fasttrackml
v0.6.0
FastTrackML เป็น API สำหรับการบันทึกพารามิเตอร์และตัวชี้วัดเมื่อเรียกใช้รหัสการเรียนรู้ของเครื่องและเป็น UI สำหรับการแสดงผลลัพธ์ API เป็นการแทนที่แบบเลื่อนลงสำหรับเซิร์ฟเวอร์การติดตามของ MLFlow และจัดส่งด้วย UI การสร้างภาพของ MLFlow และ AIM
เมื่อชื่อมีความหมายการเน้นคือความเร็ว - การบันทึกอย่างรวดเร็วการดึงอย่างรวดเร็ว
บันทึก
สำหรับคู่มือฉบับเต็มดูคู่มือ QuickStart ของเรา
FastTrackML สามารถติดตั้งและทำงานด้วย pip :
pip install fasttrackml
fml serverหรือคุณสามารถเรียกใช้ภายในคอนเทนเนอร์ที่มี Docker:
docker run --rm -p 5000:5000 -ti gresearch/fasttrackmlตรวจสอบว่าคุณสามารถเห็น UI โดยการนำทางไปยัง http: // localhost: 5000/
สำหรับข้อมูลเพิ่มเติม --help เป็นเพื่อนของคุณ!
ติดตั้งแพ็คเกจ MLFlow Python:
pip install mlflow-skinnyนี่คือตัวอย่างพื้นฐานของ Python Script:
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 สามารถสร้างและทดสอบภายในภาชนะ dev นี่เป็นวิธีที่แนะนำเนื่องจากสภาพแวดล้อมทั้งหมดมาก่อนกำหนดด้วยการอ้างอิงทั้งหมด (GO SDK, Postgres, Minio ฯลฯ ) และการตั้งค่า (การจัดรูปแบบ, ผ้าสำลี, ส่วนขยาย, ฯลฯ ) เพื่อเริ่มต้นทันที
หากคุณมีบัญชี GitHub คุณสามารถเปิด FastTrackML ในรหัส GitHub ใหม่ได้โดยคลิกที่ปุ่ม "รหัส" สีเขียวที่ด้านบนของหน้านี้
คุณสามารถสร้างเรียกใช้และแนบดีบักเกอร์โดยเพียงแค่กด F5 การทดสอบหน่วยสามารถเรียกใช้จาก Explorer ทดสอบทางด้านซ้าย นอกจากนี้ยังมีเป้าหมายมากมายภายใน Makefile ที่สามารถใช้งานได้ (เช่น build , run , test-go-unit )
หากคุณต้องการทำงานในท้องถิ่นใน Visual Studio Code สิ่งที่คุณต้องมีคือการติดตั้ง Docker และ DEV Containers Extension
เพียงเปิดสำเนา FastTrackML ของคุณในรหัส VS แล้วคลิก "เปิดใหม่ในคอนเทนเนอร์" เมื่อได้รับแจ้ง เมื่อเปิดโครงการแล้วคุณสามารถทำตามคำแนะนำของ GitHub Codespaces ด้านบน
สำคัญ
โปรดทราบว่าใน MacOS พอร์ต 5000 ถูกครอบครองแล้วดังนั้นจึงจำเป็นต้องมีการปรับเปลี่ยนบางอย่าง
หาก CLI เป็นวิธีที่คุณหมุนคุณสามารถติดตั้งเครื่องมือ DEV Container CLI และทำตามคำสั่งด้านล่าง
[! คำเตือน] ไม่แนะนำหรือสนับสนุนการตั้งค่านี้ นี่คือมังกร!
คุณจะต้องแก้ไขไฟล์ .devcontainer/docker-compose.yml และไม่เขียนเครื่องสำอางส่วน services.db.ports เพื่อเปิดเผยพอร์ตไปยังโฮสต์ คุณจะต้องเพิ่ม FML_LISTEN_ADDRESS=:5000 ถึง .devcontainer/.env
จากนั้นคุณสามารถออกคำสั่งต่อไปนี้ในสำเนา FastTrackML ของคุณเพื่อให้ได้และทำงาน:
devcontainer up สมมติว่าคุณโคลน repo ลงในไดเรกทอรีชื่อ fasttrackml และไม่ได้เล่นซอกับการกำหนดค่าคอนเทนเนอร์ dev คุณสามารถป้อนคอนเทนเนอร์ dev ด้วย:
docker compose --project-name fasttrackml_devcontainer exec --user vscode --workdir /workspaces/fasttrackml app zsh หากสิ่งเหล่านี้ไม่เป็นความจริงนี่คือวิธีการแสดงคำสั่งที่เหมาะกับการตั้งค่าของคุณ (ต้องติดตั้ง jq ):
devcontainer up | tail -n1 | jq -r ' "docker compose --project-name (.composeProjectName) exec --user (.remoteUser) --workdir (.remoteWorkspaceFolder) app zsh" ' เมื่ออยู่ในคอนเทนเนอร์ dev ให้ใช้ตัวแก้ไขข้อความที่คุณชื่นชอบและเป้าหมาย Makefile :
vscode ➜ /workspaces/fasttrackml (main) $ vi main.go
vscode ➜ /workspaces/fasttrackml (main) $ emacs .
vscode ➜ /workspaces/fasttrackml (main) $ make runลิขสิทธิ์ 2022-2023 G-Research
ลิขสิทธิ์ 2019-2022 AIMHUB, Inc.
Copyright 2018 Databricks, Inc.
ได้รับใบอนุญาตภายใต้ใบอนุญาต Apache เวอร์ชัน 2.0 ("ใบอนุญาต"); คุณไม่สามารถใช้ไฟล์เหล่านี้ยกเว้นตามใบอนุญาต คุณอาจได้รับสำเนาใบอนุญาตที่
http://www.apache.org/licenses/license-2.0
เว้นแต่ว่ากฎหมายที่บังคับใช้หรือตกลงเป็นลายลักษณ์อักษรซอฟต์แวร์ที่แจกจ่ายภายใต้ใบอนุญาตจะถูกแจกจ่ายตาม "ตามพื้นฐาน" โดยไม่มีการรับประกันหรือเงื่อนไขใด ๆ ไม่ว่าจะโดยชัดแจ้งหรือโดยนัย
