是否可以通过Dockerfile(而不是图像)指定MLflow项目环境?
据我了解,目前(2019年5月)mlflow支持在docker环境下运行项目;但是,它需要已经建立了docker映像。这使得docker映像构建成为一个单独的工作流。从Dockerfile运行mlflow项目的建议方法是什么是否可以通过Dockerfile(而不是图像)指定MLflow项目环境?,docker,machine-learning,artificial-intelligence,databricks,mlflow,Docker,Machine Learning,Artificial Intelligence,Databricks,Mlflow,据我了解,目前(2019年5月)mlflow支持在docker环境下运行项目;但是,它需要已经建立了docker映像。这使得docker映像构建成为一个单独的工作流。从Dockerfile运行mlflow项目的建议方法是什么 是否有计划支持在mlflow中以本机方式定位Dockerfile?使用image vs Dockerfile的注意事项是什么?谢谢 Mlflow提供了他们在其应用程序上使用的Dockerfile。你可以以此为出发点。一旦您对Dockerfile的外观满意,就可以使用生成一个
是否有计划支持在mlflow中以本机方式定位Dockerfile?使用image vs Dockerfile的注意事项是什么?谢谢 Mlflow提供了他们在其应用程序上使用的Dockerfile。你可以以此为出发点。一旦您对Dockerfile的外观满意,就可以使用生成一个图像
如果您对默认图像满意,请使用该图像。如果需要调整工作流,请编辑Dockerfile并从中生成图像 还有一个来自mlflow研讨会的Dockerfile,这很有帮助 及 run.sh
嗨,Alassane,我确实在回购协议中使用了这个例子,然而,这里是本文中的实际问题。由于有一个映像构建进程在mlflow进程之外运行,因此在更新Dockerfile时,映像可能不再与Dockerfile匹配。如果在mlflow系统中直接将Dockerfile而不是图像作为环境的目标(mlflow跟踪Dockerfile的更改),这将是一个理想的选择。为了澄清,我要求在调用mlflow之前跳过“从docker文件构建docker映像”步骤。有关详细信息,请参见对Alassane问题的答复。
#FROM python:3.7.0
# https://hub.docker.com/r/frolvlad/alpine-python-machinelearning/
FROM frolvlad/alpine-python-machinelearning
LABEL maintainer="Albert Franzi"
ENV MLFLOW_HOME /opt/mlflow
ENV MLFLOW_VERSION 0.7.0
ENV SERVER_PORT 5000
ENV SERVER_HOST 0.0.0.0
ENV FILE_STORE ${MLFLOW_HOME}/fileStore
ENV ARTIFACT_STORE ${MLFLOW_HOME}/artifactStore
RUN pip install mlflow==${MLFLOW_VERSION} && \
mkdir -p ${MLFLOW_HOME}/scripts && \
mkdir -p ${FILE_STORE} && \
mkdir -p ${ARTIFACT_STORE}
COPY scripts/run.sh ${MLFLOW_HOME}/scripts/run.sh
EXPOSE ${SERVER_PORT}/tcp
VOLUME ["${MLFLOW_HOME}/scripts/", "${FILE_STORE}", "${ARTIFACT_STORE}"]
WORKDIR ${MLFLOW_HOME}
ENTRYPOINT ["./scripts/run.sh"]
#!/bin/sh
mlflow server \
--file-store $FILE_STORE \
--default-artifact-root $ARTIFACT_STORE \
--host $SERVER_HOST \
--port $SERVER_PORT