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 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：

我想总结一下，你有两个选择：

选项1：一切由你自己做

对于这个选项，我将从的答案（credit to）中获取一些代码。基本上，如果我们使用ngrok，我们可以将流程分为3个步骤：

设置MLflow服务器： 要么在本地，在Colab上，要么在其他地方

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

使其可供Colab访问，并可选择添加身份验证 这可以通过ngrok实现。代码如下：

！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

记录实验细节 最后，我假设您已经有了使用MLflow记录的代码，但上面的示例是如何创建实验的简单展示：

导入mlfl