fasttrackml
v0.6.0
O FastTrackML é uma API para parâmetros e métricas de registro ao executar o código de aprendizado de máquina, e é uma interface do usuário para visualizar o resultado. A API é um substituto de drop-in para o servidor de rastreamento da MLFlow e é enviado com a interface do usuário de visualização do MLFlow e do AIM.
Como o nome indica, a ênfase está na velocidade - registro rápido, recuperação rápida.
Observação
Para o guia completo, consulte o nosso guia rápido.
FastTrackML pode ser instalado e executado com pip :
pip install fasttrackml
fml serverComo alternativa, você pode executá -lo dentro de um contêiner com o Docker:
docker run --rm -p 5000:5000 -ti gresearch/fasttrackmlVerifique se você pode ver a interface do usuário navegando para http: // localhost: 5000/.
Para mais informações, --help é seu amigo!
Instale o pacote MLFlow Python:
pip install mlflow-skinnyAqui está um exemplo elementar do script 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 )O FastTrackML pode ser construído e testado em um contêiner de dev. Essa é a maneira recomendada, pois todo o ambiente é pré -configurado com todas as dependências (Go SDK, Postgres, Minio etc.) e configurações (formatação, linha, extensões, etc.) para começar instantaneamente.
Se você possui uma conta do GitHub, você pode simplesmente abrir o FastTrackML em um novo codificação do GitHub clicando no botão Green "Code" na parte superior desta página.
Você pode construir, executar e anexar o depurador simplesmente pressionando F5. Os testes de unidade podem ser executados a partir do Explorer de teste à esquerda. Também existem muitos alvos no Makefile que podem ser usados (por exemplo, build , run , test-go-unit ).
Se você deseja trabalhar localmente no código do Visual Studio, tudo o que você precisa é ter o Docker e a extensão de contêineres de dev instalada.
Basta abrir sua cópia do FastTrackML no código vs e clicar em "Reabrir no contêiner" quando solicitado. Depois que o projeto for aberto, você pode seguir as instruções do Github Codespaces acima.
Importante
Observe que no macOS, a porta 5000 já está ocupada, portanto, são necessários alguns ajustes.
Se a CLI é como você rola, você pode instalar a ferramenta de CLI de contêineres de dev e seguir as instruções abaixo.
[! Aviso] Esta configuração não é recomendada ou suportada. Aqui estão os dragões!
Você precisará editar o arquivo .devcontainer/docker-compose.yml e descompor a seção services.db.ports para expor as portas ao host. Você também precisará adicionar FML_LISTEN_ADDRESS=:5000 a .devcontainer/.env .
Em seguida, você pode emitir o seguinte comando em sua cópia do FastTrackML para subir e correr:
devcontainer up Supondo que você clonasse o repo em um diretório chamado fasttrackml e não mexeu com a configuração de contêiner dev, você pode entrar no recipiente de dev com:
docker compose --project-name fasttrackml_devcontainer exec --user vscode --workdir /workspaces/fasttrackml app zsh Se alguma delas não for verdadeira, aqui está como renderizar um comando adaptado à sua configuração (exige que jq seja instalado):
devcontainer up | tail -n1 | jq -r ' "docker compose --project-name (.composeProjectName) exec --user (.remoteUser) --workdir (.remoteWorkspaceFolder) app zsh" ' Uma vez no recipiente de dev, use seu editor de texto favorito e alvos Makefile :
vscode ➜ /workspaces/fasttrackml (main) $ vi main.go
vscode ➜ /workspaces/fasttrackml (main) $ emacs .
vscode ➜ /workspaces/fasttrackml (main) $ make runCopyright 2022-2023 G-Research
Copyright 2019-2022 AimHub, Inc.
Copyright 2018 Databricks, Inc.
Licenciado sob a licença Apache, versão 2.0 (a "licença"); Você não pode usar esses arquivos, exceto em conformidade com a licença. Você pode obter uma cópia da licença em
http://www.apache.org/license/license-2.0
A menos que exigido pela lei aplicável ou acordada por escrito, o software distribuído sob a licença é distribuído "como está", sem garantias ou condições de qualquer tipo, expressa ou implícita.
