fasttrackml

Fasttrackml

FastTrackML adalah API untuk parameter logging dan metrik saat menjalankan kode pembelajaran mesin, dan ini adalah UI untuk memvisualisasikan hasilnya. API adalah pengganti drop-in untuk server pelacakan MLFLOW, dan dikirimkan dengan UI visualisasi dari kedua MLFLOW dan AIM.

Seperti namanya, penekanannya adalah pada kecepatan - penebangan cepat, pengambilan cepat.

QuickStart

Jalankan server pelacakan

Catatan

Untuk panduan lengkapnya, lihat panduan QuickStart kami.

FastTrackML dapat diinstal dan dijalankan dengan pip :

pip install fasttrackml
fml server

Atau, Anda dapat menjalankannya dalam wadah dengan Docker:

docker run --rm -p 5000:5000 -ti gresearch/fasttrackml

Pastikan Anda dapat melihat UI dengan menavigasi ke http: // localhost: 5000/.

Untuk info lebih lanjut, --help adalah teman Anda!

Lacak eksperimen Anda

Instal Paket Python MLFLOW:

pip install mlflow-skinny

Berikut adalah contoh naskah python dasar:

 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 )

Pengembang

FastTrackML dapat dibangun dan diuji dalam wadah dev. Ini adalah cara yang direkomendasikan karena seluruh lingkungan hadir sebelumnya dengan semua dependensi (GO SDK, Postgres, Minio, dll.) Dan pengaturan (format, berbaris, ekstensi, dll.) Untuk memulai secara instan.

Codespaces GitHub

Jika Anda memiliki akun GitHub, Anda cukup membuka FastTrackML di gitub codespace baru dengan mengklik tombol "kode" hijau di bagian atas halaman ini.

Anda dapat membangun, menjalankan, dan melampirkan debugger hanya dengan menekan F5. Uji unit dapat dijalankan dari penjelajah uji di sebelah kiri. Ada juga banyak target dalam Makefile yang dapat digunakan (misalnya build , run , test-go-unit ).

Kode Studio Visual

Jika Anda ingin bekerja secara lokal dalam kode studio visual, yang Anda butuhkan hanyalah memiliki Docker dan ekstensi wadah dev terpasang.

Cukup buka salinan FastTrackML Anda di VS Code dan klik "Buka Buka kembali di Kontainer" saat diminta. Setelah proyek dibuka, Anda dapat mengikuti instruksi Codespaces GitHub di atas.

Penting

Perhatikan bahwa pada macOS, port 5000 sudah ditempati, jadi beberapa penyesuaian diperlukan.

Cli

Jika CLI adalah cara Anda menggulung, maka Anda dapat menginstal alat CLI Container dev dan ikuti instruksi di bawah ini.

Instruksi CLI

[! PERINGATAN] Pengaturan ini tidak disarankan atau didukung. Di sini menjadi naga!

Anda perlu mengedit file .devcontainer/docker-compose.yml dan membatalkan komentar services.db.ports bagian untuk mengekspos port ke host. Anda juga perlu menambahkan FML_LISTEN_ADDRESS=:5000 ke .devcontainer/.env .

Anda kemudian dapat mengeluarkan perintah berikut dalam salinan FastTrackML Anda untuk bangun dan berjalan:

devcontainer up

Dengan asumsi Anda mengkloning repo ke dalam direktori bernama fasttrackml dan tidak mengutak -atik konfigurasi wadah dev, Anda dapat memasukkan wadah dev dengan:

docker compose --project-name fasttrackml_devcontainer exec --user vscode --workdir /workspaces/fasttrackml app zsh

Jika salah satu dari ini tidak benar, berikut adalah cara membuat perintah yang disesuaikan dengan pengaturan Anda (itu membutuhkan jq untuk diinstal):

devcontainer up | tail -n1 | jq -r ' "docker compose --project-name (.composeProjectName) exec --user (.remoteUser) --workdir (.remoteWorkspaceFolder) app zsh" '

Setelah di wadah dev, gunakan editor teks favorit Anda dan target Makefile :

vscode ➜ /workspaces/fasttrackml (main) $ vi main.go
vscode ➜ /workspaces/fasttrackml (main) $ emacs .
vscode ➜ /workspaces/fasttrackml (main) $ make run

Lisensi

Hak Cipta 2022-2023 G-Research

Hak Cipta 2019-2022 AIMHUB, Inc.

Hak Cipta 2018 Databricks, Inc.

Berlisensi di bawah lisensi Apache, versi 2.0 ("lisensi"); Anda tidak boleh menggunakan file -file ini kecuali sesuai dengan lisensi. Anda dapat memperoleh salinan lisensi di

http://www.apache.org/licenses/license-2.0

Kecuali diharuskan oleh hukum yang berlaku atau disepakati secara tertulis, perangkat lunak yang didistribusikan di bawah lisensi didistribusikan berdasarkan "sebagaimana adanya", tanpa jaminan atau ketentuan dalam bentuk apa pun, baik tersurat maupun tersirat.