Google colaboratory 在Google Colab上设置MLflow
我经常使用GoogleColab来训练TF/PyTorch模型,因为Colab为我提供了GPU/TPU运行时。此外,我喜欢使用MLflow来存储和比较经过培训的模型、跟踪进度、共享等。使用MLflow和Google Colab有哪些可用的解决方案?试试这个。但最大的问题是如何进入用户界面 一个选项是将/drive/mlruns目录下载到本地主机上,并在本地主机上启动mlflow uiGoogle colaboratory 在Google Colab上设置MLflow,google-colaboratory,mlflow,mlops,Google Colaboratory,Mlflow,Mlops,我经常使用GoogleColab来训练TF/PyTorch模型,因为Colab为我提供了GPU/TPU运行时。此外,我喜欢使用MLflow来存储和比较经过培训的模型、跟踪进度、共享等。使用MLflow和Google Colab有哪些可用的解决方案?试试这个。但最大的问题是如何进入用户界面 一个选项是将/drive/mlruns目录下载到本地主机上,并在本地主机上启动mlflow ui 不确定显示localhost:0:0是否适用于远程服务器在本地显示到您的localhost。试试这个。但最大的
不确定显示localhost:0:0是否适用于远程服务器在本地显示到您的localhost。试试这个。但最大的问题是如何进入用户界面 一个选项是将/drive/mlruns目录下载到本地主机上,并在本地主机上启动mlflow ui 不确定DISPLAY localhost:0:0是否适用于远程服务器在本地显示到您的localhost。在这方面存在一个问题,尽管在撰写本文时它仍然处于打开状态[编辑:刚刚关闭],但贡献者非常友好,利用
pyngrok
提供了一个完整的解决方案
下面是代码(打算在Colab笔记本上运行),以隐式
!pip安装mlflow—安静
!pip安装pyngrok--安静
导入mlflow
使用mlflow.start\u run(在Colab上运行mlflow):
mlflow.log_公制(“m1”,2.0)
mlflow.log_参数(“p1”、“mlflow colab”)
#在后台运行跟踪UI
get_ipython().system_raw(“mlflow ui--端口5000&”)在后台运行跟踪ui
#使用ngrok.com创建远程隧道以允许本地端口访问
#借来https://colab.research.google.com/github/alfozan/MLflow-GBRT-demo/blob/master/MLflow-GBRT-demo.ipynb#scrollTo=4h3bKHMYUIG6
从韩国进口韩国
#终止开放式隧道(如有)
ngrok.kill()
#设置authtoken(可选)
#从中获取您的authtokenhttps://dashboard.ngrok.com/auth
NGROK_AUTH_TOKEN=“”
ngrok.set_auth_令牌(ngrok_auth_令牌)
#在端口5000上打开HTTPs隧道,以便http://localhost:5000
ngrok_tunnel=ngrok.connect(addr=“5000”,proto=“http”,bind_tls=True)
打印(“MLflow Tracking UI:,ngrok_tunnel.public_url”)
其输出将是pyngrok
生成的URL,如:
MLflow Tracking UI: https://0a23d7a7d0c4.ngrok.io
单击将导致MLfLow GUI屏幕
(由于pyngrok
creator,)对原始代码进行了轻微修改
使用MLflow版本1.10.0和1.11.0进行测试。在这方面有一个解决方案,尽管在撰写本文时它仍然处于打开状态[编辑:刚刚关闭],但贡献者非常友好,利用pyngrok
提供了一个完整的解决方案
下面是代码(打算在Colab笔记本上运行),以隐式
!pip安装mlflow—安静
!pip安装pyngrok--安静
导入mlflow
使用mlflow.start\u run(在Colab上运行mlflow):
mlflow.log_公制(“m1”,2.0)
mlflow.log_参数(“p1”、“mlflow colab”)
#在后台运行跟踪UI
get_ipython().system_raw(“mlflow ui--端口5000&”)在后台运行跟踪ui
#使用ngrok.com创建远程隧道以允许本地端口访问
#借来https://colab.research.google.com/github/alfozan/MLflow-GBRT-demo/blob/master/MLflow-GBRT-demo.ipynb#scrollTo=4h3bKHMYUIG6
从韩国进口韩国
#终止开放式隧道(如有)
ngrok.kill()
#设置authtoken(可选)
#从中获取您的authtokenhttps://dashboard.ngrok.com/auth
NGROK_AUTH_TOKEN=“”
ngrok.set_auth_令牌(ngrok_auth_令牌)
#在端口5000上打开HTTPs隧道,以便http://localhost:5000
ngrok_tunnel=ngrok.connect(addr=“5000”,proto=“http”,bind_tls=True)
打印(“MLflow Tracking UI:,ngrok_tunnel.public_url”)
其输出将是pyngrok
生成的URL,如:
MLflow Tracking UI: https://0a23d7a7d0c4.ngrok.io
单击将导致MLfLow GUI屏幕
(由于pyngrok
creator,)对原始代码进行了轻微修改
使用MLflow版本1.10.0和1.11.0进行测试。给出了一些很好的答案,但也有一些缺点–主要是您需要设置自己的MLflow服务器才能使其工作 TL;医生:
pip安装mlflow——安静
mlflow ui—端口5000
或者在笔记本中运行时:
!pip安装mlflow—安静
get_ipython().system_raw(“mlflow ui--端口5000&”)
这将初始化MLflow服务器。在Colab中这样做的缺点是,您的运行时是短暂的,这意味着当您关闭会话时,所有的实验信息都将丢失。您可以在本地运行该命令,但是使用ngrok进行隧道挖掘可能更复杂
!pip安装pyngrok--安静
从韩国进口韩国
从getpass导入getpass
#终止开放式隧道(如有)
ngrok.kill()
#设置authtoken(可选)
#从中获取您的authtokenhttps://dashboard.ngrok.com/auth
NGROK_AUTH_TOKEN=getpass('输入NGROK AUTH TOKEN:')
ngrok.set_auth_令牌(ngrok_auth_令牌)
#在端口5000上打开HTTPs隧道,以便http://localhost:5000
ngrok_tunnel=ngrok.connect(addr=“5000”,proto=“http”,bind_tls=True)
打印(“MLflow Tracking UI:,ngrok_tunnel.public_url”)
在这里,我修改了代码以使用getpass
,因为不建议使用明文访问令牌
导入mlfl