrackml app zsh Wenn eine davon nicht zutrifft, wird hier einen Befehl angerechnet, der auf Ihr Setup zugeschnitten ist (es erfordert, dass jq installiert wird):
devcontainer up | tail -n1 | jq -r ' "docker compose --project-name (.composeProjectName) exec --user (.remoteUser) --workdir (.remoteWorkspaceFolder) app zsh" ' Verwenden Sie im Dev -Container Ihren bevorzugten Texteditor und Makefile -Ziele:
vscode ➜ /workspaces/fasttrackml (main) $ vi main.go
vscode ➜ /workspaces/fasttrackml (main) $ emacs .
vscode ➜ /workspaces/fasttrackml (main) $ make runCopyright 2022-2023 G-Forschung
Copyright 2019-2022 Aimhub, Inc.
Copyright 2018 Databricks, Inc.
Lizenziert unter der Apache -Lizenz, Version 2.0 (der "Lizenz"); Sie dürfen diese Dateien nur in Übereinstimmung mit der Lizenz verwenden. Sie können eine Kopie der Lizenz bei erhalten
http://www.apache.org/licenses/license-2.0
Sofern nicht nach geltendem Recht oder schriftlich zu vereinbart wird, wird die im Rahmen der Lizenz verteilte Software auf "As is" -Basis ohne Gewährleistung oder Bedingungen jeglicher Art ausdrücklich oder impliziert verteilt.
